张博洋　倪海明　胡馨月　戚大伟

摘 要：针对传统方法进行图像分割易受噪声影响的问题，提出一种基于U-Net网络的无人机图像语义分割网络模型。该模型不需要对图像进行预处理，利用反卷积恢复图像分辨率，采用U型结构连接低层网络和高层网络的特征图，利用跳跃连接降低网络复杂度，同时使用Dropout正则化随机激活网络隐藏单元以防止过拟合。实验结果表明：该网络模型可以自动定位林木信息，准确分割林木区域，进一步优化边缘分割结果，实现端对端的图像分割。该模型具有良好的泛化能力，在其他图像分割领域也具有应用价值。

关键词：无人机图像;图像分割;U-Net;跳跃连接

中图分类号：S758.5    文献标识码：A   文章编号：1006-8023（2021）02-0067-07

Research on Tree Image Segmentation Based on U-Net Network

ZHANG Boyang， NI Haiming， HU Xinyue， QI Dawei*

（College of Science， Northeast Forestry University， Harbin 150040， China）

Abstract：Aiming at the problem that traditional image segmentation is susceptible to noise， a U-Net network-based semantic segmentation network model for UAV images is proposed. The model does not need to preprocess the image， uses deconvolution to restore the image resolution， uses a U-shaped structure to connect the feature maps of the low-level network and the high-level network， uses skip connection to reduce network complexity， and uses Dropout regularization to randomly activate network hiding Unit to prevent overfitting. The experimental results show that the network model can automatically locate forest information， accurately segment the forest area， further optimize the edge segmentation results， and achieve end-to-end image segmentation. The model has good generalization ability and has application value in other image segmentation fields.

Keywords：UAV image; image segmentation; U-Net; skip connection

收稿日期：2020-11-09

基金項目：国家自然科学基金项目（31570712）

第一作者简介：张博洋，硕士研究生。研究方向为图像处理与模式识别。E-mail： zhangbyang0624@163.com

通信作者：戚大伟，博士，教授。研究方向为图像处理与模式识别。E-mail： qidw9806@126.com

引文格式：张博洋，倪海明，胡馨月，等.基于U-Net网络的林木图像分割研究[J].森林工程，2021，37（2）：67-73.

ZHANG B Y， NI H M， HU X Y， et al. Research on tree image segmentation based on U-Net Network [J]. Forest Engineering，2021，37（2）：67-73.

0 引言

林木资源是我国生态系统的重要组成部分，在维持生态系统稳定方面具有决策性的作用。一旦林木资源遭到破坏，会很难恢复，从而造成巨大的经济损失。由于传统图像分割方法难以处理复杂场景下的分割任务[1]，准确率低，耗时长，难以大规模部署。因此，如何精确识别出每个像素的所属类别一直是图像语义分割领域内最具挑战的问题之一[2]。

传统的图像分割方法包括阈值分割[3-6]、边缘检测和分水岭算法[7]等。……