Porovnání segmentačních algoritmů využitelných pro vymezení korun stromů z dat UAV

David Houdek

Bachelor's thesis

Comparison of segmentation algorithms usable for tree crowns delineation from UAV data

Anotácia:

Bezpilotní letecké prostředky (UAV) významným způsobem posouvají možnosti pořizování dat dálkového průzkumu Země. Cílem bakalářské práce bylo porovnání volně dostupných segmentačních algoritmů obrazu pro automatické vymezení korun stromů ze spektrálních dat pořízených UAV. Teoretická část práce je zaměřena na problematiku optického DPZ, jeho využití v lesnictví a metody (polo)automatické detekce jednotlivých stromů a vymezení jejich korun zejména z dat UAV. Praktická část práce představuje vlastní metodické řešení zaměřené na zpracování UAV dat metodou Structure from Motion a následné porovnání algoritmů Watershed, Region growing a Voronoi tesselation pro vymezování korun jednotlivých stromů. Náplní práce tedy bylo nejprve z jednotlivých UAV snímků vytvořit digitální výškový model vegetace zájmové oblasti, na který byly následně aplikovány vybrané algoritmy pro detekci a delineaci korun stromů. Takto automaticky vymezené koruny byly následně statisticky porovnány s vlastnoručně vytvořenými referenčními daty o skutečně velikosti korun stromů. Z výsledků bakalářské práce vyplývá, že nejpřesnějším hodnoceným algoritmem, který se tedy svými velikostmi korun nejvíce blížil referenčním datům, byl obrácený Watershed algoritmus vypočtený pomocí R balíčku Forest tools, který dosáhl RMSPE (Root Mean Square Percentage Error) 23,7 %. Nejméně přesné byly naopak algoritmy Region growing a Voronoi tesselation vypočtené pomocí R balíčku LidR, které dosáhly shodně RMSPE okolo 30 %. Z výsledků a závěru práce proto vyplývá že spektrální UAV data s vysokým prostorovým rozlišením jsou slibným zdrojem informací o lesním porostu, nicméně je stále třeba vyvinout nové přesnější a rychlejší výpočetní algoritmy jejich zpracování, které by ještě zvýšily jejich možnou využitelnost pro praktickou aplikaci v lesním managmentu.

Abstract:

Unmanned aerial vehicles (UAVs) are significantly advancing the capabilities of remote sensing data acquisition. The aim of the bachelor's thesis was to compare freely available image segmentation algorithms for the automatic delineation of tree crowns from spectral data taken by UAVs. The theoretical part of the work is focused on the issue of optical DPZ, its use in forestry and methods of (semi)automatic detection of individual trees and delineation of their crowns, especially from UAV data. The practical part of the work presents its own methodological solution focused on the processing of UAV data using the Structure from Motion method and the subsequent comparison of Watershed, Region growing and Voronoi tessellation algorithms for delineation the crowns of individual trees. The task of the work was to at first create a canopy height model of the area of interest from individual UAV images, to which selected algorithms for the detection and delineation of tree crowns were subsequently applied. The crowns automatically delineated in this way were then statistically compared with manually created reference data on the actual size of tree crowns. The results of the bachelor's thesis show that the most accurate evaluated algorithm, which was therefore closest to the reference data in terms of its crown sizes, was the inverted Watershed algorithm calculated using the R package Forest tools, which achieved an RMSPE (Root Mean Square Percentage Error) of 23.7%. On the other hand, the Region growing and Voronoi tessellation algorithms calculated using the R package LidR were the least accurate, and they both achieved an RMSPE of around 30%. The results and the conclusion of the work therefore show that spectral UAV data with high spatial resolution are a promising source of information about forest cover, however, it is still necessary to develop new more accurate and faster computational algorithms for their processing, which would further increase their possible usability for practical application in forest management.

Kľúčové slová

dálkový průzkum Země, spektrální data, balíčky R, segmentace obrazu, vegetační pokryv

Keywords

spectral data, R packages, image segmentation, vegetation cover, remote sensing

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 2. 4. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 5. 2023
• Vedúci: Ing. Tomáš Klouček, Ph.D.
• Oponent: Petr Klápště, Ph.D.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Bachelor programme:
Geographic Information Systems and Remote Rensing in Environmental Sciences