基于DenseNet的無人機光學圖像樹種分類研究
關鍵詞：無人機 深度學習 樹種識別 光學影像
摘要：利用無人機航拍獲得光學影像數據,結合深度學習理論,建立樹種識別模型,以期為大規模樹種識別提供一種新的方式。首先以福建安溪縣為例,采用無人機獲取20 m及40 m高度的航拍影像。其次,以樹種為對象,對航拍影像進行分割,獲得12種樹種影像。最后,結合深度學習理論,采用DenseNet卷積神經網絡建立樹種識別模型,探討不同航拍高度以及不同網絡深度對樹種識別的影響。結果表明:不同航拍高度的樹種識別模型,其分類精度均達80%以上,最高精度為87.54%。從航拍影像解析度分析,隨著航拍影像解析度的下降,模型識別精度呈現下降趨勢,以20 m航拍影像數據建構的樹種識別模型,其分類精度高于40 m模型;從模型網絡深度分析,隨著模型網絡層數的增加,模型分類精度出現下降現象,DenseNet121模型分類精度高于DenseNet169模型分類精度。綜上所述,基于無人機航拍影像,結合深度卷積神經網絡,提出了新的樹種識別方式,并以安溪縣森林樹種識別為例證明了該分類框架的有效性。
遙感技術與應用雜志要求:
{1}來稿如獲得某種研究基金或課題資助，請在論文首頁左下角注明課題的名稱和編號。
{2}本刊堅決反對任何形式的論文署名“搭便車”現象，對多作者署名的文章將進行更為嚴格的審核。
{3}文題應以新穎獨特的邏輯文字組合準確地反映研究工作的內容實質和特點,文題要求簡潔而信息量豐富。
{4}來稿在正文之外，請提供題名、內容摘要 (300-500字)、關鍵詞 (3-5條)及其英譯
{5}文稿首頁頁腳處注明投稿日期和通信作者簡介（包括姓名、出生年、性別、職稱、學位、研究方向、E-mail）。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
