基于扩散的高光谱图像聚类无监督检测白蜡树枯梢病 (Hymenoscyphus fraxineus)
计算机视觉与模式识别
2022-04-20 v1 机器学习
应用统计
摘要
白蜡树枯梢病 (Hymenoscyphus fraxineus) 是一种外来真菌病害，正导致欧洲各地白蜡树大面积死亡。遥感高光谱图像编码了丰富的结构信息，已利用有监督机器学习技术用于白蜡树枯梢病的检测。然而，要在景观尺度上了解森林健康状况，需要准确的无监督方法。本文研究了在英国剑桥附近一处森林站点中使用无监督的扩散与 VCA 辅助图像分割 (D-VIS) 聚类算法检测白蜡树枯梢病。本工作中提出的无监督聚类与此前该场景有监督分类结果高度重合（总体精度 = 71%）。因此，无监督学习可用于白蜡树枯梢病的遥感检测，而无需专家标注。
引用
@article{arxiv.2204.09041,
title = {Unsupervised detection of ash dieback disease (Hymenoscyphus fraxineus) using diffusion-based hyperspectral image clustering},
author = {Sam L. Polk and Aland H. Y. Chan and Kangning Cui and Robert J. Plemmons and David A. Coomes and James M. Murphy},
journal= {arXiv preprint arXiv:2204.09041},
year = {2022}
}
备注
(6 pages, 2 figures). Accepted to Proceedings of IEEE IGARSS 2022