基于霍夫线与简单线性迭代聚类的植被覆盖度估计
计算机视觉与模式识别
2022-05-03 v1
摘要
全国范围内植物育种项目的一个常见需求是伴生栽培——将不同物种的植物近距离种植以使其相互受益。然而,伴生植物的确定需要对植物生长进行细致监测。目视监测技术往往费力且容易出错。图像处理技术的可用性可用于应对植物生长监测的挑战,并提供稳健的解决方案,协助植物科学家识别伴生植物。本文提出一种新的图像处理算法,用于确定给定区域内存在的植被覆盖量,称为植被覆盖度。所提出的技术从可信的 Daubenmire 植被覆盖度估计方法中汲取灵感并对其进行扩展。简而言之,其思路是从包含多行近距离生长、由已知尺寸的多段 PVC 框架分隔的植物物种的图像中估计植被覆盖度。所提出的算法应用霍夫变换(Hough Transform)与简单线性迭代聚类(Simple Linear Iterative Clustering, SLIC)来估计 PVC 框架每一段内的植被覆盖量。对按规律时间间隔捕获的图像重复进行分析,可提供关于植物生长的关键洞察。作为比较手段,所提算法与用于植被覆盖度估计的两个可信应用 SamplePoint 和 Canopeo 进行比较。比较显示与 SamplePoint 和 Canopeo 均有 99% 的相似度,证明了该算法用于植被覆盖度估计的准确性与可行性。
引用
@article{arxiv.2205.00366,
title = {Fractional Vegetation Cover Estimation using Hough Lines and Linear Iterative Clustering},
author = {Venkat Margapuri and Trevor Rife and Chaney Courtney and Brandon Schlautman and Kai Zhao and Mitchell Neilsen},
journal= {arXiv preprint arXiv:2205.00366},
year = {2022}
}