基于掩码引导多极化集成神经网络的异质土壤环境中树根参数估计
计算机视觉与模式识别
2021-12-28 v1 信号处理
摘要
探地雷达（GPR）已被用作树根检测的非破坏性工具。从 GPR 雷达图中估计与根相关的参数极大地促进了根系健康监测和成像。然而，估计与根相关参数的任务具有挑战性，因为根反射是多个根参数和根朝向的复杂函数。现有方法一次只能估计单个根参数，而未考虑其他参数和根朝向的影响，导致在不同根条件下的估计精度有限。此外，土壤异质性在 GPR 雷达图中引入杂波，使数据处理和解释更加困难。为解决这些问题，提出了一种称为掩码引导多极化集成神经网络（MMI-Net）的新型神经网络架构，用于自动且同时估计异质土壤环境中的多个与根相关参数。MMI-Net 包括两个子网络：一个 MaskNet，用于预测掩码以突出根反射区域以消除干扰性环境杂波；以及一个 ParaNet，利用预测掩码作为引导，在多极化雷达图中集成、提取并强调信息性特征，以准确估计五个关键的根相关参数。这些参数包括根深度、直径、相对介电常数、水平和垂直朝向角。实验结果表明，所提出的 MMI-Net 在这些根相关参数上实现了高估计精度。这是首项考虑根参数与空间朝向的综合贡献并同时估计多个根相关参数的工作。本文实现的数据和代码可在 https://haihan-sun.github.io/GPR.html 找到。
引用
@article{arxiv.2112.13494,
title = {Estimating Parameters of the Tree Root in Heterogeneous Soil Environments via Mask-Guided Multi-Polarimetric Integration Neural Network},
author = {Hai-Han Sun and Yee Hui Lee and Qiqi Dai and Chongyi Li and Genevieve Ow and Mohamed Lokman Mohd Yusof and Abdulkadir C. Yucel},
journal= {arXiv preprint arXiv:2112.13494},
year = {2021}
}
备注
14 pages, 12 figures