公开(公告)号：CN119380175A

公开(公告)日：2025-01-28

申请号：CN202310915545.4

申请日：2023-07-25

Applicant: 东北林业大学

Inventor： 林文树 ,  刘康康 ,  张金生 ,  何乃磊

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/771 ,  G06V10/26

Abstract: 本发明提供一种基于深度学习的高光谱图像优势树种识别方法，步骤如下：1)获取数据，利用无人机搭载的高光谱图像传感器获取林区内树木的高光谱图像数据。2)数据预处理：对获取的高光谱图像数据进行几何校正、大气校正等预处理操作，对降噪后的数据进行树种特征提取。3)数据集构建：将提取的特征进行标定制作树种识别数据集，并采用数据扩增的方法增加训练样本数量。4)训练模型：用搭建好的DeepLab v3+模型对训练集训练，得到训练好的模型。5)模型测试：用生成的模型对测试集图片进行检测识别。

公开(公告)号：CN116977593A

公开(公告)日：2023-10-31

申请号：CN202210429377.3

申请日：2022-04-22

Applicant: 东北林业大学

Inventor： 林文树 ,  曹荣贞 ,  庄培桎 ,  刘康康

IPC: G06T17/20 ,  G06T7/187

Abstract: 本发明的目的在于提供一种用于地基激光雷达的林地点云数据基于超体素凹凸性分割与点云颜色的区域生长的单木分割算法，涉及密集林地单木提取的方法，解决了复杂林地相邻树木直接粘连分割效果差与超体素聚类无法考虑点云颜色的问题，提高了单木分割精度，进而促进地基激光雷达在林业中的广泛应用。具体方法为：对点云数据进行精确的多站式配准，得到完整的林地点云数据；对点云数据高程进行归一化处理；利用PCL点云库中的CSF滤波对林地点云数据进行分离地面处理；对树木点云数据在三维空间内进行超体素化聚类；根据不同体素区域间的凹凸关系，按照凸区域的增长的算法，对不同体素块进行聚类，将粘连树木进行分割；聚类结果按照点云颜色规则进行区域生长，将分割的区域进行聚类，进而提取出完整单木点云数据。本发明用于激光雷达技术的林业应用领域。