一种基于无人机影像的湿地硬化区域识别算法的制作方法

本发明涉及湿地识别，具体涉及一种基于无人机影像的湿地硬化区域识别算法。

背景技术：

1、无人机检测技术是通过无人机搭载的相机进行湿地硬化区域的高分辨率影像采集，将采集的影像数据传输至计算机，结合图像处理软件进行湿地硬化区域的识别和分析。无人机配备先进的飞行控制系统，包括自动驾驶功能和gps定位系统，确保飞行稳定和精确控制，与此同时，无人机还会搭载各种传感器，如多光谱、红外线、高分辨相机等，用于获取高质量的影像数据以及其他环境参数。在无人机获取图像之后将传回数据传输系统，使得即时数据传输至地面站，同时具备存储功能，确保数据完整性和安全性。现有的无人机技术检测湿地硬化区域结合了遥感技术，无人机获取的影像数据可以通过图像处理软件进行预处理、特征提取和分析，用于湿地硬化区域的识别。

2、现有的一些湿地硬化检测技术如地理信息系统(geographic informationsystem,gis)与机器学习的方法无法适应环境的实时变化，如季节变化导致的植被变化，或是人为导致硬化区域的改变，从而影响检测的精度和泛化性。gis的应用是将获取的湿地硬化区域数据导入gis软件，进行空间分析、叠加分析和数据可视化，以便对湿地硬化区域进行管理和监测。机器学习的方法利用已标注的湿地硬化区域数据集，训练机器学习模型，如支持向量机(support vector machine,svm)、卷积神经网络(convolutional neuralnetworks,cnn)等，进行湿地硬化区域的自动识别和分类。以上技术都为自动识别分类提供高效检测，但没有考虑适应时间环境的变化，分割识别硬化区域的效率低。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种基于无人机影像的湿地硬化区域识别算法，所采用的技术方案具体如下：

2、第一方面，本发明实施例提供了一种基于无人机影像的湿地硬化区域识别算法，该方法包括：

3、对无人机拍摄到的湿地图像进行预处理；

4、通过sam模型对预处理后的湿地图像进行全图分割；

5、利用detectron2模型对分割后的湿地图像进行地类检测，提取出湿地图像中的硬化区域，并自动识别硬化区域内的硬化特征；

6、结合时间变化分析和地理位置变化分析，比较连续时间内的湿地图像，分析硬化区域的变化，生成硬化掩膜区域。

7、进一步地，所述对无人机拍摄到的湿地图像进行预处理，包括：

8、通过retinexnet算法和kind++算法相结合来消除湿地图像的阴影。

9、进一步地，所述通过retinexnet算法和kind++算法相结合来消除湿地图像的阴影，包括：

10、在retinexnet算法的分解步骤中，通过decomnet算法对低照度的湿地图像进行分解，并估计入射光图像，采用多尺度级联方法对入射光图像进行增强。

11、进一步地，所述通过sam模型对预处理后的湿地图像进行全图分割，包括：

12、由图像编码器、提示编码器和掩码解码3个组件组成的sam模型全图分割高精度的湿地图像；

13、图像编码器是经过mae预训练的vit网络，为待分割的湿地图像生成imageembedding表示；

14、提示编码器用来进行点、框、文本等提示的嵌入处理；

15、掩码解码器采用transformer解码器的设计并进行修改，将图像嵌入、提示嵌入和输出标记映射到掩码，并计算目标对象掩码的有效概率；

16、图像编码器、提示编码器和掩码解码3个组件共同工作，对预处理后的湿地图像进行全图分割。

17、进一步地，所述利用detectron2模型对分割后的湿地图像进行地类检测，提取出湿地图像中的硬化区域，并自动识别硬化区域内的硬化特征，包括：

18、detectron2模型使用一个主干网络，从预处理和分割后的高分辨率的湿地图像中提取特征，得到特征图；

19、在特征图的基础上，区域提议网络提出感兴趣区域；

20、对于每个提议的感兴趣区域，roi头执行两项任务：分类和边界框回归；分类头预测roi是硬化区域的概率，而边界框回归头细化roi的坐标；

21、detectron2模型的最终输出是一组边界框，每个边界框都与一个置信度分数相关联，指示该框包含硬化区域的可能性。

22、进一步地，所述结合时间变化分析和地理位置变化分析，比较连续时间内的湿地图像，分析硬化区域的变化，生成硬化掩膜区域，包括：

23、结合时间变化分析和地理位置变化分析，比较连续时间内的湿地图像，分析硬化区域随时间的变化趋势，确定硬化区域在空间上的扩展或变迁，通过对连续时间内的湿地图像的聚合分析结果，生成硬化掩膜区域。

24、第二方面，提供了一种基于无人机影像的湿地硬化区域识别系统，所述系统包括以下模块：

25、预处理模块，用于对无人机拍摄到的湿地图像进行预处理；

26、分割模块，用于通过sam模型对预处理后的湿地图像进行全图分割；

27、硬化区域提取模块，用于利用detectron2模型对分割后的湿地图像进行地类检测，提取出湿地图像中的硬化区域，并自动识别硬化区域内的硬化特征；

28、硬化掩膜区域生成模块，用于结合时间变化分析和地理位置变化分析，比较连续时间内的湿地图像，分析硬化区域的变化，生成硬化掩膜区域。

29、第三方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现如第一方面各个可能实现的实施例。

30、第四方面，本发明实施例提供了一种计算机程序产品，该计算机程序产品包括：计算机程序代码，当该计算机程序代码在计算机上运行时，使得该计算机执行上述第一方面或第一方面任意一种可能的实现方式中的方法。

31、第五方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行如第一方面各个可能实现的实施例。

32、本发明实施例至少具有如下有益效果：

33、本发明的技术方案减少了人工干预，通过自动化的图像处理和分析流程，降低了人力成本和潜在的错误率。使用的图像处理算法的准确性和适用性提高了湿地硬化区域的检测和识别效果。通过sam模型以及直方图均衡化对无人机影像进行预处理，有效减少光照变化、水面反射等环境因素的干扰。sam模型在全图分割方面的应用，以及detectron2在地类检测方面的精确性，共同提高了硬化区域识别的准确率。对不同环境条件下的影像进行预处理，提高了对各种光照和天气条件的适应性，使得检测方法在不同的环境下都能保持高准确性。时间地理序列分析为适应不同季节的植被变化和不同时间硬化区域的变化做出图像调整，提高了湿地硬化区域的检测精度。

技术特征：

1.一种基于无人机影像的湿地硬化区域识别算法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于无人机影像的湿地硬化区域识别算法，其特征在于，所述对无人机拍摄到的湿地图像进行预处理，包括：

3.根据权利要求2所述的基于无人机影像的湿地硬化区域识别算法，其特征在于，所述通过retinexnet算法和kind++算法相结合来消除湿地图像的阴影，包括：

4.根据权利要求1所述的基于无人机影像的湿地硬化区域识别算法，其特征在于，所述通过sam模型对预处理后的湿地图像进行全图分割，包括：

5.根据权利要求1所述的基于无人机影像的湿地硬化区域识别算法，其特征在于，所述利用detectron2模型对分割后的湿地图像进行地类检测，提取出湿地图像中的硬化区域，并自动识别硬化区域内的硬化特征，包括：

6.根据权利要求1所述的基于无人机影像的湿地硬化区域识别算法，其特征在于，所述结合时间变化分析和地理位置变化分析，比较连续时间内的湿地图像，分析硬化区域的变化，生成硬化掩膜区域，包括：

技术总结本发明涉及湿地识别技术领域，具体涉及一种基于无人机影像的湿地硬化区域识别算法。该算法首先对无人机拍摄到的湿地图像进行预处理；通过SAM模型对预处理后的湿地图像进行全图分割；利用Detectron2模型对分割后的湿地图像进行地类检测，提取出湿地图像中的硬化区域，并自动识别硬化区域内的硬化特征；结合时间变化分析和地理位置变化分析，比较连续时间内的湿地图像，分析硬化区域的变化，生成硬化掩膜区域。本发明提高了湿地硬化区域的检测精度。技术研发人员：洪俊成,苏蒙蒙,章俊屾,马学斌,陈亚辉,姚毅,妥梦瑶受保护的技术使用者：浙大启真未来城市科技（杭州）有限公司技术研发日：技术公布日：2024/10/17