基于多元HoG及无人机航拍图像的植被类型识别

本文刊于:《森林与环境学报》 2018年第4期

关键词:
无人机;航拍影像;光学图像;颜色信息;植被类型识别

Keywords
unmanned aerial vehicle;aerial photography;optical image;color information;vegetation type recognition
全文下载:需积分1点
摘要
     使用无人机进行低空航拍,快速取得大范围的植被图像,结合多元HoG特征进行植被类型识别。首先,利用Gabor滤波器提取图像的纹理信息,HSV和Lab颜色空间转化提取图像的颜色信息。其次,将图像分割为N个单元格(cell),基于纹理与颜色信息计算每个单元格的方向梯度直方图(HoG)特征,形成多元HoG特征。最后,以单元格为分类单位,结合随机森林机器学习算法,建立植被类型识别模型。以福建省安溪县山区为研究区域,结果表明:利用无人机低空航拍的光学影像结合多元HoG特征进行植被类型识别是可行的;对于植被与非植被识别,其最高分类正确率达到96.04%; 20 m航拍下,植被类型识别率最高,为82.44%,随着航拍高度的升高,模型识别效果呈现下降趋势。进一步采集福建省长汀县山区的植被航拍影像为测试数据,证明模型对于不同地区植被类型识别的稳定性,其识别精度最高可达73.31%,正确率无显著差异。本研究采用无人机载光学相机获取植被光学图像数据,数据获取方便且所需费用较低;提出的植被类型识别模型具有较高的精度;对于不同地区的植被类型识别具有较好的稳健性,可方便应用于野外森林树种监控与管理。根据不同高度模型识别结果,航拍高度不宜过高,航拍高度以20 m为宜。


本文地址:www.fabiao.net/content-21-813638-1.html

上一篇:满清文化在旅游产品开发设计中的应用
下一篇:改进M-training算法的高光谱图像分类

分享到: 分享基于多元HoG及无人机航拍图像的植被类型识别到腾讯微博           收藏