[发明专利]一种基于深度学习的无人机影像树木检测方法

说明书

本方案公开了一种基于深度学习的无人机影像树木检测方法，该方法所构建的模型在基于回归方法的基础上，引入了注意力机制和多尺度特征融合策略，同时提出双层次信息融合方式，融合前述方法提供一个全新的树木检测模型，这个模型能够在不影响预测速度的情况下，提高复杂场景的泛化能力，提高模型的识别精度，解决现有模型容易漏识小棵树木且在背景复杂的场景下鲁棒性差的问题。

技术领域

本发明属于树木检测技术领域，尤其是涉及一种无人机影像树木检测模型构建方法及其检测方法。

背景技术

树木是林业生态系统不可分割的一部分，在改善人类的生活环境、提供社会服务以及物质生产等多方面发挥着至关重要的作用。为了推进树木的可持续管理工作，有必要对树木的基本信息(比如树种、位置等)进行收集。获取详尽的树木信息是实现可持续管理树木工作的基础，通过对树木信息收集，实现对树木的映射和表征，有利于树木后期的养护管理工作的推进。

随着航空航天工程技术的不断进步，无人机因其具有超高的空间分辨率、相对较低的操作成本，以及接近实时的图像采集等优点正在被逐步推广应用以获取低空表面图像。目前树木检测方法可以分为两类：基于传统图像处理的树木检测方法和基于深度学习的树木检测方法。

基于传统图像处理的树木检测方法可分为两大类，一类是基于像素点的方法，该类方法一般通过提取局部区域的最大值作为树木中心点，并结合区域生长、分水岭分割、模板匹配等算法检测单棵树，这类基于局部最大值理论的树木检测方法无法根据树木的整体特性进行分类，复杂背景下种子点的选取准确性也会降低，从而影响单棵树木检测的准确率；另一类是基于对象的树木检测方法，该类方法能更好地体现树木的整体特性，并通过融入机器学习算法提高树木检测的准确率，但对于不同的场景需要人为指定提取的特征以及限定相应的参数，在没有先验知识的情况下很难进行单棵树木的准确检测。

与基于传统图像处理方法相比，基于深度学习的树木检测方法不依赖手工选择特征，而是通过海量影像数据，按照设定的标签自动地学习相关特征，将图像的低维纹理颜色特征抽象为高维语义特征，具有良好的分类性能。基于深度学习的树木检测算法主要有两种：基于候选区域的检测算法和基于回归方法的检测算法。基于候选区域的检测算法先在特征图上获取感兴趣区域，再进行微调，这类算法的准确率较高，但也有不足，需要花费较多时间提取候选区域，限制了算法的检测速度；基于回归方法的检测算法摒弃了提取候选区域阶段，直接在特征图上各个位置生成锚框并作目标判别，仅管牺牲了部分的准确度，但算法的检测识别速度得到了提高。但是如果影像的分辨率不够，这类方法将会漏识小棵树木。总体来看，基于深度学习的树木检测方法对于树木大小固定，场景简单的情况检测效果较好，对于背景复杂，树木形态多样的场景鲁棒性不太理想。

发明内容

本发明的目的是针对上述问题，提供一种基于深度学习的无人机影像树木检测方法，该方法所构建的模型在基于回归方法的基础上，引入了注意力机制和多尺度特征融合策略，同时提出双层次信息融合方式，融合前述方法提供一个全新的树木检测模型，这个模型能够在不影响预测速度的情况下，提高复杂场景的泛化能力，提高模型的识别精度，解决现有模型容易漏识小棵树木且在背景复杂的场景下鲁棒性差的问题。

为达到上述目的，本发明采用了下列技术方案：

一种基于深度学习的无人机影像树木检测方法，该方法包括：

S1.对输入的无人机影像进行第一次尺寸修整及进行深度和宽度两个层次的双层次信息融合，输出第一特征图；

S2.对第一特征图进行下采样及第二次双层次信息融合，输出第二特征图；

S3.对第二特征图继续下采样，并进行第三次双层次信息融合，输出第三特征图；

S4.对第三特征图使用MSPP模块进行多尺度信息捕捉，输出第四特征图；