图像帧中草像素的密度加权连通性用于生物量估计
计算机视觉与模式识别
2018-02-22 v1 人工智能
摘要
准确估计路边草类的生物量在火险区域识别等应用中起着重要作用。当前的解决方案严重依赖野外调查、遥感测量以及使用参考标记的图像处理，这往往需要大量的时间、人力和成本投入。本文提出草像素密度加权连通性（DWCGP）以从路边图像数据自动估计草生物量。DWCGP计算每列图像中沿垂直方向连续连通的草像素长度，然后由该列周围区域的草密度对该长度进行加权。草像素使用前馈人工神经网络分类，每个像素的主导纹理方向使用多方向Gabor小波滤波器投票计算。在野外调查数据集上的评估表明，DWCGP在草高度基础上额外考虑草密度，将均方根误差从5.84降至5.52。DWCGP对非农垂直草茎以及Gabor滤波器参数和周围区域宽度的变化均表现出鲁棒性。其性能接近人工观测且高于八种基线方法，并在低 vs. 高火灾风险分类及火险道路区域识别方面取得了有前景的结果。
引用
@article{arxiv.1802.07512,
title = {Density Weighted Connectivity of Grass Pixels in Image Frames for Biomass Estimation},
author = {Ligang Zhang and Brijesh Verma and David Stockwell and Sujan Chowdhury},
journal= {arXiv preprint arXiv:1802.07512},
year = {2018}
}
备注
28 pages, accepted manuscript, Expert Systems with Applications