基于Mask R-CNN的行道树实例分割方法

陆清屿，李秋洁，童岳凯，王明霞，袁鹏成

(南京林业大学机械电子工程学院，南京 210037)

行道树资源调查是现代林业资源调查的重要工作，目前主要采用人工实测、抽样调查的方法获取行道树树种、科属、胸径、树高、冠幅等参数，工作量大，效率低下，不能及时准确地反映行道树动态变化情况[1]，因此快速高效地获取行道树参数具有重要的理论意义和实践价值。获取行道树参数的首要问题是如何快速从多样化的城市道路中分割出行道树。当前行道树信息采集方法主要有激光雷达扫描和图像拍摄两种[2-3]，激光雷达作为一种主动遥感技术，运用激光波束扫描道路两侧地物信息获得街道三维点云数据，并对行道树划分网格索引[4-5]，结合使用ICP、N-cut等算法，最终分割出行道树[6-7]。图像数据具有分辨率高、成本低、易获取的特点，并且可以更直观地反映行道树的色泽、纹理、树种等特征，已有的树木图像分割方法主要采用传统图像处理方法，如运用颜色的不连续性划分、基于相似区域增长、基于小波变换、基于局部二值特征等[8-11]。这些方法存在一定的局限性，具体体现在：街道环境较为复杂，较难分辨树林、草丛、灌木等与行道树相似的地物，难以滤除房屋、路面、路灯、汽车、广告牌等其他地物；行道树存在树冠相粘连的情况，在单木尺度上进行行道树分割也存在一定困难；空间位置和颜色属于各图像数据的底层固有特征，为实现精细分割应提取更加复杂的特征，如树冠结构、纹理等。……