基于生成對抗網絡的樹種識別方法*

蘇 彤 許 杰

（1. 黑龍江八一農墾大學信息工程學院 大慶 163319； 2. 山東華宇工學院信息工程學院 德州 253034）

隨著科技的不斷進步和數字技術的不斷發展，計算機視覺技術已成為當今科技領域炙手可熱的一個方向。樹種識別是計算機視覺技術細分領域中的一部分，是數字林業的重要研究內容，主要包括光譜分析和圖像處理兩大方向。在光譜分析方面，Pham等（2016）聯合激光雷達與高光譜數據對樹種進行識別，利用隨機森林確定重要特征，使用支持向量機作為分類器，分類準確率達85.42%；汪紫陽等（2019）基于可見/近紅外光譜技術，采用偏最小二乘法結合多列識別變量矩陣對9種闊葉樹種進行識別，分類準確率達98.00%，為野外樹種識別提供了可能性。在圖像處理方面，陳明健等（2017）提出一種基于葉片輪廓構建距離矩陣與角點矩陣進行樹種識別的分類方法，在Flavia數據集和Leafsnap數據集上分別取得99.61%和98.26%的識別準確率；Sarah等（2018）利用Canny算子提取樹皮和樹葉圖像的邊緣輪廓特征，使用信念函數將2種特征進行融合，并在一個包含72種樹木和灌木的公共數據庫中進行比較，將樹皮和樹葉特征融合的方法顯著提高了分類準確率；Le等（2019）采用LBP與SVM相結合的方法對4種植物葉片進行識別，分類準確率達91.85%；李龍龍等（2021）應用加權LBP算法提取葉片的關鍵幾何特征和紋理特征，使用特征加權的模糊半監督聚類算法作為分類器，在國際公認數據集和自測數據集上均取得理想識別效果。但以往大部分研究受主觀因素影響較大，試驗前需要依靠人工對原始圖像進行圖像分割、特征提取等預處理以滿足試驗要求，且特征選擇也會影響最終識別效果，對繼續提高樹種識別率帶來一定困難。……