基于无人机影像的智能树冠分割技术，助力城乡花园设计

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Intelligent Tree Canopy Segmentation from UAV Imagery to Support Urban and Rural Garden Design

　　

摘要：

从无人机图像中准确分割树冠是进行树冠形态分析以及在智能花园和果园中实现精准修剪的重要前提。然而，由于树冠之间的尺度差异较大以及户外光照条件差异明显，基于无人机的树冠分割仍然面临挑战。这些因素常常导致树冠边界模糊、分割结果不完整，且模型的稳定性较差。此外，大多数现有方法最初是为地面场景设计的，或在受限的成像条件下训练的，缺乏针对航空农业场景中的多尺度特征表示和光照干扰适应的有效优化。为解决这些问题，本文提出了一种名为Trans-CNN的树冠语义分割网络，该网络基于多尺度协同增强框架。首先，引入了一种保持语义的颜色多样化策略（SPCD），通过可控的颜色扰动扩展训练数据的分布，以提高模型对光照变化的适应性。其次，为了减轻下采样过程中的特征退化并提升对不同尺度的感知能力，设计了一种跨阶段特征增强模块（CSFE）。该模块能够有效融合高阶和低阶特征，从而提高空间定位精度以及描绘树冠的能力。此外，还引入了一种多尺度注意力图融合模块（MAIF），该模块通过自适应注意力机制动态整合多尺度特征，以提高在复杂植被背景下的区分性能。在公共航空数据集以及自行收集的无人机树冠数据集上进行的大量实验表明，所提出的Trans-CNN方法优于现有方法，为无人机树冠分割提供了可靠有效的解决方案，并可支持……

查看更多