基于不同月份无人机影像的针叶树分类模型精度比较

Mitsuki Fujihira, S. Deng, M. Katoh
{"title":"基于不同月份无人机影像的针叶树分类模型精度比较","authors":"Mitsuki Fujihira, S. Deng, M. Katoh","doi":"10.20659/jjfp.55.1_31","DOIUrl":null,"url":null,"abstract":"UAV(Unmanned Aerial Vehicle)は低コストで高 い空間分解能を得ることができるという利点から (Anderson and Gaston,2013)広域での森林資源把 握に有効であり,近年活用が増加している(村上, 2018)。単木レベルの樹種分類においてもUAVの活 用事例は多く,多様なアルゴリズムを用いた研究が行 われている(Fassnacht ら,2016)。例えば,Deng ら (2016)はUAVで取得したRGB画像と航空レーザ計 測データを用いて多様な機械学習アルゴリズムについ て樹種分類の精度を比較し,評価を行った。近年では, ディープラーニングの1種である畳み込みニューラル ネットワーク(Convolution Neural Network; CNN)や そこから派生したアルゴリズムを利用した分類が盛ん に行われている。Onishi and Ise(2018)はUAVで 得られたオルソモザイク画像や樹高傾斜モデルを使用 してGoogLeNet(Szegedy ら,2015)による樹種分 類を実施し,Nezami ら(2020)はUAVを用いて取 得したRGB画像とハイパースペクトル画像をもとに 3D-CNN(Ji ら,2013)を使って樹種分類を行った。 上記の先行研究では1時期に撮影されたデータのみ を使用しているが,植物体にはフェノロジーと呼ばれる 季節性の形態変化があり,これは樹種分類の精度に影響 を与える特性であることが知られている(Fassnacht ら,2016)。航空写真と衛星画像を用いた2つの研究 では,春季と秋季の2時期の画像を組み合わせること で分類精度の向上が期待できることが示されている (Hill ら,2010;Mickelson ら,1998)。また,Voss and Sugumaran(2008)は,ハイパースペクトル画像を 使用した樹種分類結果の比較により,夏季よりも秋季 のほうが安定した結果が得られることを示した。しか し,これらの研究では2時期あるいは3時期での比較 にとどまっており,分類に最適な時期を特定するため により短いインターバルでの精度比較が望まれる。 そこで本研究では,低コストかつ手軽に取得するこ とができるUAVによる RGB画像に着目し,5月か ら11月まで毎月1回の頻度でデータを取得することで 画像の撮影時期が分類精度に与える影響をより詳細に 明らかにすることを目的とした。また,2種類のアル ゴリズムを用いて樹種分類を行い結果を比較すること で,アルゴリズムによる精度推移の違いについても検 討した。","PeriodicalId":234210,"journal":{"name":"Japanese Journal of Forest Planning","volume":"21 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-08-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Accuracy Comparison of Conifer Classification Models Using UAV Images Acquired in Different Months\",\"authors\":\"Mitsuki Fujihira, S. Deng, M. Katoh\",\"doi\":\"10.20659/jjfp.55.1_31\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"UAV(Unmanned Aerial Vehicle)は低コストで高 い空間分解能を得ることができるという利点から (Anderson and Gaston,2013)広域での森林資源把 握に有効であり,近年活用が増加している(村上, 2018)。単木レベルの樹種分類においてもUAVの活 用事例は多く,多様なアルゴリズムを用いた研究が行 われている(Fassnacht ら,2016)。例えば,Deng ら (2016)はUAVで取得したRGB画像と航空レーザ計 測データを用いて多様な機械学習アルゴリズムについ て樹種分類の精度を比較し,評価を行った。近年では, ディープラーニングの1種である畳み込みニューラル ネットワーク(Convolution Neural Network; CNN)や そこから派生したアルゴリズムを利用した分類が盛ん に行われている。Onishi and Ise(2018)はUAVで 得られたオルソモザイク画像や樹高傾斜モデルを使用 してGoogLeNet(Szegedy ら,2015)による樹種分 類を実施し,Nezami ら(2020)はUAVを用いて取 得したRGB画像とハイパースペクトル画像をもとに 3D-CNN(Ji ら,2013)を使って樹種分類を行った。 上記の先行研究では1時期に撮影されたデータのみ を使用しているが,植物体にはフェノロジーと呼ばれる 季節性の形態変化があり,これは樹種分類の精度に影響 を与える特性であることが知られている(Fassnacht ら,2016)。航空写真と衛星画像を用いた2つの研究 では,春季と秋季の2時期の画像を組み合わせること で分類精度の向上が期待できることが示されている (Hill ら,2010;Mickelson ら,1998)。また,Voss and Sugumaran(2008)は,ハイパースペクトル画像を 使用した樹種分類結果の比較により,夏季よりも秋季 のほうが安定した結果が得られることを示した。しか し,これらの研究では2時期あるいは3時期での比較 にとどまっており,分類に最適な時期を特定するため により短いインターバルでの精度比較が望まれる。 そこで本研究では,低コストかつ手軽に取得するこ とができるUAVによる RGB画像に着目し,5月か ら11月まで毎月1回の頻度でデータを取得することで 画像の撮影時期が分類精度に与える影響をより詳細に 明らかにすることを目的とした。また,2種類のアル ゴリズムを用いて樹種分類を行い結果を比較すること で,アルゴリズムによる精度推移の違いについても検 討した。\",\"PeriodicalId\":234210,\"journal\":{\"name\":\"Japanese Journal of Forest Planning\",\"volume\":\"21 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-08-20\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Japanese Journal of Forest Planning\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.20659/jjfp.55.1_31\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Japanese Journal of Forest Planning","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.20659/jjfp.55.1_31","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

UAV(Unmanned Aerial Vehicle)具有低成本高空间分辨率的优点(Anderson and Gaston,2013)广泛的森林资源握有效,近年来活用增加(村上,2018)。在单树级别的树种分类中,UAV的应用事例也很多,使用多种算法进行研究(Fassnacht等,2016)。例如,Deng等人(2016)利用UAV获取的RGB图像和航空激光测量数据,对多种机器学习算法的树种分类精度进行了比较和评估。近年来,深度学习的一种卷积神经网络(Convolution Neural Network;CNN)以及利用其派生出的算法的分类正在盛行。Onishi and Ise(2018)使用UAV获得的olso马赛克图像和树高倾斜模型,实施GoogLeNet(Szegedy等,2015)的树种分类,Nezami拉(2020)以使用UAV获得的RGB图像和超光谱图像为基础,使用3d - cnn (Ji等,2013)进行了树种分类。虽然上述先行研究只使用了一个时期拍摄的数据,但是植物体有被称为“phenology”的季节性形态变化,这会影响树种分类的精度的特性(Fassnacht等,2016)。利用航空照片和卫星图像的两项研究表明,通过组合春季和秋季两个时期的图像,可以期待提高分类精度(Hill等,2010;Mickelson等人,1998)。另外,Voss和Sugumaran(2008)通过对使用超光谱图像的树种分类结果进行比较,显示秋季的结果比夏季更为稳定。但是,这些研究停留在2个时期或3个时期的比较,为了确定分类的最佳时期,需要在更短的区间内进行精度比较。因此,本研究着眼于低成本且可轻松获取的基于UAV的RGB图像,通过从5月到11月以每月1次的频率获取数据,更详细地阐述了图像拍摄时期对分类精度的影响。以阐明为目的。另外,通过使用2种树韵律对树种进行分类,对结果进行比较,还检验了算法对精度推移的差异。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Accuracy Comparison of Conifer Classification Models Using UAV Images Acquired in Different Months
UAV(Unmanned Aerial Vehicle)は低コストで高 い空間分解能を得ることができるという利点から (Anderson and Gaston,2013)広域での森林資源把 握に有効であり,近年活用が増加している(村上, 2018)。単木レベルの樹種分類においてもUAVの活 用事例は多く,多様なアルゴリズムを用いた研究が行 われている(Fassnacht ら,2016)。例えば,Deng ら (2016)はUAVで取得したRGB画像と航空レーザ計 測データを用いて多様な機械学習アルゴリズムについ て樹種分類の精度を比較し,評価を行った。近年では, ディープラーニングの1種である畳み込みニューラル ネットワーク(Convolution Neural Network; CNN)や そこから派生したアルゴリズムを利用した分類が盛ん に行われている。Onishi and Ise(2018)はUAVで 得られたオルソモザイク画像や樹高傾斜モデルを使用 してGoogLeNet(Szegedy ら,2015)による樹種分 類を実施し,Nezami ら(2020)はUAVを用いて取 得したRGB画像とハイパースペクトル画像をもとに 3D-CNN(Ji ら,2013)を使って樹種分類を行った。 上記の先行研究では1時期に撮影されたデータのみ を使用しているが,植物体にはフェノロジーと呼ばれる 季節性の形態変化があり,これは樹種分類の精度に影響 を与える特性であることが知られている(Fassnacht ら,2016)。航空写真と衛星画像を用いた2つの研究 では,春季と秋季の2時期の画像を組み合わせること で分類精度の向上が期待できることが示されている (Hill ら,2010;Mickelson ら,1998)。また,Voss and Sugumaran(2008)は,ハイパースペクトル画像を 使用した樹種分類結果の比較により,夏季よりも秋季 のほうが安定した結果が得られることを示した。しか し,これらの研究では2時期あるいは3時期での比較 にとどまっており,分類に最適な時期を特定するため により短いインターバルでの精度比較が望まれる。 そこで本研究では,低コストかつ手軽に取得するこ とができるUAVによる RGB画像に着目し,5月か ら11月まで毎月1回の頻度でデータを取得することで 画像の撮影時期が分類精度に与える影響をより詳細に 明らかにすることを目的とした。また,2種類のアル ゴリズムを用いて樹種分類を行い結果を比較すること で,アルゴリズムによる精度推移の違いについても検 討した。
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信