RGB-DSM数据融合研究——以城市樟树检测为例

作者：冯源; 夏凯^*; 冯海林

来源：林业工程学报, 2023, 8(06): 137-144.

DOI：10.13360/j.issn.2096-1359.202304003

• 数据融合
• 单木检测
• 深度学习
• 高程数据
• 无人机
• 樟树

单木检测是森林资源调查的基础工作，在森林管理与监测中发挥着重要作用。无人机RGB图像作为一种经济高效的遥感数据源，已被广泛应用于单木检测。然而，由于城市树木形状和结构的多样性以及城市森林的复杂性，基于无人机RGB图像检测城市树木效果并不理想。数字表面模型(DSM)提供地物的高程数据，融合RGB图像与DSM高程数据可有效识别城市树木，但不同融合方法对于单木检测精度的提升效果差异尚未明确。针对上述问题，本研究以城市樟树为研究对象，使用两类数据融合方法：像素级融合(IHS变换融合、Brovey变换融合和多通道组合)与特征级融合(双分支特征融合和SE-双分支特征融合),并采用Faster R-CNN模型进行单木检测实验。实验结果表明，SE-双分支特征融合的提升效果最显著，平均精度提高9.3个百分点，达91.3%。并且，在街道与绿地两类城市森林场景下，SE-双分支特征融合也表现最佳，平均精度分别达89.2%与93.9%。研究结果表明，在多树种的绿地场景下，引入高程数据可有效提高单木检测精度；在单一树种的街道场景下，高程数据提升效果有限。

• 单位
  浙江农林大学