基于无人机遥感技术的台风灾害倒伏绿化树木检测

基于无人机遥感技术的台风灾害倒伏绿化树木检测

廖鸿燕,周小成,黄洪宇

Detection of Lodging Landscape Trees in Typhoon Disaster based on Unmanned Aerial Vehicle Remote Sensing

Hongyan Liao,Xiaocheng Zhou,Hongyu Huang

表1 最优特征子集汇总表

Table 1 The summary table of optimal feature subsets

特征名称	定义式	备注
可见光植被指数 VDVI	$\frac{(2 \cdot G - R - B)}{(2 \cdot G + R + B)}$	、B为可见光影像各波段均值，其值为[-1，1]
边界指数	$\frac{b_{v}}{2 (l_{v} + w_{v})}$	其中， $b_{v}$ 为对象边界长度、 $l_{v}$ 为对象长度、 $w_{v}$ 为对象宽度,其值为 [1，+∞]
非对称性	$\frac{\sqrt[2]{1 / 4 (V a r X + V a r Y) + {(V a r X Y)}^{2} - V a r X \cdot V a r Y}}{(V a r X + V a r Y)}$	其中， $V a r X, V a r Y$ 分别为x、y方向上的方差，其值为[0，1]
密度	$\frac{\sqrt[]{# P_{v}}}{1 + \sqrt[]{V a r X + V a r Y}}$	其中， $\sqrt[]{# P_{v}}$ 为内接椭圆的直径、 $\sqrt[]{V a r X + V a r Y}$ 为内接椭圆的直径，其值为[0，+∞]
紧密度	$\frac{l_{v} + w_{v}}{# P_{v}}$	其中， $# P_{v}$ 为对象包含的总像元数，其值为[0，+∞]
归一化表面模型 nDSM	DSM-DEM	其中，DSM为数字表面高程模型、DEM为数字高程模型，其值为[-∞，+∞]
两期DSM差值	DSM₁-DSM₂	其中DSM1、DSM2为台风过境前后的DSM
椭圆拟合性	$2 \frac{# \{(x, y) \in P_{v} : ε_{v} (x, y) \leq 1\}}{# P_{v}} - 1$	其中， $ε_{v} (x, y)$ 为一个对象的椭圆直径，其值为[0，1]
主方向	$\frac{180^{°}}{π} t a n^{- 1} (V a r X Y, λ_{1} - V a r Y) + 90^{°}$	其中， $λ_{1}$ 为分割后对象重心方向的特征向量的特征值，其值为[0，180]
波段比率 Ratio R/G/B	$\frac{{\overset{ˉ}{c}}_{k} (v)}{\sum_{k = 1}^{n} 1 {\overset{ˉ}{c}}_{k} (v)}$	其中， ${\overset{ˉ}{c}}_{k} (v)$ 为对象的平均值，其值为[0，1]
圆度	$ε_{v}^{m a x} - ε_{v}^{m i n}$	其中， $ε_{v}^{m a x}$ 内接椭圆的短半径、 $ε_{v}^{m i n}$ 内接椭圆的长半径，其值为[0，+∞]
长度	$\sqrt[]{# P_{v} γ_{v}}$	其中， $γ_{v}$ 为分割对象的长宽比，其值为[0，+∞]
形状指数	$b_{v} / (4 \sqrt[]{# P_{v}})$	表示对象的边界长度与面积的比值，其值为[0，+∞]