林业论文_LiDAR单木分割辅助的无人机影像树种 - 遥感学报杂志社投稿_期刊论文发表|版面费|电话|编辑部|论文发表- 遥感学报

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

林业论文_LiDAR单木分割辅助的无人机影像树种

作者:

关键词:

摘要：

文章摘要:为研究激光雷达单木分割辅助条件下无人机可见光图像树种识别应用潜力，提出联合卷积神经网络和集成学习的树种识别方法。首先利用同期无人机激光雷达数据和可见光影像数据进行单木树冠探测并制作单木树冠影像数据集，其次引入ResNet50网络并结合引入有效通道注意力机制、替换膨胀卷积、调整卷积模块层数搭建出4个卷积神经网络，使用ImageNet大型数据集进行模型预训练，加载预训练参数进行模型初始化并利用制作的单木树冠影像数据集训练出5个不同的分类模型，最后通过相对多数投票法建立集成模型。实验结果表明，单木探测总体精度达到83.80%，集成学习的训练精度、验证精度、独立测试精度分别达到了99.15%、98.34%和90.15%，较ResNet50网络提高了4.23%、3.04%和9.09%，独立测试精度较随机森林分类最优结果仍高32.31%。激光雷达单木分割辅助条件下利用卷积神经网络和集成学习策略能够充分提取无人机图像特征用于树种识别。

文章关键词:

论文分类号:S771.8

文章来源：《遥感学报》网址: http://www.ygxbzz.cn/qikandaodu/2022/0126/1072.html