一种基于深度学习的单木主干结构提取方法及系统

本发明公开了一种基于深度学习的单木主干结构提取方法及系统，所述方法包括获取单木的二维图像数据，并对所述二维图像数据进行标注，构建单木主干分割数据集；基于所述分割数据集构建空间域与频域双分支网络，分别提取空间域特征和频域特征，并将双分支特征进行融合，生成编码特征图；对所述编码特征图进行解码，解码过程中采用坐标卷积CoordConv增强位置感知，并通过动态掩码重构分支DRMask Branch和实例分支Inst Branch分别进行掩码分割和语义标签提取；基于二分图匹配策略，关联所述掩码分割与实例分支的结果，实现单木主干的分割与实例级标签的匹配；本发明显著提升了主干分割的边界精度和细节重建能力，解决了传统方法在复杂林下环境中的特征丢失问题。