这篇论文介绍了使用图像分析自动检测树木年轮边界和其他解剖特征的方法，并提出了一种用于检测树木年轮的算法，该算法在测试数据集上表现良好，并提出了一种使用等效半径来衡量年轮生长的稳健方法。

Apr, 2024

该论文提出了一种基于边缘检测和联通的树木年轮定位方法，可以自动定位树干的中心并达到高精确度和自动化。

May, 2023

利用遥感图像和基于 Mask R-CNN 的实例分割模型，个别划定高山和高纬度生态系统中杜松灌木树线上的位置，以监测气候变化对其产生的长期影响。通过新型的数据构建设计和基于多重交叉的地面真实区域度量，有效地克服了传统实地调查方法存在的局限，并实现了对复杂生长模式物种的准确划定。

Jan, 2024

通过提出一种名为 A2B-IS 的新框架，结合高斯骨架图和半监督学习策略，我们解决了显微镜图像分析中实例分割的一个基本挑战，使得模型在处理群集区域，连接的多个不同大小和形状的目标以及任意方向重叠的情况下能够获得更高的准确度。

Jan, 2024

基于光学遥感传感器的先进技术，高空间分辨率多光谱图像的制作为实现经济高精度的森林清查和分析提供了巨大潜力。本综述旨在对光学遥感图像进行个体树冠检测和描绘相关研究进行系统回顾，并将所评估的方法归类为传统图像处理方法、传统机器学习方法和基于深度学习的方法。同时，讨论了与光学遥感数据相关的若干问题和未来的研究方向。

Oct, 2023

本文提出了一种基于盒子的实例分割方法，通过引入目标检测和实例规范化技术，实现在生物图像识别中更准确的实例分割。

Nov, 2019

一种基于木材环切片结构的完全自动化的木材髓心检测技术（APD）被引入。该方法利用 2D 结构张量估计环的局部方向，通过优化设计用于此问题的成本函数来找到髓心位置。我们还提出了一种变体（APD-PCL），利用平行坐标空间，以增强该方法在没有明确树环图案的情况下的有效性。此外，通过对基于深度学习的方法（APD-DL）进行 Kurdthongmee 以前工作的改进，训练了一个用于髓心检测的 YoloV8 神经网络，解决了同一问题。所有方法都在包括在不同条件下获取的图像（控制实验室环境、锯木厂和森林）以及包含各种树种（美国油松、道格拉斯树木、白冷杉和皂荚）的七个数据集上进行了测试。所有提出的方法都优于现有的最先进方法，并可用于基于 CPU 的实时应用。此外，我们提供了一个包含了裸子植物和被子植物物种图像的新颖数据集。数据集和源代码可以在此 http 网址上获取。

Apr, 2024

该论文介绍了一种基于距离变换的对象段表示方法和基于残差解卷积结构的对象掩码网络，实现了跨越边界框的对象分割；并将其整合到一个多任务网络级联框架中，学习了最终二进制对象掩码。实验表明，这种方法在目标生成和实例分割方面优于现有的技术。

Dec, 2016

本文提出了一种基于分支高斯过程（BGP）的方法，在考虑各种约束和误差的情况下，利用图像数据还原带有分支的三维曲线结构，并成功地应用于拍摄多视角植物图像数据的实验中，取得了较好的效果。

Aug, 2016

本文提出基于超级边界到像素方向和定制化的超级边界到像素方向算法的快速图像分割方法，将图像分成超级边界到像素方向以及独具特色的信息超像素，并在 BSDS500 和 Pascal Context 上进行了广泛实验，表明所提出的方法在图像分割方面具有精准性和效率。作者还公开了相应代码。

May, 2020