Newest papers

A Flexible ROI Analysis Tool for Spatially Consistent Vegetation Index Extraction from Turfgrass Imagery

Kibon Ku, Thai Thanh Tuan, Jinhyun Ahn · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26719 · cited by 0 works (OpenAlex) · open-access PDF

Russian

Временная серия мультиспектральных изображений широко используется для оценки состояния торфяной травы; однако, извлечение значений индекса растительности (VI) на уровне сюжета остается трудоемким, когда позиции камеры варьируются между приобретениями и автоматизированное отслеживание сюжета является ненадежным. Мы разработали программное средство с открытым исходным кодом, включающее (i) графический пользовательский интерфейс (GUI) для интерактивного размещения ориентировочно-регулируемых регионов интереса (ROIs) с $N$-way подразделениями для соответствия геометрии сюжета и (ii) серийный скрипт, который вычисляет средние значения VI на уровне сюжета из растеров плавающих точек одной полосы и экспортирует измерения

Machine translation (Meta M2M100); the English original follows.

Abstract

Time-series multispectral imaging is widely used to assess turfgrass condition; however, extracting plot-level vegetation index (VI) values remains labor-intensive when camera positions vary between acquisitions and automated plot tracking is unreliable. We developed an open-source software tool comprising (i) a graphical user interface (GUI) for the interactive placement of orientation-adjustable regions of interest (ROIs) with $N$-way subdivision to match plot geometry and (ii) a batch-processing script that computes plot-level mean VI values from single-band floating-point rasters and exports measurements and ROI coordinates in JSON format for reuse. Saved coordinates can be reapplied to measure NDVI, NDRE, and SAVI from identical pixel regions within a single time point without re-delineating ROIs. In a demonstration using rail-mounted multispectral turfgrass imagery (18 images), plot-level mean values were extracted in a single session, with coordinates reused directly for NDRE and SAVI rasters. The system reads non-georeferenced pixel-coordinate rasters natively, does not require GIS expertise, and supports reproducible VI quantification where static sensor deployment is impractical.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Multispectral image, Computer vision, Pixel, Remote sensing, Artificial intelligence

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange