1.一种基于树木整体图像的树木检测方法,其特征在于,所述基于树木整体图像的树木检测方法,包括:
采集树木的整体图像,建立数据集,对数据集进行数据增强处理,使得每类树木的样本数量一致;
对数据增强处理后数据集中的树木图像进行光照处理;
采用fasterr-cnn算法对光照处理后的树木图像进行特征提取、候选区域生成和分类,输出检测结果。
2.根据权利要求1所述的基于树木整体图像的树木检测方法,其特征在于,所述对数据增强处理后数据集中的树木图像进行光照处理,其中,对树木图像进行光照处理的公式如下:
其中,i(x)是待处理树木图像,j(x)是光照处理后的图像,a是图像亮度,t(x)为透射率,t0是预设阈值。
3.根据权利要求2所述的基于树木整体图像的树木检测方法,其特征在于,所述图像亮度a通过如下方法获取:
求取输入树木图像rgb三通道中的最小值,即求取暗原色通道图像,对暗原色通道图像进行均值滤波,然后求取其中灰度值最大的点;
接着求取输入图像rgb三通道中值最大的通道图像,然后求取出灰度值最大的点;
将两个灰度值最大的点的灰度值的平均值作为图像亮度a。
4.根据权利要求2所述的基于树木整体图像的树木检测方法,其特征在于,所述透射率t(x)根据如下公式获得:
其中,ω(x)表示以像素x为中心的一个窗口,上标c表示r/g/b三个颜色通道,ω为一个在[0,1]之间的因子。
5.根据权利要求1所述的基于树木整体图像的树木检测方法,其特征在于,所述fasterr-cnn算法的损失函数为:
其中,ncls是目标分类锚点的总量;nreg是框回归锚点的总量,pi为锚点预测为目标的概率,当锚点是正样本则
其中:
p+为