典型文献
结合多光谱影像降维与深度学习的城市单木树冠检测
文献摘要：
多光谱数据的降维处理对基于深度学习的单木树冠检测研究有重要意义,如何使用合适的降维方法以提高单木检测的精度却少有研究讨论.本文使用无人机搭载多光谱相机进行航拍作业,采集研究区内银杏树种多光谱影像.将原始多光谱影像通过特征波段选择、特征提取、波段组合的方法生成5种不同的数据集用于训练3种经典的深度学习网络FPN-Faster-R-CNN,YOLOv3,Faster R-CNN.其中由波段组合方法得到的近红外、红色、绿色波段组合在不同类型的目标检测网络中都有最好的检测结果,其中FPN-Faster-R-CNN网络对银杏树冠的检测精度最高为88.4％,由OIF指标得到的蓝色、红色、近红外波段组合信息量最高,但在所有网络中的平均检测精度最低,仅为79.3％.实验结果表明:在不同波段降维方法中,若降维后的影像中目标物体的色彩与背景差异较明显,且轮廓清晰,则深度学习网络对树冠的检测可获得较好的结果.而影像自身的信息量则对深度学习网络的树冠检测能力的提升作用有限.本研究中针对多光谱影像的降维方法分析,为基于深度学习的单木树冠检测研究提供了重要的实验参考.
文献关键词：
遥感;单木树冠检测;深度学习;无人机;多光谱影像;降维
中图分类号：
作者姓名：
奚祥书;夏凯;杨垠晖;杜晓晨;冯海林
作者机构：
浙江农林大学 数学与计算机科学学院,杭州311300;浙江省林业智能监测与信息技术研究重点实验室,杭州311300;林业感知技术与智能装备国家林业局重点实验室,杭州311300
文献出处：
引用格式：
[1]奚祥书;夏凯;杨垠晖;杜晓晨;冯海林-.结合多光谱影像降维与深度学习的城市单木树冠检测)[J].遥感学报,2022(04):711-721
A类：
单木树冠检测
B类：
多光谱影像,多光谱数据,降维处理,降维方法,研究讨论,搭载,多光谱相机,航拍,银杏树,树种,特征波段选择,波段组合,深度学习网络,FPN,Faster,YOLOv3,组合方法,目标检测网络,检测精度,OIF,蓝色,近红外波段,组合信息,信息量,廓清,检测能力,提升作用
AB值：
0.224811
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
