一种基于半监督学习的针叶林单木树冠精准分割方法

本发明公开了一种基于半监督学习的针叶林单木树冠精准分割方法，属于林业资源智能监测与遥感图像处理技术领域。方法包括：对目标区域进行RGB影像和激光雷达数据采集和预处理，构建CHM并生成单木树冠伪标签集；从DOM中选取部分典型样区，获得少量具有空间代表性的真实树冠标签。构建实例分割深度神经网络架构Mask R‑CNN，采用DOM和伪标签训练单木树冠实例分割深度学习模型。采用逐步微调策略，引入真实树冠标签对训练好的模型进行微调。本发明通过融合无人机遥感技术与半监督学习框架，结合伪标签生成与渐进式微调策略，实现了低成本、高精度的单木树冠分割，兼具标注效率高、模型适应性强和监测结果可靠的显著特点。