基于DenseNet的无人机光学图像树种分类研究

• 作者: 丁启禄 刘金福 林志玮 涂伟豪 胡典 黄嘉航
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 无人机 深度学习 树种识别 光学影像
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: CNN专栏
• 页码范围: 704-711
• 页数: 8页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2019.4.0704

摘要

利用无人机航拍获得光学影像数据,结合深度学习理论,建立树种识别模型,以期为大规模树种识别提供一种新的方式.首先以福建安溪县为例,采用无人机获取20 m及40 m高度的航拍影像.其次,以树种为对象,对航拍影像进行分割,获得12种树种影像.最后,结合深度学习理论,采用DenseNet卷积神经网络建立树种识别模型,探讨不同航拍高度以及不同网络深度对树种识别的影响.结果表明:不同航拍高度的树种识别模型,其分类精度均达80％以上,最高精度为87.54％.从航拍影像解析度分析,随着航拍影像解析度的下降,模型识别精度呈现下降趋势,以20 m航拍影像数据建构的树种识别模型,其分类精度高于40 m模型;从模型网络深度分析,随着模型网络层数的增加,模型分类精度出现下降现象,DenseNet121模型分类精度高于DenseNet169模型分类精度.综上所述,基于无人机航拍影像,结合深度卷积神经网络,提出了新的树种识别方式,并以安溪县森林树种识别为例证明了该分类框架的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	涂伟豪	福建农林大学计算机与信息学院	7	9	2.0	2.0
2	黄嘉航	福建农林大学林学院	4	2	1.0	1.0
3	胡典	福建农林大学计算机与信息学院	2	1	1.0	1.0
4	丁启禄	福建农林大学计算机与信息学院	6	7	1.0	2.0