[发明专利]一种多植被区域碳汇计算方法、装置及电子设备

说明书

本发明公开了一种多植被区域碳汇计算方法、装置及电子设备，获取待计算植被区域的至少两张图像；基于所述至少两张图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图；基于所述俯视图，利用预设图像分割算法，对所述待计算植被区域进行划分处理，得到草本区域和森林区域；基于所述草本区域和所述森林区域，计算所述待计算区域的碳汇量。利用图像分割算法准确提取待测量地区的森林以及草本区域信息，提高了森林和草本区域识别的准确率，进一步，利用森林以及草本区域信息可以直接计算得到森林碳汇量和草本碳汇量。因此，通过实施本发明，可以快速且准确识别图像中的森林区域和草本区域，同时快速计算出对应的碳汇量。

技术领域

本发明涉及计算机技术与图像处理技术领域，具体涉及一种多植被区域碳汇计算方法、装置及电子设备。

背景技术

温室气体的大量排放引起了全球变暖，进而引发一系列的生态问题。例如：全球气候变暖将会引起海平面上升，南极冰川融化速度加剧，极端气候的发生等。对某区域的植被碳汇量有效评估可以为实现碳中和提供长远的价值。获取某一地区森林面积和草本面积用于计算某一地区碳汇量的方法尚无人进行。

随着计算机技术和图像处理技术的提升，影像数据被广泛应用在森林资源调查。随着科技的发展，相机的成像质量以及分辨率越来越高，这为数据的精确采集提供了良好的条件和优势。为了提高植被识别的精度，在当前现有的技术中，研究采用卷积神经网络进行图像特征的提取及识别，该技术包括：(1)基于深度学习体系结构和逻辑回归特点的新框架；(2)将堆叠式自动编码器与所需数量的自动编码器和Softmax分类器组合的深度神经网络；(3)针对森林覆盖和草本覆盖及其他类型的识别，设计的以神经网络为核心集成的多层深度学习框架，在像素级别上对不同类别进行分类；(4)通过设计多层卷积神经网络并基于像素级别提取植被面积。上述现有技术虽然都能够提高识别精度，但存在着许多不足，比如，森林和草本的识别精度较低，在卷积神经网络的训练学习过程中会丢失了原本的信息，以及计算效率较低等问题。

发明内容

有鉴于此，本发明实施例提供了涉及一种多植被区域碳汇计算方法、装置及电子设备，以解决现有技术中森林和草本的识别精度较低，在卷积神经网络的训练学习过程中会丢失了原本的信息，以及计算效率较低的技术问题。

本发明提出的技术方案如下：

第一方面，本发明实施例提供一种多植被区域碳汇计算方法，该多植被区域碳汇计算方法包括：获取待计算植被区域的至少两张图像；基于所述至少两张图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图；基于所述俯视图，利用预设图像分割算法，对所述待计算植被区域进行划分处理，得到草本区域和森林区域；基于所述草本区域和所述森林区域，计算所述待计算区域的碳汇量。

结合第一方面，在第一方面的一种可能的实现方式中，获取待计算植被区域的至少两张图像，包括：判断预设飞行器是否进入所述待计算植被区域；当所述预设飞行器进入所述待计算植被区域，获取所述预设飞行器的姿态数据；基于所述姿态数据，调节所述预设飞行器中预设图像传感器相对所述待计算植被区域的法线角度；利用调整后的所述预设图像传感器获取所述待计算植被区域的所述至少两张图像。

结合第一方面，在第一方面的另一种可能的实现方式中，基于所述至少两张图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图，包括：获取预设单应矩阵；基于所述预设单应矩阵，对所述至少两张图像的像素点进行匹配，得到匹配信息；基于所述匹配信息，对所述至少两张图像进行去重处理，得到至少两张预设图像；基于所述至少两张预设图像，经过图像拼接方法处理，得到所述待计算植被区域的俯视图。