Применение метода сегментации Meanshift для выделения крон деревьев на снимках БПЛА с использованием Orfeo Toolbox

DOI: 10.35595/2414-9179-2025-2-31-154-163

Посмотреть или загрузить статью (Rus)

Об авторах

Л.А. Шилоносов

Пермский государственный национальный исследовательский университет,
ул. Букирева, д. 15, Пермь, Россия, 614068,
E-mail: lonya.sh@mail.ru

Э.Е. Ротэрмель

Пермский государственный национальный исследовательский университет,
ул. Букирева, д. 15, Пермь, Россия, 614068,

Т.А. Беляев

Пермский государственный национальный исследовательский университет,
ул. Букирева, д. 15, Пермь, Россия, 614068,

Д.В. Макурин

Пермский государственный национальный исследовательский университет,
ул. Букирева, д. 15, Пермь, Россия, 614068,

Л.А. Иванчина

Пермский государственный национальный исследовательский университет,
ул. Букирева, д. 15, Пермь, Россия, 614068,
E-mail: ivanchina.ludmila@yandex.ru

Аннотация

Точное автоматизированное обнаружение отдельных крон деревьев по данным аэрофотосъемки представляет собой важную задачу. В последние годы в Пермском крае массово усыхают пихтовые древостои от воздействия уссурийского полиграфа (Polygraphus proximus Blandford). Для работы с такими лесами необходимо, чтобы система распознавала кроны деревьев разной категории санитарного состояния: кроны с зеленой хвоей, кроны с дехромированной хвоей, деревья с отсутствием хвои. Цель исследований — оценка точности распознавания отдельных крон пихтовых древостоев, подвергшихся усыханию от воздействия P. proximus, с помощью метода MeanShift. Объектом исследований послужило насаждение, произрастающее в Пермском лесничестве Пермского края. После 2022 г. в насаждении усыхают деревья пихты, подвергшиеся воздействию P. proximus. Доля пихты в составе древостоев составляет 30 %. Доля сухостоя пихты, погибшего от воздействия P. proximus, составляет 71,6 %. Осуществлена аэрофотосъемка обследованного участка с помощью беспилотных летательных аппаратов DJI Mavic 3M Multispectral, снабженного мультиспектральной камерой и DJI Mavic 3T (Thermal), снабженного тепловизионной камерой. Для выделения крон был выбран инструмент сегментации по методу MeanShift. Сегментация была выполнена в программном обеспечении QGIS 3.36.3 с встроенным в инструменты анализа модулем Orfeo Tool Box. Общая точность распознавания крон составляет 73 %, а значение F-меры — 69 %. Указанный алгоритм требует доработок. Недостатком алгоритма является невозможность сегментировать крону каждого отдельного дерева. Новизной нашего способа обнаружения крон является использование тепловизионных снимков с целью отделения крон от подстилающей поверхности.

Ключ. слова

отдельные кроны деревьев, уссурийский полиграф, ортофотоплан, сегментация по методу MeanShift, модуль Orfeo Tool Box, тепловизионные снимки

Список литературы

  1. Анучин Н.П. Лесная таксация. М.: Лесная промышленность, 1982. 552 с.
  2. Бунькова Н.П., Залесов С.В., Залесова Е.С., Магасумова А.Г., Осипенко Р.А. Основы фитомониторинга. Екатеринбург: Уральский государственный лесотехнический университет, 2020. 90 с.
  3. Гоммерштадт О.М. Использование данных БПЛА для изучения горизонтальной структуры лесов Севера. Материалы XXVI Международной научной конференции студентов, аспирантов и молодых ученых «Ломоносов-2019». Севастополь: Филиал МГУ в г. Севастополе, 2019. С. 245–246.
  4. Кривец С.А., Керчев И.А., Бисирова Э.М., Волкова Е.С., Астапенко С.А., Ефременко А.А., Косилов А.Ю., Кудрявцев П.П., Кузнецова Ю.Р., Пономарёв В.И., Потапкин А.Б., Тараскин Е.Г., Титова В.В., Шилоносов А.О., Баранчиков Ю.Н. Обзор современного вторичного ареала уссурийского полиграфа (Polygraphus Proximus Blandford) на территории Российской Федерации. Российский журнал биологических инвазий, 2024. № 1. С. 49–69. DOI: 10.35885/1996-1499-17-1-49-69.
  5. Никитина А.Д. Автоматическая сегментация крон сосновых древостоев с использованием MASK R-CNN на RGB-ортофотопланах БПЛА. Вопросы лесной науки, 2024a. Т. 7. № 2. С. 1–21. DOI: 10.31509/2658-607x-202372-146.
  6. Никитина А.Д. Определение запасов углерода в сосновых древостоях хвойно-широколиственных лесов с использованием данных высокодетальной съемки. Диссертация на соискание ученой степени кандидата биологических наук. М., 2024b. 204 с.
  7. Сухих В.И., Гусев Н.Н., Данюлис Е.П. Аэрометоды в лесоустройстве. М.: Лесная промышленность, 1977. 192 с.
  8. De Luca G., Silva J.M.N., Cerasoli S., Araújo J., Campos J., Di Fazio S., Modica G. Object-Based Land Cover Classification of Cork Oak Woodlands using UAV Imagery and Orfeo ToolBox. Remote Sensing, 2019. V. 11. P. 1238. DOI: 10.3390/rs11101238.
  9. Ecke S., Dempewolf J., Frey J., Schwaller A., Endres E., Klemmt H.-J., Tiede D., Seifert T. UAV-based Forest Health Monitoring: A Systematic Review. Remote Sensing, 2022. V. 14. No. 13. P. 3205. DOI: 10.3390/rs14133205.
  10. Fujimoto A., Haga C., Matsui T., Machimura T., Hayashi K., Sugita S., Takagi H. An End to End Process Development for UAV-SFM Based Forest Monitoring: Individual Tree Detection, Species Classification and Carbon Dynamics Simulation. Forests, 2019. V. 10. No. 8. P. 680. DOI: 10.3390/f10080680.
  11. Kapil R., Marvasti-Zadeh S.M., Erbilgin N., Ray N. ShadowSense: Unsupervised Domain Adaptation and Feature Fusion for Shadow-Agnostic Tree Crown Detection from RGB-Thermal Drone Imagery. IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2024. DOI: 10.1109/WACV57701.2024.00808.
  12. Kapil R., Marvasti-Zadeh S.M., Goodsman D., Ray N., Erbilgin N. Classification of Bark Beetle-Induced Forest Tree Mortality Using Deep Learning. arXiv preprint arXiv:2207.07241, 2022. DOI: 10.48550/arXiv.2207.07241.

Для цитирования: Шилоносов Л.А., Ротэрмель Э.Е., Беляев Т.А., Макурин Д.В., Иванчина Л.А. Применение метода сегментации Meanshift для выделения крон деревьев на снимках БПЛА с использованием Orfeo Toolbox. ИнтерКарто. ИнтерГИС. M.: Географический факультет МГУ, 2025. Т. 31. Ч. 2. С. 154–163. DOI: 10.35595/2414-9179-2025-2-31-154-163

For citation: Shilonosov L.A., Rotermel E.E., Belyaev T.A., Makurin D.V., Ivanchina L.A. Application of the meanshift segmentation method for tree crown delineation from UAV imagery using Orfeo ToolBox. InterCarto. InterGIS. Moscow: MSU, Faculty of Geography, 2025. V. 31. Part 2. P. 154–163. DOI: 10.35595/2414-9179-2025-2-31-154-163 (in Russian)