基于卷積神經(jīng)網(wǎng)絡(luò)的林木提取及覆蓋率估測(cè)
發(fā)布時(shí)間:2023-02-19 10:10
隨著時(shí)代的發(fā)展,國(guó)家越來越重視城市的生態(tài)環(huán)境,逐漸將目光轉(zhuǎn)移到城市的森林群落,大面積地種植接近自然演替的人工林,通過觀察林木覆蓋率的變化監(jiān)測(cè)林木資源狀況以及林木變化情況,并選取林木面積和覆蓋率作為衡量城市森林資源的主要指標(biāo)。由于遙感影像獲取林木影像周期長(zhǎng)且分辨率低,使得林木覆蓋率估測(cè)精度難以提高。近幾年,隨著無人機(jī)技術(shù)的快速發(fā)展,使用無人機(jī)影像估測(cè)林木覆蓋率成為焦點(diǎn)。本文以黑龍江省哈爾濱市的實(shí)驗(yàn)林場(chǎng)為研究對(duì)象,以林木覆蓋率的估測(cè)為研究中心,通過無人機(jī)獲取林場(chǎng)正射影像,針對(duì)林木圖像中的林木區(qū)域提取方法進(jìn)行研究,并根據(jù)林木提取結(jié)果估測(cè)研究區(qū)的林木面積和林木覆蓋率。首先,研究了幾種常用的林木圖像提取方法,從中選擇林木提取最優(yōu)結(jié)果,針對(duì)最優(yōu)的FCN-8s網(wǎng)絡(luò)在林木圖像上提取粗糙的問題,設(shè)計(jì)了 IFCN模型,該模型在林木圖像上的提取能力不受批次的影響,有效解決了小批量輸入導(dǎo)致模型性能不穩(wěn)定的問題;并對(duì)FCN-8s網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),將林木高低級(jí)信息相互融合,提高了 IFCN網(wǎng)絡(luò)對(duì)林木信息的學(xué)習(xí)能力和識(shí)別能力;同時(shí)在網(wǎng)絡(luò)后端進(jìn)行邊緣細(xì)化處理,解決了 FCN-8s網(wǎng)絡(luò)在林木邊緣提取粗糙的問題。其次,在...
【文章頁數(shù)】:72 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 林木面積估測(cè)的國(guó)內(nèi)外研究現(xiàn)狀
1.2.2 圖像識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文主要內(nèi)容與結(jié)構(gòu)安排
1.3.1 主要內(nèi)容
1.3.2 結(jié)構(gòu)安排
2 林木覆蓋區(qū)域提取模型對(duì)比分析
2.1 林木區(qū)域提取模型
2.1.1 閾值分割
2.1.2 Canny邊緣檢測(cè)
2.1.3 K-means聚類分析
2.1.4 卷積神經(jīng)網(wǎng)絡(luò)
2.2 林木提取效果對(duì)比分析
2.3 FCN-8s模型存在的問題
2.4 本章小結(jié)
3 基于IFCN的林木區(qū)域提取方法
3.1 FCN-8s網(wǎng)絡(luò)的優(yōu)化
3.1.1 適應(yīng)小批量林木輸入的數(shù)據(jù)規(guī)范化
3.1.2 改進(jìn)的多級(jí)信息融合林木提取模型
3.1.3 邊緣細(xì)化處理
3.2 損失函數(shù)
3.3 模型訓(xùn)練結(jié)果分析
3.3.1 IFCN模型設(shè)計(jì)
3.3.2 訓(xùn)練結(jié)果及復(fù)雜度分析
3.3.3 林木區(qū)域提取效果分析
3.4 本章小結(jié)
4 基于改進(jìn)的IFCN林木區(qū)域提取方法
4.1 IFCN模型特點(diǎn)
4.2 改進(jìn)的IFCN神經(jīng)網(wǎng)絡(luò)
4.2.1 內(nèi)部像素點(diǎn)的細(xì)定位
4.2.2 改進(jìn)的多尺度特征林木提取模型
4.3 模型訓(xùn)練結(jié)果對(duì)比分析
4.3.1 模型結(jié)構(gòu)設(shè)計(jì)
4.3.2 模型訓(xùn)練結(jié)果分析
4.3.3 林木區(qū)域提取效果分析
4.3.4 模型復(fù)雜度分析
4.4 本章小結(jié)
5 林木覆蓋率估測(cè)
5.1 實(shí)驗(yàn)數(shù)據(jù)及環(huán)境配置
5.1.1 環(huán)境配置
5.1.2 實(shí)驗(yàn)數(shù)據(jù)
5.2 評(píng)價(jià)指標(biāo)
5.3 實(shí)驗(yàn)結(jié)果與分析
5.3.1 樣地提取結(jié)果對(duì)比分析
5.3.2 林木覆蓋率估測(cè)結(jié)果對(duì)比分析
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
附件
本文編號(hào):3746026
【文章頁數(shù)】:72 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 林木面積估測(cè)的國(guó)內(nèi)外研究現(xiàn)狀
1.2.2 圖像識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀
1.3 本文主要內(nèi)容與結(jié)構(gòu)安排
1.3.1 主要內(nèi)容
1.3.2 結(jié)構(gòu)安排
2 林木覆蓋區(qū)域提取模型對(duì)比分析
2.1 林木區(qū)域提取模型
2.1.1 閾值分割
2.1.2 Canny邊緣檢測(cè)
2.1.3 K-means聚類分析
2.1.4 卷積神經(jīng)網(wǎng)絡(luò)
2.2 林木提取效果對(duì)比分析
2.3 FCN-8s模型存在的問題
2.4 本章小結(jié)
3 基于IFCN的林木區(qū)域提取方法
3.1 FCN-8s網(wǎng)絡(luò)的優(yōu)化
3.1.1 適應(yīng)小批量林木輸入的數(shù)據(jù)規(guī)范化
3.1.2 改進(jìn)的多級(jí)信息融合林木提取模型
3.1.3 邊緣細(xì)化處理
3.2 損失函數(shù)
3.3 模型訓(xùn)練結(jié)果分析
3.3.1 IFCN模型設(shè)計(jì)
3.3.2 訓(xùn)練結(jié)果及復(fù)雜度分析
3.3.3 林木區(qū)域提取效果分析
3.4 本章小結(jié)
4 基于改進(jìn)的IFCN林木區(qū)域提取方法
4.1 IFCN模型特點(diǎn)
4.2 改進(jìn)的IFCN神經(jīng)網(wǎng)絡(luò)
4.2.1 內(nèi)部像素點(diǎn)的細(xì)定位
4.2.2 改進(jìn)的多尺度特征林木提取模型
4.3 模型訓(xùn)練結(jié)果對(duì)比分析
4.3.1 模型結(jié)構(gòu)設(shè)計(jì)
4.3.2 模型訓(xùn)練結(jié)果分析
4.3.3 林木區(qū)域提取效果分析
4.3.4 模型復(fù)雜度分析
4.4 本章小結(jié)
5 林木覆蓋率估測(cè)
5.1 實(shí)驗(yàn)數(shù)據(jù)及環(huán)境配置
5.1.1 環(huán)境配置
5.1.2 實(shí)驗(yàn)數(shù)據(jù)
5.2 評(píng)價(jià)指標(biāo)
5.3 實(shí)驗(yàn)結(jié)果與分析
5.3.1 樣地提取結(jié)果對(duì)比分析
5.3.2 林木覆蓋率估測(cè)結(jié)果對(duì)比分析
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
附件
本文編號(hào):3746026
本文鏈接:http://sikaile.net/nykjlw/lylw/3746026.html
最近更新
教材專著