[发明专利]基于无人机遥感图像的松材线虫病害立木检测方法及装置

说明书

本申请提供了基于无人机遥感图像的松材线虫病害立木检测方法及装置，涉及遥感影像处理技术领域，包括：获取无人机的地面多光谱影像，对地面多光谱影像进行处理得到数字正射影像；利用预先训练完成的基于随机森林的病害树木分类模型对数字正射影像进行处理，得到第一分类结果；利用预先训练完成的基于DeepLabv3+的病害树木语义分割模型对数字正射影像进行处理，得到第二分类结果；利用预先训练完成的基于PSPNet的病害树木语义分割模型对数字正射影像进行处理，得到第三分类结果；利用预先训练完成的融合模型对三个分类结果进行处理，得到数字正射影像的每个像元的最终分类结果。本申请提高了松材线虫病害立木的检测精度。

技术领域

本申请涉及遥感影像处理技术领域，尤其是涉及基于无人机遥感图像的松材线虫病害立木检测方法及装置。

背景技术

松材线虫病，又称为松树萎蔫病，传播蔓延迅速，防治难度极大，在我国造成了大面积松林死亡，被称为松树癌症和无烟的森林火灾。松材线虫的危害现状促使病害防控不容疏忽，其中松材线虫病害树木的检测是防控的关键环节，传统的检测方法主要依赖人工现场巡查的方法，存在耗时耗力的缺点。

近年来，随着遥感和计算机技术的发展，利用各种航空航天遥感图像进行病虫害检测成为了一种高效的手段。现有的相关研究主要集中于基于高光谱数据的光谱特征和基于图像颜色和纹理特征的分类算法，但是基于无人机航拍数据的机器学习和深度学习融合应用算法研究较少，且未有全流程的数据处理分析方法。另外针对松材线虫的蔓延预测，目前未有相关的解决方案。

发明内容

有鉴于此，本申请提供了基于无人机遥感图像的松材线虫病害立木检测方法及装置，以解决上述技术问题。

第一方面，本申请实施例提供了一种基于无人机遥感图像的松材线虫病害立木检测方法，包括：

获取无人机的多光谱相机采集的地面多光谱影像，对地面多光谱影像进行处理得到数字正射影像；

利用预先训练完成的基于随机森林的病害树木分类模型对数字正射影像进行处理，得到第一分类结果；

利用预先训练完成的基于DeepLabv3+的病害树木语义分割模型对数字正射影像进行处理，得到第二分类结果；

利用预先训练完成的基于PSPNet的病害树木语义分割模型对数字正射影像进行处理，得到第三分类结果；

利用预先训练完成的融合模型对三个分类结果进行处理，得到数字正射影像的每个像元的最终分类结果。

进一步地，所述基于随机森林的病害树木分类模型的输入包括数字正射影像的每个像元的遥感指数，所述遥感指数至少包括：归一化植被指数NDVI、710nm波段的一阶导数、归一化差异红色边缘指数NDRE、修正型叶绿素吸收比植被指数MCARI、改进型叶绿素吸收比植被指数TCARI、叶绿素指数的绿光CIg、叶绿素指数的红边CIre、增强植被指数EVI和比值植被指数RVI；所述病害树木分类模型的输出为每个像元的第一分类结果，第一分类结果取值为0、1和2；0表示无松材线虫病害的健康木，1表示有松材线虫病害的疫木，2表示枯死木。

进一步地，所述融合模型为XGBoost树模型，其输入为基于随机森林的病害树木分类模型输出的第一类分类结果，基于DeepLabv3+的病害树木语义分割模型输出的第二类分类结果，和基于PSPNet的病害树木语义分割模型输出的第三类分类结果，输出为数字正射影像的每个像元的最终分类结果，取值为0、1和2；0表示无松材线虫病害的健康木，1表示有松材线虫病害的疫木，2表示枯死木。

进一步地，所述方法还包括：

获取多张无人机数字正射样本影像，样本影像上的树冠区域标注分类结果：健康木、疫木或枯死木；

对每张无人机数字正射样本影像进行多尺度树冠划定和树种分类处理，得到对应的针叶类型树冠的掩膜样本影像；