基于语义网格的多视角航空图像地理空间对象分类
计算机视觉与模式识别
2024-05-16 v1
摘要
航空图像正逐渐用于地球科学和自然资源管理，作为补充传统基于地面的调查方法。航空系统可以收集重叠图像，提供来自不同视角的每个位置的多重视图。然而，大多数预测方法（例如树种分类）使用单一的综合顶部“正射 mosaic”图像作为输入，该图像包含有关对象垂直方面的信息有限且可能包括处理制造的伪影。我们提出一种替代方法，直接在原始图像上生成预测，并使用语义网格将这些预测准确地映射到地理坐标。该方法——作为用户友好且开源工具包——使分析人员能够使用最高质量的数据进行预测，捕获有关对象侧面的信息，并利用每个位置的多个视角以获得额外的鲁棒性。我们在一个由西部美国四个森林站点组成的新基准数据集上展示了该方法的价值，数据集包括无人机图像、测量学结果、预测的树木位置以及源自人工调查的树种分类数据。我们表明，与正射 mosaic 基准相比，我们提出的多视角方法在具有挑战性的跨站点树种分类任务中将分类准确率提高了 53% 至 75%。
引用
@article{arxiv.2405.09544,
title = {Classifying geospatial objects from multiview aerial imagery using semantic meshes},
author = {David Russell and Ben Weinstein and David Wettergreen and Derek Young},
journal= {arXiv preprint arXiv:2405.09544},
year = {2024}
}