随着时代的发展,国家越来越重视城市的生态环境,逐渐将目光转移到城市的森林群落,大面积地种植接近自然演替的人工林,通过观察林木覆盖率的变化监测林木资源状况以及林木变化情况,并选取林木面积和覆盖率作为衡量城市森林资源的主要指标。由于遥感影像获取林木影像周期长且分辨率低,使得林木覆盖率估测精度难以提高。近几年,随着无人机技术的快速发展,使用无人机影像估测林木覆盖率成为焦点。本文以黑龙江省哈尔滨市的实验林场为研究对象,以林木覆盖率的估测为研究中心,通过无人机获取林场正射影像,针对林木图像中的林木区域提取方法进行研究,并根据林木提取结果估测研究区的林木面积和林木覆盖率。首先,研究了几种常用的林木图像提取方法,从中选择林木提取最优结果,针对最优的FCN-8s网络在林木图像上提取粗糙的问题,设计了 IFCN模型,该模型在林木图像上的提取能力不受批次的影响,有效解决了小批量输入导致模型性能不稳定的问题;并对FCN-8s网络结构进行改进,将林木高低级信息相互融合,提高了 IFCN网络对林木信息的学习能力和识别能力;同时在网络后端进行边缘细化处理,解决了 FCN-8s网络在林木边缘提取粗糙的问题。其次,在后续的研究中发现尽管IFCN模型能够在提取林木覆盖区域上取得较好的效果,但需要在后端引入新方法,加重了模型复杂度。针对这个问题,设计了一种轻量级的改进的IFCN网络模型,主要结合林木多尺度特征,并简化网络的学习目标,在减轻模型复杂度的同时,保证改进的IFCN网络模型对林木特征的学习能力,进一步提升林木识别以及提取的精准度。最后,将改进的IFCN网络模型应用到研究区林木覆盖率估测中,通过进行多组对比实验,验证了模型的有效性和实用性,为林业应用提供参考。