一种架空输电线路覆盖地区的遥感地物识别方法技术

一种架空输电线路覆盖地区的遥感地物识别方法，采集架空输电线路覆盖地区的高空间分辨率多光谱图像、低空间分辨率多光谱图像、激光点云图像，分别进行图像预处理；对所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行融合，生成分辨率融合图像；对所述分辨率融合图像和所述激光点云图像进行融合，生成特征融合图像；针对所述特征融合图像中的每一像素，选择分类方法和相应参数，执行架空输电线路覆盖地区的遥感地物识别。本发明专利技术极大地提高了架空输电线路覆盖地区的遥感地物分类与识别精度和效率，可以实现输电线路的便捷、准确、高效的监测管理。

【技术实现步骤摘要】
一种架空输电线路覆盖地区的遥感地物识别方法
本专利技术属于电力网络管理领域，具体涉及一种架空输电线路覆盖地区的遥感地物识别方法。
技术介绍
近年来，随着中国经济建设的高速发展，用电需求急剧增长，对电网建设的需求亦日益强烈。由于输电线路终年暴露在野外，要遭受风、雪、雨、雾等自然天气的侵袭，遭受洪水、地震、泥石流等自然灾害的威胁，还要遭受山石开采、施工爆破、盗取毁坏等人为因素的损坏，输电线路的安全运行受到严重威胁。对输电线路进行运行状态及周围环境变化巡视、发现设备故障和危及输电线路安全的隐患以及检修维护是保障输电线路安全运行的必然手段。目前对输电线路的监测管理主要有人工巡线和直升机巡线两种方式。输电线路长且分布环境复杂，人工巡线难度大、周期长。直升机巡线难度相对较小，但费用高、周期长。此外，人工巡线和直升机巡线受天气因素影响较大，恶劣天气无法进行巡线监测，不具有时效性。近几年，通信技术和传感技术的发展使得输电线路网上监测成为可能。输电线路网上监测是通过电子设备采集监测图片或视频，监测图片或视频再通过传输网络传输至监控后台，监控后台的工作人员通过肉眼观察监测图片或视频来判断输电线路是否发生故障。这种在线监测虽然不需要人工或直升机进行巡线，但是仍然需要人工进行故障判别，工作量大，没有完全实现输电线路智能化管理。面对庞大的电力网络及危险的周边环境，如何有效地对输电线路进行管理，以保证电网的正常运行，确保电力的安全输送，亦显得更加重要。
技术实现思路
针对现有技术的不足，本专利技术提供了一种架空输电线路覆盖地区的遥感地物识别方法，包括如下步骤：步骤1，采集架空输电线路覆盖地区的高空间分辨率多光谱图像、低空间分辨率多光谱图像、激光点云图像，分别进行图像预处理；步骤2，针对所述高空间分辨率多光谱图像进行地物自动分类，根据图像特征将地物分成N类；步骤3，将所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行配准；步骤4，对所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行融合，生成分辨率融合图像，所述分辨率融合图像保留了所述高空间分辨率多光谱图像的高空间分辨率特征、所述低空间分辨率多光谱图像的多波段光谱信息特征、以及N类地物的分类信息特征。步骤5，根据所述激光点云图像和所述N类地物分类信息特征，分析所选架空输电线路覆盖地区的地物特征，进而确定N类地物类别；步骤6，将所述分辨率融合图像和所述激光点云图像进行配准；步骤7，对所述分辨率融合图像和所述激光点云图像进行融合，生成特征融合图像，所述特征融合图像保留了所述分辨率融合图像的高空间分辨率特征和多波段光谱信息特征、所述N类地物的分类信息特征、以及所述激光点云图像的地物几何特征和高程信息特征；步骤8，根据所述特征融合图像的图像特征和所述N类地物的类别，在所述特征融合图像中选取N类地物类别对应的地物样本，确定所述N类地物样本及各自所属的地物类别，所述特征融合图像的图像特征包括分辨率特征、光谱信息特征、地物几何特征和高程信息特征；步骤9，针对所述特征融合图像中的每一像素，选择分类方法和相应参数，执行架空输电线路覆盖地区的遥感地物识别。本专利技术的有益效果包括：首先，本专利技术用于架空输电线路覆盖地区的遥感地物识别，利用分辨率多光谱遥感数据、激光点云数据进行综合电力线路管理，弥补了现有人工巡检、机器人巡线、直升机巡线、航空数字摄影巡线和线路在线监测装置等线路监测技术监测范围小、在恶劣环境和大范围灾害条件下工作受限等不足；其次，本专利技术提取高空间分辨率多光谱图像的高空间分辨率特征、低空间分辨率多光谱图像的多波段光谱信息特征、激光点云数据的地物几何特征和高程信息特征，结合三种图像数据的优势，从各个维度相互补充配合进行地物识别，既提高地物识别效率，又极大地提高了地物识别精度；再次，本专利技术的融合方法，使得融合后形成的分辨率融合图像以及特征融合图像仍然纹理清晰，不会产生类似其它融合方法的生成的色斑现象；最后本专利技术采用实践中提炼的分类公式，综合地利用地物的几何形态、光谱信息、高程信息、结构和空间组合关系等，顾及更多的结构、特征信息，极大地提高了架空输电线路覆盖地区的遥感地物分类与识别精度和效率，可以实现输电线路的便捷、准确、高效的监测管理。附图说明图1本专利技术所提出的方法的基本流程。具体实施方式为了更好地理解本专利技术，下面结合附图参考实施例的描述，对本专利技术的方法进行进一步的说明。为了全面理解本专利技术，在以下详细描述中提到了众多具体细节。但是本领域技术人员应该理解，本专利技术可以无需这些具体细节而实现。在实施例中，不详细描述公知的方法、过程、组件，以免不必要地使实施例繁琐。参见图1所示，本专利技术的一种架空输电线路覆盖地区的遥感地物识别方法，包括如下步骤：步骤1，采集架空输电线路覆盖地区的高空间分辨率多光谱图像、低空间分辨率多光谱图像、激光点云图像，分别进行图像预处理；步骤2，针对所述高空间分辨率多光谱图像进行地物自动分类，根据图像特征将地物分成N类；步骤3，将所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行配准；步骤4，对所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行融合，生成分辨率融合图像，所述分辨率融合图像保留了所述高空间分辨率多光谱图像的高空间分辨率特征、所述低空间分辨率多光谱图像的多波段光谱信息特征、以及N类地物的分类信息特征。步骤5，根据所述激光点云图像和所述N类地物分类信息特征，分析所选架空输电线路覆盖地区的地物特征，进而确定N类地物类别；步骤6，将所述分辨率融合图像和所述激光点云图像进行配准；步骤7，对所述分辨率融合图像和所述激光点云图像进行融合，生成特征融合图像，所述特征融合图像保留了所述分辨率融合图像的高空间分辨率特征和多波段光谱信息特征、所述N类地物的分类信息特征、以及所述激光点云图像的地物几何特征和高程信息特征；步骤8，根据所述特征融合图像的图像特征和所述N类地物的类别，在所述特征融合图像中选取N类地物类别对应的地物样本，确定所述N类地物样本及各自所属的地物类别，所述特征融合图像的图像特征包括分辨率特征、光谱信息特征、地物几何特征和高程信息特征；步骤9，针对所述特征融合图像中的每一像素，选择分类方法和相应参数，执行架空输电线路覆盖地区的遥感地物识别。优选地，其中，所述高空间分辨率多光谱图像采用IKONOS或QuickBird等遥感卫星影像，所述低空间分辨率多光谱图像采用TM、Aster或Hyperion等遥感卫星影像。优选地，其中，进行图像预处理具体包括：对高空间分辨率多光谱图像和低空间分辨率多光谱图像进行空间滤波；对激光点云图像进行点云滤波。优选地，其中，所述步骤2中，采用非监督分类方法进行地物自动分类。优选地，其中，所述步骤5，所述N类地物类别具体包括：水体、植被、裸地、道路、建筑物、输电线路，以及未知类别等。优选地，其中，所述光谱信息特征包括亮度、饱和度或色调。优选地，其中，所述步骤7，分类方法采用如下方法：针对所述特征融合图像中的每一待分类像素点i，分别求取其与已确定所属地物类别的第j类地物样本之间的特征相关性(j∈N)，得到所述特征融合图像的各像素点与各地物类别之间的相关度R，其中，Xi为所述待分类像素点i的光谱特征值，为所述特征融合图像的光谱特本文档来自技高网...

【技术保护点】
1.一种架空输电线路覆盖地区的遥感地物识别方法，其特征在于，包括如下步骤：步骤1，采集架空输电线路覆盖地区的高空间分辨率多光谱图像、低空间分辨率多光谱图像、激光点云图像，分别进行图像预处理；步骤2，针对所述高空间分辨率多光谱图像进行地物自动分类，根据图像特征将地物分成N类；步骤3，将所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行配准；步骤4，对所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行融合，生成分辨率融合图像，所述分辨率融合图像保留了所述高空间分辨率多光谱图像的高空间分辨率特征、所述低空间分辨率多光谱图像的多波段光谱信息特征、以及N类地物的分类信息特征。步骤5，根据所述激光点云图像和所述N类地物分类信息特征，分析所选架空输电线路覆盖地区的地物特征，进而确定N类地物类别；步骤6，将所述分辨率融合图像和所述激光点云图像进行配准；步骤7，对所述分辨率融合图像和所述激光点云图像进行融合，生成特征融合图像，所述特征融合图像保留了所述分辨率融合图像的高空间分辨率特征和多波段光谱信息特征、所述N类地物的分类信息特征、以及所述激光点云图像的地物几何特征和高程信息特征；步骤8，根据所述特征融合图像的图像特征和所述N类地物的类别，在所述特征融合图像中选取N类地物类别对应的地物样本，确定所述N类地物样本及各自所属的地物类别，所述特征融合图像的图像特征包括分辨率特征、光谱信息特征、地物几何特征和高程信息特征；步骤9，针对所述特征融合图像中的每一像素，选择识别方法和相应参数，执行架空输电线路覆盖地区的遥感地物识别。...

【技术特征摘要】
1.一种架空输电线路覆盖地区的遥感地物识别方法，其特征在于，包括如下步骤：步骤1，采集架空输电线路覆盖地区的高空间分辨率多光谱图像、低空间分辨率多光谱图像、激光点云图像，分别进行图像预处理；步骤2，针对所述高空间分辨率多光谱图像进行地物自动分类，根据图像特征将地物分成N类；步骤3，将所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行配准；步骤4，对所述高空间分辨率多光谱图像和所述低空间分辨率多光谱图像进行融合，生成分辨率融合图像，所述分辨率融合图像保留了所述高空间分辨率多光谱图像的高空间分辨率特征、所述低空间分辨率多光谱图像的多波段光谱信息特征、以及N类地物的分类信息特征。步骤5，根据所述激光点云图像和所述N类地物分类信息特征，分析所选架空输电线路覆盖地区的地物特征，进而确定N类地物类别；步骤6，将所述分辨率融合图像和所述激光点云图像进行配准；步骤7，对所述分辨率融合图像和所述激光点云图像进行融合，生成特征融合图像，所述特征融合图像保留了所述分辨率融合图像的高空间分辨率特征和多波段光谱信息特征、所述N类地物的分类信息特征、以及所述激光点云图像的地物几何特征和高程信息特征；步骤8，根据所述特征融合图像的图像特征和所述N类地物的类别，在所述特征融合图像中选取N类地物类别对应的地物样本，确定所述N类地物样本及各自所属的地物类别，所述特征融合图像的图像特征包括分辨率特征、光谱信息特征、地物几何特征和高程信息特征；步骤9，针对所述特征融合图像中的每一像素，选择识别方法和相应参数，执行架空输电线路覆盖地区的遥感地物识别。2.如权利要求1所述的方法，其中，所述高空间分辨率多光谱图像采用IKONOS或QuickBird等遥感卫星影像，所述低空间分辨率多光谱图像采用TM、Aster或Hyperion等遥感卫星影像。3.如权利要求...

【专利技术属性】
技术研发人员：王轶，费香泽，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，
类型：发明
国别省市：北京,11