基于FC-DenseNet的低空航拍光学图像树种识别

编号 zgly0001683752

文献类型 期刊论文

文献题名 基于FC-DenseNet的低空航拍光学图像树种识别

作者 林志玮  涂伟豪  黄嘉航  丁启禄  周铮雯  刘金福 

作者单位 福建农林大学计算机与信息学院  福建农林大学林学院  福建农林大学林学博士后流动站  福建省高校生态与资源统计重点实验室 

母体文献 国土资源遥感 

年卷期 2019年03期

年份 2019 

分类号 TP751  S757.2 

关键词 FC-DenseNet  光学图像  树种识别  无人机  深度神经网络 

文摘内容 使用低空遥感图像进行图像识别为森林调查和监测提供了新的技术契机。基于无人机低空航拍光学图像,以福建省安溪县崩岗区为研究区,建立FC-Dense Net模型进行树种识别。首先,利用Dense模块提取树种图像特征并增强深层网络信息,透过下采样模块降低图像维度,凸显图像的纹理特征和光谱特征;然后,使用上采样模块还原预测图至原始图像大小,并融合浅层Dense模块信息的丰富特征;最后,采用Softmax分类器实现像素分类,完成树种识别。结果显示,基于低空航拍光学图像,FC-Dense Net模型能够准确区分植被与非植被,定位其空间分布特征,其中,FC-Dense Net-103模型的二分类识别精度为92. 1%,表明FC-Dense Net模型加深网络深度后具有较好的识别效果;将植被与非植被细分为13类,FC-Dense Net-103模型的平均识别正确率达到75. 67%。研究结果表明,基于低空航拍光学图像建立的FC-Dense Net模型具有较高的树种分类精度。由于低空航拍光学图像的成本较低,数据获取费用小,时间周期短,可便于森林资源调查和森林树种检测,为深度学习在树种识别领域的应用提供了新思路。