如何识别热带雨林森林砍伐任务中优质超像素
计算机视觉与模式识别
2024-09-09 v1
摘要
热带森林的保护因其在全球生态系统中的关键作用而具有重大的社会和生态相关性。不幸的是，森林砍伐和退化每年影响数百万公顷，需政府或私营部门发起有效的森林监测。然而，由于数据不平衡、图像分辨率低、低对比度区域以及遮挡，识别卫星图像中的砍伐区域具有挑战。超像素分割可克服这些缺陷，减少工作量并保留重要图像边界。然而，大多数遥感图像的工作未利用最新的超像素方法。在本工作中，我们评估了卫星图像中16种超像素方法，以支持热带雨林森林砍伐检测系统。我们也评估了超像素方法在目标任务中的性能，确立其与分割方法评估之间的关系。根据我们的实验结果，ERS、GMMSP和DISF在UE、BR和SIRS上表现最佳，尽管ERS在CO和Reg上性能最具性价比。在分类任务中，SH、DISF和ISF在RGB、UMDA和PCA组成上表现最佳。根据我们的实验，具有更好权衡（在描绘、均匀性、紧凑性和规则性之间）的超像素方法更适合用于识别森林砍伐任务中优质超像素。
引用
@article{arxiv.2409.04330,
title = {How to Identify Good Superpixels for Deforestation Detection on Tropical Rainforests},
author = {Isabela Borlido and Eduardo Bouhid and Victor Sundermann and Hugo Resende and Alvaro Luiz Fazenda and Fabio Faria and Silvio Jamil F. Guimarães},
journal= {arXiv preprint arXiv:2409.04330},
year = {2024}
}
备注
8 pages, 3 figures, paper accepted for publication at the IEEE GRSL