[发明专利]基于神经网络的城市景观植物多样性监测方法

说明书

基于神经网络的城市景观植物多样性监测方法，本发明涉及城市景观植物多样性监测方法。本发明的目的是为解决传统的城市景观植物多样性监测方法无法实现大范围的动态监测，且监测时所需要的人力、物力大的问题。过程为：采集无人机拍摄的可见光图像；建立神经网络模型；对可见光图像进行城市景观植物多样性预测；对可见光图像和红外遥感影像进行配准；截取红外遥感影像的子图像；获得可见光图像和子图像的特征向量；获得最佳匹配结果；获得可见光图像中城市景观植物中各种植物的覆盖率以及含水量；监测连续的M年内指定城市指定月份第n种植物的覆盖率以及含水量。本发明用于城市景观植物多样性监测领域。

技术领域

本发明涉及城市景观植物多样性监测方法。

背景技术

城市园林绿化景观是人居环境的重要组成要素，为居民提供交往、休憩和娱乐的空间，城市园林景观植物的设计需要融入人们的生活。随着人们生活水平的提高，人们越来越重视生活质量，对生活的环境也越来越关心，城市景观植物的生态效益、社会效益、经济效益日趋明显。不同的气候、地形特征，会有不同的生态系统。就植物而言，北方城市的城市园林景观多遍植松柏，耐寒耐旱；南方城市的城市园林景观多以热带植物为主，四季鸟语花香。各地城市景观植物都有自己的个性特色。

各地城市景观植物具有多样性，景观植物包括菊花、牡丹、芍药、月季等，不同植物含水量不同，苔藓含水量6％，莲含水量90％；含水量是植物生长状况的一个重要评价标准，；为保证各地城市景观植物具有多样性，各种景观植物的覆盖率也要均衡分布；

遥感技术具有探测范围广、更新周期短、获取信息快捷等特点，在彩色红外像片上，植物的叶子因反射红外线而呈现为红色。但各种植被类型或植物处在不同的生长阶段或受不同环境的影响，其光谱特性不同，因而在彩色红外像片上红色的深浅程度不同，如正常生长的针叶林颜色为红色到品红色，枯萎的植被呈现暗红色，即将枯死的植被呈现青色。

传统的城市景观植物多样性监测方法需要的人力、物力大，更新速度慢且无法实现大范围的动态监测。因此，遥感技术的上述优点为其应用于城市景观植物多样性监测提供了可能。

发明内容

本发明的目的是为解决传统的城市景观植物多样性监测方法无法实现大范围的动态监测，且监测时所需要的人力、物力大的问题，而提出基于神经网络的城市景观植物多样性监测方法。

基于神经网络的城市景观植物多样性监测方法具体过程为：

步骤1：采集无人机拍摄的可见光图像，组成样本训练集；

所述无人机拍摄的可见光图像包括城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份；

步骤2：建立神经网络模型；

步骤3：将步骤一采集的样本训练集数据输入到建立的神经网络模型中，采用Adam算法进行迭代优化，得到最优网络模型；

步骤4：采集同一城市同一月份的红外遥感影像和无人机拍摄的可见光图像，向最优网络模型中输入采集的无人机拍摄的可见光图像进行城市景观植物多样性预测，获得采集的无人机拍摄的可见光图像中城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份；

步骤5：对步骤4确定城市景观植物的植物名称、城市景观植物所属城市、城市景观植物所属月份的无人机拍摄可见光图像和步骤4采集的红外遥感影像进行配准；

基于无人机拍摄可见光图像过程中记录的成像点的经度、纬度、高度位置信息，确定无人机航拍图像所在区域，根据无人机航拍图像所在区域及无人机定位精度确定航拍图像在红外遥感影像可能出现的区域，然后截取航拍图像在红外遥感图像可能出现的区域作为红外遥感影像的子图像；

步骤6：将步骤5的无人机拍摄的可见光图像和红外遥感影像的子图像输入特征提取网络，获得待测无人机拍摄的可见光图像的特征向量和红外遥感影像的子图像的特征向量；