单木树冠检测方法

本申请实施例涉及但不限于图像处理，尤其涉及单木树冠检测方法。

背景技术：

1、对树木的检测、分类、定位以及参数获取是林业资源调查的中心任务。传统的林业资源调查方式主要包括人工实地考察测量和基于遥感影像进行影像目视解译。遥感影像与深度学习算法结合应用于树冠检测与分割研究是目前的研究趋势之一，但是无人机遥感拍摄的真实场景下的图像存在着阴影遮挡的问题，极大的影响了算法的检测精度。

技术实现思路

1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

2、本申请实施例旨在至少解决现有技术中存在的技术问题之一，本申请实施例提供了单木树冠检测方法，使用阴影检测算法及阴影去除算法减少阴影遮挡对单木树冠分割与检测的影响，有效提升了检测精度。

3、本申请的实施例，一种单木树冠检测方法，包括：

4、获取多张树木遥感图像；

5、从多张所述树木遥感图像识别出存在被阴影遮挡的树木的第一图像；

6、对所述第一图像进行阴影检测处理得到阴影掩码图；

7、根据所述阴影掩码图对所述第一图像进行阴影去除处理得到无阴影图像；

8、根据所述无阴影图像进行图像分割处理和图像检测处理得到单木树冠检测结果。

9、本申请的某些实施例，在所述获取多张树木遥感图像之后，所述单木树冠检测方法还包括：

10、根据预设的图像尺寸对所述树木遥感图像进行裁剪，得到经裁剪的树木遥感图像。

11、本申请的某些实施例，在所述根据预设的图像尺寸对所述树木遥感图像进行裁剪，得到经裁剪的树木遥感图像之后，所述单木树冠检测方法还包括：

12、标注经裁剪的树木遥感图像，以对经裁剪的树木遥感图像中的树木打上树木标签；

13、对经标注的树木遥感图像进行数据清洗，保留含有树木标签的树木遥感图像。

14、本申请的某些实施例，所述对所述第一图像进行阴影检测处理得到阴影掩码图，包括：

15、对所述第一图像进行特征提取得到多个具有不同的分辨率的特征图，所述特征图包括浅层的特征图和深层的特征图，所述浅层的特征图包含有所述第一图像的局部区域的阴影细节信息，所述深层的特征图包含有所述第一图像的整个图像的阴影语义信息；

16、根据多个所述特征图，获取从浅层至深层的路径的第一特征预测得分图和从深层至浅层的路径的第二特征预测得分图；

17、融合所述第一特征预测得分图和所述第二特征预测得分图得到所述阴影掩码图。

18、本申请的某些实施例，所述第一特征预测得分图和所述第二特征预测得分图为注意力图；所述融合所述第一特征预测得分图和所述第二特征预测得分图得到所述阴影掩码图，具体为：基于注意力融合所述第一特征预测得分图和所述第二特征预测得分图得到所述阴影掩码图。

19、本申请的某些实施例，对所述第一图像进行特征提取是由卷积神经网络执行的；所述卷积神经网络具有多层卷积层，每层所述卷积层输出的特征图的分辨率相同。

20、本申请的某些实施例，所述根据所述阴影掩码图对所述第一图像进行阴影去除处理得到无阴影图像，包括：

21、对所述第一图像进行加权处理，生成多张曝光图像；

22、将多张所述曝光图像和所述阴影掩码图像融合得到所述无阴影图像。

23、本申请的某些实施例，所述根据所述无阴影图像进行图像分割处理和图像检测处理得到单木树冠检测结果由深度森林网络执行。

24、本申请的某些实施例，在所述获取多张树木遥感图像之后，所述单木树冠检测方法还包括：从多张所述树木遥感图像识别出不存在被阴影遮挡的树木的第二图像。

25、本申请的某些实施例，所述深度森林网络由所述第二图像所组成的训练集进行训练。

26、上述方案至少具有以下的有益效果：通过阴影检测处理检测出树木图像中的阴影，通过阴影去除处理将树木图像中的阴影去除，然后对去除阴影后的无阴影图像进行图像分割处理和图像检测处理，得到单木树冠检测结果，避免阴影干扰，提升了检测精度。

技术特征：

1.一种单木树冠检测方法，其特征在于，包括：

2.根据权利要求1所述的一种单木树冠检测方法，其特征在于，在所述获取多张树木遥感图像之后，所述单木树冠检测方法还包括：

3.根据权利要求2所述的一种单木树冠检测方法，其特征在于，在所述根据预设的图像尺寸对所述树木遥感图像进行裁剪，得到经裁剪的树木遥感图像之后，所述单木树冠检测方法还包括：

4.根据权利要求1所述的一种单木树冠检测方法，其特征在于，所述对所述第一图像进行阴影检测处理得到阴影掩码图，包括：

5.根据权利要求4所述的一种单木树冠检测方法，其特征在于，所述第一特征预测得分图和所述第二特征预测得分图为注意力图；所述融合所述第一特征预测得分图和所述第二特征预测得分图得到所述阴影掩码图，具体为：基于注意力融合所述第一特征预测得分图和所述第二特征预测得分图得到所述阴影掩码图。

6.根据权利要求4或5所述的一种单木树冠检测方法，其特征在于，对所述第一图像进行特征提取是由卷积神经网络执行的；所述卷积神经网络具有多层卷积层，每层所述卷积层输出的特征图的分辨率相同。

7.根据权利要求1所述的一种单木树冠检测方法，其特征在于，所述根据所述阴影掩码图对所述第一图像进行阴影去除处理得到无阴影图像，包括：

8.根据权利要求1所述的一种单木树冠检测方法，其特征在于，所述根据所述无阴影图像进行图像分割处理和图像检测处理得到单木树冠检测结果由深度森林网络执行。

9.根据权利要求8所述的一种单木树冠检测方法，其特征在于，在所述获取多张树木遥感图像之后，所述单木树冠检测方法还包括：从多张所述树木遥感图像识别出不存在被阴影遮挡的树木的第二图像。

10.根据权利要求9所述的一种单木树冠检测方法，其特征在于，所述深度森林网络由所述第二图像所组成的训练集进行训练。

技术总结
本申请实施例提供了单木树冠检测方法，其中方法包括从多张树木遥感图像识别出存在被阴影遮挡的树木的第一图像；对第一图像进行阴影检测处理得到阴影掩码图；根据阴影掩码图对第一图像进行阴影去除处理得到无阴影图像；根据无阴影图像进行图像分割处理和图像检测处理，得到单木树冠检测结果；避免图像中的阴影对检测结果的干扰，提升了图像检测精度。

技术研发人员：王卓薇,陶勇涛,赵艮平,程良伦
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/1/14