检索结果-南通市图书馆

LiDAR单木分割辅助的无人机影像CNN+EL树种识别

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第3期53卷 197-205页

作者：徐志扬陈巧陈永富中国林业科学研究院资源信息研究所北京100091 国家林业和草原局华东调查规划院杭州310019 国家林业和草原局林业遥感与信息技术重点实验室北京100091

为研究激光雷达单木分割辅助条件下无人机可见光图像树种识别应用潜力,提出联合卷积神经网络(CNN)和集成学习(EL)的树种识别方法。首先利用同期无人机激光雷达数据和可见光影像数据进行单木树冠探测并制作单木树冠影像数据集;其次引入Re... 详细信息

为研究激光雷达单木分割辅助条件下无人机可见光图像树种识别应用潜力,提出联合卷积神经网络(CNN)和集成学习(EL)的树种识别方法。首先利用同期无人机激光雷达数据和可见光影像数据进行单木树冠探测并制作单木树冠影像数据集;其次引入ResNet50网络并结合引入有效通道注意力机制、替换膨胀卷积、调整卷积模块层数搭建出4个卷积神经网络,使用ImageNet大型数据集进行模型预训练,加载预训练参数进行模型初始化并利用制作的单木树冠影像数据集训练出5个不同的分类模型;最后通过相对多数投票法建立集成模型。实验结果表明,单木探测总体精度达到83.80%,集成学习的训练精度、验证精度、独立测试精度分别达到了99.15%、98.34%和90.15%,较ResNet50网络提高了4.23、3.04、9.09个百分点,独立测试精度较随机森林分类最优结果高32.31个百分点。激光雷达单木分割辅助条件下利用卷积神经网络和集成学习策略能够充分提取无人机图像特征用于树种识别。

关键词：树种识别无人机影像无人机激光雷达卷积神经网络集成学习

基于多时相Sentinel-2影像和SNIC分割算法的优势树种识别

在线全文

学校读者我要写书评

暂无评论

林业科学 2022年第9期58卷 60-69页

作者：岳巍李世明李增元刘清旺庞勇斯林中国林业科学研究院资源信息研究所、国家林业和草原局林业遥感与信息技术重点实验室北京100091

【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engin... 详细信息

【目的】探究将简单非迭代聚类超像素分割算法(SNIC)融合到基于多时相数据的树种分类问题中,并对比分析不同时相数据组合对分类结果的影响,实现更高效、更精准的优势树种识别。【方法】以内蒙古旺业甸林场为研究区,在Google Earth Engine(GEE)云计算平台上利用多时相Sentinel-2多光谱数据提取波段反射率特征和光谱指数特征,采用SNIC和支持向量机(SVM)机器学习分类方法,实现面向对象的优势树种识别,并分析不同时相数据组合对优势树种识别精度的影响。【结果】多时相数据组合的分类精度明显高于各季节单时相数据。对比不同多时相数据组合分类结果,春、秋2个季节时间序列组合数据的分类精度与多季节组合数据结果相近,总体精度分别为94.5%、95.0%和95.8%。【结论】基于多时相Sentinel-2影像和SNIC分割算法的面向对象分类方法能够快速、准确识别优势树种,多季节组合数据的分类结果最优,春、秋2个季节时间序列数据也能获得较好分类结果,总体精度与最优结果差距较小。

关键词：多时相简单非迭代聚类超像素分割算法树种识别时间序列

在线全文

学校读者我要写书评

暂无评论

面向激光雷达点云数据的多结构树种识别

中国农机化学报 2024年第5期45卷 168-175页

作者：陶旭余富强蔡金金么炜刘博河北农业大学信息科学与技术学院河北保定071001 河北农业大学河北省农业大数据重点实验室河北保定071001 河北农业大学机电工程学院河北保定071001

针对由于树木种间相似性和种内差异性带来的识别困难,以及由于采集环境及设备的多样性导致的点云质量差异,提出面向激光雷达点云数据的多结构树种识别方法(MSTSR)。首先借助改进的组合采样策略,在有效降低数据冗余的同时,保留单木的主... 详细信息

针对由于树木种间相似性和种内差异性带来的识别困难,以及由于采集环境及设备的多样性导致的点云质量差异,提出面向激光雷达点云数据的多结构树种识别方法(MSTSR)。首先借助改进的组合采样策略,在有效降低数据冗余的同时,保留单木的主体枝干结构;其次通过内建的近邻感知与增强模块(NAE)层次化聚合点云属性,以形成高阶的语义描述;最后通过融合树冠、主干以及整树的多结构信息,生成跨尺度的树木点云表征。在地面激光雷达采集的树种点云数据集上验证该方法的有效性,该数据集由7个树种共690棵树组成的。结果表明:该方法的总体准确率达到94.2%。相比主流的PointNet和PointNet++深度点云分类网络,分别提升13.04和9.42个百分点;相比基于点云的多视图2D投影方法,提升8.19个百分点;相比基于多个测树因子的随机森林方法,提升24.63个百分点,从而证实采用深度网络直接进行树种点云识别的潜力。

关键词：树种识别激光雷达点云深度学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

联合地基激光雷达与无人机影像的树种识别

南京林业大学学报(自然科学版) 2024年

作者：钟浩王楚虹林文树东北林业大学机电工程学院

【目的】通过遥感技术进行树种识别已成为森林调查重要手段之一，但目前利用近地面遥感手段进行树种识别时存在地基LiDAR点云数据树冠上层信息不足和无人机影像树冠下层的信息缺失的问题，联合多源遥感数据快速准确识别树种，对研究和... 详细信息

【目的】通过遥感技术进行树种识别已成为森林调查重要手段之一，但目前利用近地面遥感手段进行树种识别时存在地基LiDAR点云数据树冠上层信息不足和无人机影像树冠下层的信息缺失的问题，联合多源遥感数据快速准确识别树种，对研究和保护森林资源具有重要意义。【方法】以哈尔滨市东北林业大学城市林业示范基地中樟子松（Pinus sylvestnis）、黑皮油松（P. tabuliformis）、水曲柳（Fraxinus mandshurica）、胡桃楸（Juglans mandshurica）为研究对象进行树种识别研究，获取地基LiDAR与无人机影像数据，通过对高重叠度无人机影像进行处理得到无人机影像点云，将无人机影像点云与地基LiDAR点云数据进行配准融合，对融合后数据进行单木分割得到单木点云，基于单木点云提取形状特征、结构特征、树干颜色特征和树冠颜色特征，借助支持向量机分类算法进行树种识别并结合随机森林算法对不同特征的识别能力进行了分析。【结果】利用所有特征进行树种识别取得试验最优结果，总精度和Kappa 系数分别为93.48%和0.91，相较于其它对比方案总精度和Kappa 系数分别提升4.35%～16.31%和0.06～0.22。【结论】本研究提出了一种地基LiDAR数据与无人机影像点云数据进行融合的树种识别方法，该方法能够在一定程度上弥补树种识别中特征提取时地基LiDAR点云数据树冠上层信息不足以及无人机影像树冠下层信息缺失问题，充分利用多源数据所包含的丰富信息进行树种识别，有效提高树种识别精度。

关键词：树种识别多源遥感激光雷达无人机影像

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于支持向量机的木材树种识别模型

林业工程学报 2022年第4期7卷 122-127页

作者：骆立徐兆军王晓羽周康那斌南京林业大学材料科学与工程学院南京210037

目前林业信息化正由数字林业迈向智慧林业,高效、无损的木材树种识别技术有利于推动我国林业信息化、智能化发展的进程。为了满足市场对木材高效精准识别的需求,将木材树种识别问题转化为多分类问题,开发了一种基于支持向量机结合线性... 详细信息

目前林业信息化正由数字林业迈向智慧林业,高效、无损的木材树种识别技术有利于推动我国林业信息化、智能化发展的进程。为了满足市场对木材高效精准识别的需求,将木材树种识别问题转化为多分类问题,开发了一种基于支持向量机结合线性降维算法的木材树种识别模型。具体而言,首先采用无监督的主成分分析和有监督的线性判别分析,分别对木材近红外高维光谱数据进行降维处理;其次将降维后的特征输入支持向量机模型中,输出各个树种类别上的概率分布。借助网格搜索法并结合5折交叉验证法选取最优核函数和核函数参数,探讨了支持向量机不同核函数对于木材树种分类效果的影响。为了评价模型的识别能力,选取准确率、混淆矩阵和ROC曲线评价提出的模型,并进一步探讨了本木材树种识别方法的可行性。实验结果表明,利用近红外光谱特征的支持向量机模型能准确且高效地识别木材树种。其中,线性判别分析结合支持向量机的模型分类准确率可达97.54%,模型运行速率为6.53 s。

关键词：支持向量机近红外光谱树种识别主成分分析线性判别分析

基于机器视觉的木材特征提取与树种识别研究综述

在线全文

学校读者我要写书评

暂无评论

世界林业研究 2023年第2期36卷 58-62页

作者：计恺豪庄子龙刘英杨雨图南京林业大学机械电子工程学院南京210037

我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别... 详细信息

我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别大幅度提高了准确率。文中通过分析近5年来木材识别领域的相关文献,总结了木材特征提取的相关技术与树种识别的各种方法,提出要深度融合木材的多个特征并加强各种算法间的配合使用;此外,针对机器视觉在木材树种识别中的应用普遍停留在学术研究阶段的问题,提出木材树种识别应向装备数字化方向发展,以期提高木材树种识别的工作效率。

关键词：机器视觉木材特征特征提取树种识别

联合GF-5与GF-6卫星数据的多分类器组合亚热带树种识别

在线全文

学校读者我要写书评

暂无评论

林业科学 2020年第10期56卷 93-104页

作者：栗旭升李虎陈冬花刘玉锋刘赛赛刘聪芳胡国庆安徽师范大学地理与旅游学院芜湖241002 核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室北京100029 滁州学院计算机与信息工程学院滁州239000 新疆师范大学地理科学与旅游学院乌鲁木齐830054

【目的】针对亚热带森林冠层结构复杂、林分高密度下树种遥感识别精度不高以及不同分类算法对不同树种识别表现力不一等问题,探究高光谱分辨率与高空间分辨率数据联合的多分类器组合树种识别方法,以促进多源数据在森林资源调查和监测领... 详细信息

【目的】针对亚热带森林冠层结构复杂、林分高密度下树种遥感识别精度不高以及不同分类算法对不同树种识别表现力不一等问题,探究高光谱分辨率与高空间分辨率数据联合的多分类器组合树种识别方法,以促进多源数据在森林资源调查和监测领域的深层次应用。【方法】以皇甫山国家森林公园为研究区,联合高分五号AHSI(GF-5 AHSI)与高分六号PMS(GF-6 PMS)卫星数据以及数字高程模型(DEM)、森林资源调查数据等辅助信息,构建亚热带天然次生林复杂冠层结构和高林分密度条件下面向对象多源数据多分类器自适应的树种识别方法。首先利用图割算法(GC)对GF-6 PMS卫星数据进行面向对象多尺度分割,结合外业调查数据选择样本;然后基于GF-5 AHSI卫星数据提取植被指数特征(VIF)26个,GF-6 PMS卫星数据提取各方向各波段纹理特征(TEF)128个,将GF-5 AHSI卫星数据去除坏波段后的304个波段作为光谱特征(SF),基于DEM构建的地形因子作为地形特征(TRF)3个,根据类间可分性和线性判别分析对各类因子进行特征选择,依据特征选择结果构建10种分类方案;最后,采用近邻分类(KNN)、支持向量机(SVM)、贝叶斯分类(Bayesian)、分类回归树(CART)和随机森林(RF)建立基于面向对象的分类精度权重自适应组合分类器(WACC),结合10种分类方案进行树种识别,并对树种识别结果进行精度验证。【结果】线性判别分析模型下,光谱特征、纹理特征和植被指数特征因子分别在增加到28、12和10个后判别精度趋于稳定,对树种具有较好识别能力的光谱特征因子主要集中在红光和近红外波段,纹理特征因子主要集中在均值、熵和角二阶矩,植被指数特征因子主要集中在表征绿度、碳衰减和冠层含水指数;权重自适应分类器组合算法树种识别总体精度为87.51%,Kappa系数为0.854,均优于单一分类器算法;不同特征因子方案在各分类算法下取得总体精度排序为SF+TEF+VIF>SF+TEF+VIF+TRF>SF+TEF+TRF>SF+VIF>SF+VIF+TRF>SF+TEF>SF>SF+TRF>VIF>TEF。【结论】SF+TEF+VIF特征组合下的权重自适应分类器组合算法能够对亚热带天然次生林树种进行有效识别,具有良好的识别精度和可信度,GF-5 AHIS和GF-6 PMS卫星数据在森林资源调查和监测等领域有着较好的应用潜力和前景。

关键词：组合分类器高分五号高分六号树种识别面向对象特征选择

在线全文

学校读者我要写书评

暂无评论

基于多任务持续学习的树种识别

森林工程 2022年第1期38卷 67-75页

作者：王恩泽赵亚凤东北林业大学信息与计算机工程学院哈尔滨150040

针对现有的深度学习方法在树干或树叶单一识别任务上需要大量样本做标注和训练的问题,且存在灾难性遗忘现象,提出一种新的神经网络模型用于多任务树种识别。对于少量不同类型数据样本,本文引入持续学习,将树干识别和树叶识别看作2个连... 详细信息

针对现有的深度学习方法在树干或树叶单一识别任务上需要大量样本做标注和训练的问题,且存在灾难性遗忘现象,提出一种新的神经网络模型用于多任务树种识别。对于少量不同类型数据样本,本文引入持续学习,将树干识别和树叶识别看作2个连续的学习,实现多任务识别。训练模型分为2个阶段:第1阶段为树干识别,保留参数重要性;第2阶段引入正则化损失约束重要参数的变化,维持模型对于叶片的特征提取能力,而保持低重要性参数的改变,以学习不同树种样本中更多的特征信息。测试结果表明,该方法在树干识别和树叶识别时的准确率分别为91.75%和98.85%,较单任务的深度学习有18.03%和11.92%的提升。本研究所提出的模型更适用于在不同样本中进行多任务分类识别,较好地避免灾难性遗忘问题。

关键词：树种识别多任务学习持续学习卷积神经网络混淆矩阵

在线全文

学校读者我要写书评

暂无评论

高分多模卫星林业地类及树种识别应用研究

林业资源管理 2023年第1期 127-132页

作者：高金萍于慧娜翟召坤国家林业和草原局林草调查规划院国家基础地理信息中心

遥感分类技术一直是林草行业应用的热点和难点，2021年开展的国家林草综合生态年度监测开始广泛应用遥感技术开展林地、草地和湿地图斑变化判读，地类前后变化的识别精度是其难点和关键。通过利用国内首颗分辨率优于0.5m的高分多模卫星... 详细信息

遥感分类技术一直是林草行业应用的热点和难点，2021年开展的国家林草综合生态年度监测开始广泛应用遥感技术开展林地、草地和湿地图斑变化判读，地类前后变化的识别精度是其难点和关键。通过利用国内首颗分辨率优于0.5m的高分多模卫星，在湖南省桃源县、吉首市2个试验区分别开展林业主要地类识别和树种精细识别应用实践研究。结果表明：随机森林方法在林业地类识别中表现较好，林地、湿地、其他林地等主要地类的总体分类精度为89.56%,Kappa系数为0.733;K最邻近分类法对杉木、马尾松、灌木组、柑桔4个主要树种的总体识别精度为77.58%,Kappa系数为0.697。总体而言，高分多模卫星遥感分类和目标识别能力较好，在林草调查监测工作中应用潜力较大。

关键词：高分多模卫星林业地类识别树种识别随机森林 K最邻近分类法