DeepForest：利用航空成像感知植被的自遮挡体积
计算机视觉与模式识别
2025-08-28 v4 图像与视频处理
摘要
获取林冠下方的体积植被数据对于理解生态系统动态至关重要。我们解决了遥感长期存在的难以深入穿透密集林冠层的局限性。LiDAR 和雷达目前被认为是测量 3D 植被结构的主要手段，而相机只能提取顶层的反射率和深度。使用常规的高分辨率航空图像，我们的方法能够深入感知自遮挡的植被体积（如森林）。其理念类似于宽场显微镜的成像过程，但能够处理更大的尺度和强遮挡。我们利用无人机通过合成孔径成像扫描焦堆栈，并使用以均方误差（MSE）作为损失函数的预训练 3D 卷积神经网络来减少离焦信号贡献。所得的体积反射率堆栈包含植被体积的低频表示。结合来自不同光谱通道的多个反射率堆栈，可以深入了解整个植被体积内的植物健康状况、生长情况与环境条件。与模拟真值相比，对于 220 棵树/公顷至 1680 棵树/公顷的森林密度，我们的校正带来了约 7 倍的平均改进（最小：约 2 倍，最大：约 12 倍）。在实地实验中，与通过经典多光谱航空成像测量的顶层植被相比，我们实现了 0.05 的 MSE。
引用
@article{arxiv.2502.02171,
title = {DeepForest: Sensing Into Self-Occluding Volumes of Vegetation With Aerial Imaging},
author = {Mohamed Youssef and Jian Peng and Oliver Bimber},
journal= {arXiv preprint arXiv:2502.02171},
year = {2025}
}