一种基于真实森林三维结构驱动的低空遥感虚拟样本生成及智能调查方法

本发明属于遥感信息技术、森林资源调查、人工智能与数字林业，具体涉及一种基于真实森林三维结构驱动的低空遥感虚拟样本生成及智能调查方法，尤其涉及利用三维森林场景构建、遥感图像虚拟生成及智能解译模型训练，实现森林遥感样本自动构建和森林资源智能调查的方法。

背景技术：

1、目前，森林资源调查需要获取冠层覆盖度、林分密度、单木空间位置、树冠范围及单木冠幅等多种结构信息。传统森林调查主要依赖地面样地测量和人工判读方法，虽然能够获得较为准确的调查结果，但通常存在调查效率低、空间覆盖范围有限以及难以满足大范围、连续化森林监测需求等问题。

2、近年来，低空无人机遥感技术凭借高空间分辨率和灵活获取能力，为森林精细化调查提供了新的技术手段。结合深度学习的目标检测、语义分割和实例分割方法，可以从无人机遥感影像中自动识别林木目标并提取森林结构信息。然而，深度学习模型的性能高度依赖大规模、高质量标注样本。由于森林场景具有高度复杂的三维结构特征，不同区域之间在树种组成、林分密度、冠层结构、空间分布及观测条件等方面存在明显差异，获取覆盖多种森林类型和环境条件的人工标注样本需要大量人工投入，限制了智能调查模型的推广应用。

3、为降低遥感智能解译模型对人工标注数据的依赖，现有技术尝试通过计算机模拟方式构建虚拟遥感样本。例如，利用参数化树木模型或规则化三维场景生成方法构建虚拟森林，并进一步模拟遥感影像及对应标签。然而，森林作为典型复杂自然场景，其空间结构受到树木个体差异、生长状态、冠层层次、枝叶分布以及林分空间关系等多种因素影响。现有基于规则模型生成的虚拟森林场景通常依赖预设参数或简化结构假设，难以充分反映真实森林中复杂的三维空间异质性，使得生成的模拟影像与真实低空遥感影像在冠层形态、遮挡关系、阴影分布及背景特征等方面存在差异，进而影响基于模拟样本训练的智能解译模型在真实森林环境中的应用效果。

4、此外，部分现有方法通过图像生成或风格转换技术改善模拟影像与真实影像之间的视觉差异，但通常主要关注二维影像特征的调整，难以同时保证影像真实性与森林目标空间结构的一致性。当影像外观发生变化时，可能导致树冠轮廓、单木位置及对应标签信息发生偏移，降低虚拟样本在目标检测、实例分割等任务中的有效性。

5、因此，如何利用真实森林三维结构信息驱动虚拟森林场景构建，并结合遥感成像过程生成具有真实观测特征且保持空间标签一致性的低空遥感虚拟样本，从而支撑森林智能解译模型训练和大范围森林资源调查，是当前亟需解决的技术问题。

技术实现思路

1、为了实现本发明的上述目的，本发明提供了一种基于真实森林三维结构驱动的低空遥感虚拟样本生成及智能调查方法，包括以下步骤：

2、（1）获取大规模的公开的无人机激光雷达点云数据或摄影测量点云数据，对所述点云数据进行处理，提取森林地形信息、林木个体空间位置及冠层结构特征，构建具有真实空间结构特征的三维森林场景模型；

3、（2）基于所述三维森林场景模型，根据低空遥感传感器参数、观测视角、空间分辨率、光照条件及成像参数，对三维森林场景进行虚拟成像渲染，生成具有真实观测条件的遥感渲染图像；同时，根据三维森林场景中林木个体的位置、冠层结构及类别信息，自动生成与遥感渲染图像空间对应的目标类别标签、实例标签或像素级掩膜标签；

4、（3）利用生成式人工智能模型、图像生成模型或其他域适配方法，对遥感渲染图像与真实低空遥感影像之间的特征分布差异进行优化，生成具有真实遥感观测特征的虚拟仿真遥感影像，并保持虚拟仿真遥感影像与对应标签之间的空间一致性，构建带有自动标注信息的大规模低空遥感虚拟样本数据集；

5、（4）基于所述低空遥感虚拟样本数据集，对智能解译模型进行训练，获得用于森林遥感调查的智能解译模型；

6、（5）获取目标调查区域的低空遥感影像，将所述低空遥感影像输入训练获得的智能解译模型，实现森林目标识别、语义分割、实例分割及森林调查参数自动提取。

7、进一步地，所述三维森林场景模型采用参数化构建方式或基于真实观测数据重建方式获得。其中，参数化构建方式基于三维单木模型，根据目标森林类型设置树种组成、单木空间分布、林分密度、树木高度、树冠形态及姿态参数，生成具有不同结构特征的虚拟森林场景；基于真实观测数据重建方式利用激光雷达点云或摄影测量点云，通过空间离散化、体素化或三维重建方法，保留真实森林中的林木空间分布、冠层结构及植被空间异质性特征。

8、进一步地，所述低空遥感虚拟成像过程根据遥感传感器参数、飞行平台参数及环境观测条件进行设置，所述参数包括但不限于传感器类型、飞行高度、观测角度、太阳辐照条件、天空散射光比例、影像空间分辨率以及场景范围，以生成不同观测条件下的遥感渲染图像。

9、进一步地，所述域迁移方法用于降低遥感渲染图像与真实低空遥感影像之间的特征分布差异，包括但不限于基于生成式人工智能模型、对抗学习模型、扩散模型或其他域适配方法实现影像特征转换。

10、进一步地，在域迁移过程中，引入基于三维森林场景自动生成的目标标签信息，对影像转换过程进行结构一致性约束，使域迁移前后的森林目标保持空间对应关系，保证树木数量、单木位置、树冠轮廓及实例边界信息不发生改变。

11、进一步地，所述智能解译模型基于所构建的虚拟仿真遥感样本数据集进行训练，并可结合目标调查区域的少量真实遥感影像及对应标签进行迁移优化，以提高模型对不同森林类型和不同观测条件的适应能力。

12、进一步地，所述智能解译模型包括目标检测模型、语义分割模型、实例分割模型或其他遥感信息提取模型，用于获取森林目标空间分布信息，并进一步计算森林调查参数。

13、进一步地，所述森林调查参数包括但不限于冠层覆盖度、林分密度、单木数量、单木位置及树冠尺寸信息，其中，冠层覆盖度根据提取的树冠区域面积与调查区域面积确定，林分密度根据单位面积内单木数量确定，树冠尺寸根据树冠空间范围计算获得。

14、与现有技术相比，本发明实施例具有以下有益效果：

15、（1）本发明利用真实森林激光雷达点云或摄影测量点云构建具有真实空间结构特征的三维森林场景模型，使虚拟森林场景能够保留实际森林中的林木空间分布、冠层结构及空间异质性特征，提高了虚拟遥感样本与真实森林场景之间的一致性。

16、（2）本发明基于三维森林场景进行遥感图像虚拟渲染，并同步生成对应的目标标签信息，实现了遥感影像与标注数据的自动化构建，减少了传统人工标注方式获取大规模森林遥感训练样本所需的人力成本。

17、（3）本发明通过域迁移方法优化遥感渲染图像与真实低空遥感影像之间的特征分布差异，在保持森林目标空间结构和标签信息一致性的基础上，提高虚拟样本的真实性和有效性，增强了基于虚拟样本训练的智能解译模型在真实森林环境中的适用能力。

18、（4）本发明构建的虚拟样本生成方法能够根据不同森林结构类型、传感器参数及观测条件灵活配置三维场景和成像参数，可扩展生成不同区域、不同类型森林遥感训练样本，为森林遥感智能调查模型训练和应用提供数据支撑。

19、（5）本发明基于虚拟样本预训练的智能解译模型能够应用于不同森林区域的遥感调查任务，在减少目标区域人工标注需求的同时，实现森林目标识别、语义分割、实例分割及森林调查参数自动提取，提高森林资源调查的自动化和智能化水平。