一种基于改进Mask R-CNN的单木尺度生物量精准估算方法及系统

    公开(公告)号:CN118072160A

    公开(公告)日:2024-05-24

    申请号:CN202410090698.4

    申请日:2024-01-22

    摘要: 本发明涉及森林生物量估算和深度学习技术的交叉领域,尤其涉及一种改进Mask R‑CNN单木尺度生物量估算方法及系统。包括以下步骤:第一步,获取典型林区无人机高分辨率高分辨影像,经图像处理得到DOM、DSM和CHM。第二步,进行野外单木数据采集,收集样地优势树种单木的胸径、树高、树冠面积及位置信息。第三步通过改进的Mask R‑CNN模型对样区无人机高分辨率影像单木树冠和树高自动提取,利用实测数据树冠与胸径之间的回归方程,在提取无人机树冠参数条件下拟合胸径,结合不同树种的异速生长方程得到单木尺度生物量,从而实现对林地单木尺度生物量进行快速估算,能克服传统野外实地调查森林参数费时、费力问题,有效提高森林生物量估算的效率和准确度。

    一种基于超分辨率图像重建的遥感图像降尺度方法

    公开(公告)号:CN118505503A

    公开(公告)日:2024-08-16

    申请号:CN202410474727.7

    申请日:2024-04-19

    摘要: 本发明涉及一种基于超分辨率图像重建的遥感图像降尺度方法,属于遥感图像技术领域。包括以下步骤:将获取的低分辨率遥感图像进行预处理;输入到训练好的VIT‑ISRGAN超分辨率重建模型;首先通过生成模型,其包括两个轻量化模块、三个残差模块,并在模块之间加入通道注意力机制模块,再加入Transformer模块,最后通过逐点相加层输出图像特征;使用多个卷积块对图像进行判别,每个卷积块包含卷积层、Leaky ReLU激活函数层和标准化层,最后通过两个全连接层和一个Sigmoid激活函数得到图像质量;获得放大四倍的高分辨率遥感图像。本研究提出的方法使得信息在不同通道之间传递更充分,同时能够捕捉到更广泛的图像特征,因此可以提高模型对不同类型的遥感图像的适应性。