基于FC-DenseNet的低空航拍光学图像树种识别

• 作者: 丁启禄 刘金福 周铮雯 林志玮 涂伟豪 黄嘉航
• 来源期刊: 国土资源遥感
• 学科: 地球科学
• 关键词: FC-DenseNet 光学图像 树种识别 无人机 深度神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 技术应用
• 页码范围: 225-233
• 页数: 9页
• 分类号: X835|TP79
• 字数: 6192字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2019.03.28

摘要

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-DenseNet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-DenseNet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-DenseNet-103模型的二分类识别精度为92.1％,表明FC-DenseNet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-DenseNet-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-DenseNet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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘金福	福建农林大学计算机与信息学院	134	1564	22.0	33.0
5	涂伟豪	福建农林大学计算机与信息学院	7	9	2.0	2.0
6	黄嘉航	福建农林大学计算机与信息学院	4	2	1.0	1.0
7	周铮雯	福建农林大学计算机与信息学院	3	0	0.0	0.0
8	丁启禄	福建农林大学计算机与信息学院	6	7	1.0	2.0