Сочинение на тему Автоматическое обнаружение и подсчет деревьев

Подсчет деревьев может быть сложной и даже трудоемкой задачей, поэтому для упрощения задачи ручного подсчета каждого отдельного дерева здесь мы предлагаем и сравниваем три различных подхода для автоматического обнаружения и подсчета деревьев в редких и густых растительных регионах. Наш первый подход заключается в маркировке расширенных минимумов, расширенных максимумов наряду с некоторыми операциями морфологической реконструкции на изображении для разграничения и сегментации кроны дерева. Контролируемая маркером сегментация водосбора затем используется для разделения двух соприкасающихся корон. Для другого подхода мы использовали метод сегментации цвета для идентификации дерева. Начиная с преобразования изображения в цветовое пространство HSV, затем фильтруя, улучшая и устанавливая пороговые значения, чтобы отделить деревья от элементов, не являющихся деревьями. Наконец, алгоритм водораздела используется для сегментации крон деревьев. Третий подход заключается в использовании глубокого обучения для классификации дерева и не-дерева для каждого сегмента изображения и использования метода скользящего окна для определения местоположения каждой кроны дерева. Мы также предлагаем метод автоматического выбора данных, чтобы минимизировать время выбора и маркировки данных.

Эксперимент показывает, что первый подход хорошо подходит для классификации деревьев по густой растительности. Принимая во внимание, что второй подход более точен для обнаружения деревьев в редкой растительности. Точность метода глубокого обучения лежит между этими двумя подходами и дает точность 92% данных валидации. Сеть глубокого обучения была обучена на 3000 положительных и отрицательных образцов аэрофотоснимков. И проверил более 1500 положительных изображений и 2500 отрицательных изображений. Автоматический метод обнаружения и анализа деревьев по аэрофотоснимкам может помочь нам во многих отношениях, таких как отслеживание количества деревьев, которые могут быть полезны для управления лесными ресурсами, и других. Учитывая запись числа деревьев в регионе может остановить вырубку леса, который является наиболее спорным вопросом для каждой страны во всем мире, поэтому детальное изучение подсчета деревьев и обнаружения наиболее необходимы для эффективного управления и количественного анализа леса. В этом исследовании мы предложили подход, который может автоматически сегментировать области с деревьями и оценивать количество деревьев на входном изображении. Однако, обнаружение отдельного дерева и подсчет могут быть трудной задачей, и иногда даже неточными. Все это зависит от условий и качества снятого изображения. В этом исследовании мы предлагаем и сравниваем различные подходы для обнаружения и подсчета деревьев на данном спутниковом изображении.

Наш первый подход – применить морфологические операции к изображению, чтобы получить чистое очищенное изображение. Маркировка локальных региональных минимумов и максимумов на отфильтрованном изображении может помочь в определении центроидов короны и маркировке границ. Наконец на изображении применяется сегментация водораздела с контролем маркера для разделения двух трогательных крон деревьев.

Многие регионы содержат промежутки между деревьями, включая небольшие растения и кустарники, которые способствуют подсчету деревьев, таким образом давая ложный подсчет количества деревьев в этом регионе. Чтобы устранить эту неоднозначность между небольшими растениями и деревьями, был сделан подход сегментирования на основе цвета, чтобы различать растения и деревья. Метод на основе цветового пространства HSV хорошо подходит для этой цели, так как цвет HSV удаляет любое освещение на изображении. После преобразования и улучшения цвета мы можем отфильтровать маленькие растения и кустарники с их соответствующими значениями оттенков по сравнению с деревьями. Следовательно, теперь сегментирование и применение трансформации водораздела даст более точный подсчет деревьев в этих регионах.