一种基于树木整体图像的树木检测方法与流程

技术特征：

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，当锚点是正样本则当锚点是负样本则ti表示预测的候选框包围盒的4个参数化坐标；是与正样本对应的真实框包围盒的坐标向量；是目标与非目标的对数损失，smoothl1为鲁棒损失函数；

其中：

p+为的正样本，为锚点ti对应的候选框，tim，tin表示不同类别的锚点，为锚点ti对应的候选框，k为一个很小的常数，防止分母为0，α、β为超参数，用于平衡不同作用的权重。