[發明專利]基于空間聚類信息修正的高光譜圖像識別方法

在審

• 申請號: 201910696090.5
• 申請日: 2019-07-30
• 公開（公告）號: CN110414438A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 劉凱;趙琛;張血琴;郭裕鈞;吳廣寧;高國強;曹保江;李春茂
• 申請（專利權）人: 西南交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/00
• 代理公司: 成都正華專利代理事務所(普通合伙) 51229
• 代理人: 何凡

本發明公開了一種基于空間聚類信息修正的高光譜圖像識別方法，其包括對航拍的高光譜圖像進行校正；將拍攝的部分高光譜圖像標記后作為訓練樣本集，余下作為測試樣本集；針對每類物品從訓練樣本集的高光譜圖像中采集設定數量的譜線，并采用競爭性自適應重加權算法提取每類物品譜線的特征譜段；根據特征譜段對SVM分類器進行訓練，之后采用根據特征譜段，提取測試樣本集內高光譜圖像中譜線對應的特征譜段，并將其輸入SVM模型得到測試樣本集中高光譜圖像中物品的初級分類；在測試樣本集的高光譜圖像中標記出高可信度像素點，根據標記的高可信度像素點，采用小窗口模型對高光譜圖像所有窗口內的像素點進行修正，得到更新后的物品分類。

技術領域

本發明涉及圖像中物品分類方法，具體涉及一種基于空間聚類信息修正的高光譜圖像識別方法。

背景技術

隨著國家經濟的發展，用電量逐年上升，電網對運行安全提出了更大的要求。西電東送工程的開展，使西南地區裝機容量逐年提升，由于西南地區山地眾多，輸電走廊樹木林立，樹木茂盛對輸電線路的威脅逐漸成為影響電網安全運行的主要威脅之一。

傳統的預防樹木造成威脅的方式多為人工巡線，周期長，危險性高，勞動量大。隨著移動互聯、人工智能等現代信息技術、先進通信技術的在電網中的引入，無人機巡線也逐漸引入電力系統中，利用無人機搭載測高工具進行輸電線路巡線，測量威脅型樹木已有一定研究，并初見成效。

盡管如此，研究表明不同樹木生長速度的差異，造成無差別的樹木統一砍伐存在一定安全隱患，而統一加大砍伐力度無疑會造成人力的浪費。

發明內容

針對現有技術中的上述不足，本發明提供的基于空間聚類信息修正的高光譜圖像識別方法能夠對無人機采集的高光譜圖像中的物品進行分類，以便于根據分類結果快速識別輸電線路中的高威脅樹木。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種基于空間聚類信息修正的高光譜圖像識別方法，其包括：

S1、獲取無人機采集的輸電線纜四周設定范圍內的高光譜圖像，并采用黑白校正方法對高光譜圖像進行校正；

S2、對預設比例的校正后高光譜圖像中每類物品進行標記作為訓練樣本集，余下校正后高光譜圖像作為測試樣本集；

S3、針對每類物品從訓練樣本集的高光譜圖像中采集設定數量的譜線，并采用競爭性自適應重加權算法提取每類物品譜線的特征譜段；

S4、將每類物品的特征譜段輸入SVM分類器，進行交叉訓練得到每類物品的最優分類C和g值，并采用最優分類C和g值更新SVM模型的模型參數；

S5、根據特征譜段，提取測試樣本集內高光譜圖像中譜線對應的特征譜段，并將其輸入SVM模型得到測試樣本集中高光譜圖像中物品的初級分類；

S6、在測試樣本集的高光譜圖像中設置若干連通域，并根據初步分類判斷連通域中同類物品的像素點數量是否大于設定閾值，若是，則將對應像素點標記為高可信度像素點，否則不標記；

S7、根據標記的高可信度像素點，采用小窗口模型對高光譜圖像所有窗口內的像素點進行修正，得到更新后的物品分類。

本發明的有益效果為：本方案通過同一批次采集的高光譜圖像進行標記后作為訓練樣本進行SVM分類器的的訓練，之后采用訓練后的分類器對測試樣本集中的高光譜圖像中分物品進行分類，之后再根據標記的高可信度像素點對高光譜圖像滑窗內的像素點進行修正，以修正高光譜航拍圖像存在的雜點眾多的情況，從而提高了物品分類的準確性。

電網管理人員通過本方案得到的分類結果，不需要人工進行巡線就能確定輸電線路哪些地方存在高威脅的樹木，以實現定點對威脅輸電線路的數目進行砍伐，降低工人勞動強度的同時還提高了安全性。

附圖說明