技术特征：
1.一种用于植被提取深度学习的四通道影像处理方法，其特征在于，选用植被分类文件和四通道影像作为基础影像进行植被提取深度学习，其中四通道影像由正射影像和坡度图整合而成；该四通道影像通过以下步骤处理得到：步骤一：通过无人机搭载光学相机获取一选区内的海量像片，并同步获得该像片的内外方位元素信息和像片控制点；步骤二：将步骤一中得到的像片、内外方位元素信息、像片控制点输入无人机数据处理软件中，得到该选区的正射影像及数字表面模型；步骤三：通过对步骤二中获得的数字表面模型逐像元计算坡度，得到与该选区对应的坡度图；步骤四：将步骤二中得到的正射影像和步骤三中得到的坡度图进行格式转换和归一化处理得到包含rgb通道和坡度通道的四通道浮点型数据影像图。2.根据权利要求1所述的一种用于植被提取深度学习的四通道影像处理方法，其特征在于，其步骤一中的选区选用平方公里级的植被稀疏区域。3.根据权利要求1所述的一种用于植被提取深度学习的四通道影像处理方法，其特征在于，在步骤一获取的海量像片中，飞行航向的像片重叠度≥70％，飞行旁向的像片重叠度≥60％。4.根据权利要求1所述的一种用于植被提取深度学习的四通道影像处理方法，其特征在于，步骤一中获得的正射影像为rgb三通道无符号整型数据，所述数字表面模型为32位浮点型数据。5.根据权利要求4所述的一种用于植被提取深度学习的四通道影像处理方法，其特征在于，其步骤四中的格式转换处理包括将正射影像的整型数据转换为浮点型数据。6.根据权利要求1所述的一种用于植被提取深度学习的四通道影像处理方法，其特征在于，其步骤二中的无人机数据处理软件选用context capture软件。7.根据权利要求1所述的一种用于植被提取深度学习的四通道影像处理方法，其特征在于，在步骤二中逐像元计算坡度时，考虑中心像元的8领域，设待算中心像元的高程e，其外周8个像元的高程值从左到右、从上到下依次为a、b、c、d、f、g、h、i；并通过式(1)和式(2)分别计算中心像元e在左右x方向上的变化率和中心像元e在上下y方向上的变化率：[dz/dx]＝((c+2f+i)-(a+2d+g)/(8*x_cellsize)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)[dz/dy]＝((g+2h+i)-(a+2b+c))/(8*y_cellsize)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中：x_cellsize和y_cellsize分别为x方向和y方向的单位距离；进一步通过式(3)计算中心像元e处的坡度值slope：8.根据权利要求1所述的一种用于植被提取深度学习的四通道影像处理方法，其特征在于，利用植被分类文件和多通道影像进行植被提取深度学习的模型选用unet模型。
技术总结
本发明提供一种用于植被提取深度学习的四通道影像处理方法，通过获取的一选区的海量影像及对应方位信息，并将其输入无人机数据处理软件中得到与该选区对应的正射影像和数字表面模型，进一步对该数字表面模型通过逐像元计算得到对应的坡度图，进而将该得到的正射影像和坡度图进行格式转换和归一化处理得到对应的包含RGB和坡度通道的四通道影像，并将该四通道影像用于植被识别和提取。通过本方法，首次在植被识别及提取领域引入了正射影像和坡度图，方便精确的对待测影像进行预测及提取处理。处理。处理。
技术研发人员：张阳 刘顺 李彦利
受保护的技术使用者：中国电力工程顾问集团华北电力设计院有限公司
技术研发日：2022.08.26
技术公布日：2022/12/1