[發明專利]一種基于高分辨率遙感影像輸電桿塔識別與定位方法

在審

• 申請號: 202110355197.0
• 申請日: 2021-04-01
• 公開（公告）號: CN113033446A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 宋成根;張正鵬;卜麗靜
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，包括如下步驟：

S1：數據處理，輸電桿塔的數據集主要高分系列和高景一號衛星采集，并通過幾何糾正、圖像融合等方式得到；通過人工進行篩選，獲取不同背景、不同成像形狀的輸電桿塔數據集；數據集圖片像素大小為416x416；將桿塔圖片制作成PASCAL VOC格式的數據集并劃分為訓練集、驗證集、測試集進行數據增廣操作；

S2：根據S1中的數據集計算anchor，并替換IoU的損失函數以及非極大值抑制的改進，增加SPP模塊，構建輸電桿塔目標檢測網絡；

S3：調整網絡訓練參數，利用S1得到的訓練數據對S2得到的目標檢測網絡進行最后的網絡參數調整；

S4：根據S1得到的測試集、驗證集與S3得到的檢測模型進行輸電桿塔模型訓練；

S5：根據S1得到的測試集、驗證集與S4得到的輸電桿塔檢測模型進行輸電桿塔檢測進行測試；

S6：根據S5測試結果來判斷模型是否輸出和進行參數設置繼續訓練與測試，循環此操作直到得到目標檢測模型；

S7：根據S6得到桿塔檢測模型進行輸電桿塔的檢測與定位。

2.根據權利要求1所述的一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，所述的步驟S1中數據處理主要包括圖像的幾何糾正、圖像融合，工具為ENVI；數據裁剪是使用Python程序將遙感影像原圖裁剪為416*416像素值大小；數據增廣主要利用Python程序對數據集進行旋轉、平移縮放等操作來增加數據的多樣性以及避免訓練過擬合，編程語言為Python3.6。

3.根據權利要求1所述的一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，所述的步驟S2中算法修改包括替換原始的anchor值，anchor是使用K-means算法多次計算并求平均得到，替換了IoU的損失函數，修改了非極大值抑制函數(DIoU-NMS)，增加了SPP網絡融合不同層的桿塔特征；其中CIoU損失函數、DIoU-NMS公式如下:

CIoU損失函數：

其中：

其中：

4.根據權利要求1所述的一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，所述的步驟S3中調整網絡參數：最大迭代次數為20000，批次大小設為64(根據計算機性能來設)，動量設為0.9，衰減系數為0.0005，學習率設為0.001分為為了使模型盡快收斂，減少過擬合，初始學習率設定為0.001，批量大小設置為64，在迭代次數為16000、18000時調整學習率。

5.根據權利要求1所述的一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，所述的步驟S4根據步驟S3得到調整好參數的網絡進行輸電桿塔的模型訓練。

6.根據權利要求1所述的一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，所述的步驟S5根據步驟S1得到的測試集、驗證集與步驟S4得到的輸電桿塔檢測模型進行輸電桿塔檢測進行測試。

7.根據權利要求1所述的一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，所述的步驟S6根據步驟S5測試結果來判斷模型是否輸出和進行參數設置、訓練與測試，循環此操作直到得到目標檢測模型。

8.根據權利要求1所述的一種基于高分辨率遙感影像輸電桿塔識別與定位方法，其特征在于，所述的步驟S7目標檢測定位主要包括輸電桿塔的粗略定位和精確定位，電塔的粗略位置位置計算是在步驟S5得到檢測結果的桿塔最小外接矩形的左上角像素坐標(x,y)，并在裁剪后的tif影像中計算得到桿塔的粗略坐標；再在步驟S5中得到桿塔的最小外接矩形圖片，進一步對桿塔的四個根基進行識別，最后得到像素坐標(x,y)還原到tif影像中的到桿塔的精確經緯度坐標。