一种基于高分辨率影像的光伏可开发屋顶提取方法技术

本发明专利技术公开了一种基于高分辨率影像的光伏可开发屋顶提取方法，包括：对高分辨率影像进行预处理，裁剪得到建筑物密集区域；利用主成分分析算法对建筑物密集区域进行降维处理，得到若干主成分数据；对主成分数据进行Otsu阈值分割，生成影像二值化结果图；利用决策树分类和监督分类对影像二值化结果图进行分类，得到疑似屋顶类；根据疑似屋顶类对阈值分割结果进行掩膜，掩膜结果为屋顶的离散对象；对掩膜结果进行Canny算子边缘检测，提取建筑物外形轮廓；对建筑物外形轮廓的不规则线段以及小闭环进行编辑和修复处理；用数学形态学算法对处理结果进行优化，得到最终提取结果，并计算其中光伏可开发屋顶面积。能够准确计算出光伏可开发屋顶面积。开发屋顶面积。开发屋顶面积。

【技术实现步骤摘要】
一种基于高分辨率影像的光伏可开发屋顶提取方法


[0001]本专利技术涉及遥感数据处理
，特别涉及一种基于高分辨率影像的光伏可开发屋 顶提取方法。

技术介绍

[0002]随着遥感技术的快速发展，由于高分辨率的遥感影像拥有信息量大、较容易获取、实 时性好、精确性高等特点，在多种领域中都得到了较广泛的使用。太阳能光伏技术 (Photovoltaic，PV)是太阳能有效利用的方式之一，也是目前发展速度快的高新技术产业之 一。分布式光伏主要安装在建筑屋顶、直接接入低压配电网，提高了土地资源利用率。
[0003]目前分布式光伏屋顶发展速度远不如预期，面临着许多问题，尤其是缺乏城市屋顶资 源评估的方法及相关技术。现阶段规模化建筑屋顶获取方法有限，主要采用土地利用资料和 监控区域周期性人工巡视。利用人工实地巡检获取建筑屋顶信息精度高，但该方法需要消耗 大量人力物力和时间，效率低下，已不适用于当下光伏产业的发展需求。随着遥感技术的快 速发展，遥感获取的数据不但覆盖范围广、周期短，而且分辨率非常高，为建筑物识别提供 了丰富可靠的数据源。然而，遥感地物提取也存在着许多不确定性问题，例如地物光谱存在
ꢀ“
同物异谱”或“异物同谱”等问题，导致地物难以区分或提取精度不高。国内外许多学者 对遥感影像中建筑物的识别以及光伏阵列的提取已开展相关的研究，但与高精度、高效率的 建筑屋顶自动识别提取仍存在一定的差距，且应用到实际工程中仍然需要进一步的摸索和探 究。

技术实现思路

[0004]针对现有技术地物难以区分、提取精度不高的问题，本专利技术提供了一种基于高分辨率 影像的光伏可开发屋顶提取方法，通过主成分分析算法、Otsu阈值分割、决策树分类、监督 分类、Canny算子边缘检测、数学形态学算法等步骤，对高分辨率影像的光伏可开发屋顶进 行提取，能够去除绝大部分干扰因素，具有较高的准确性。
[0005]以下是本专利技术的技术方案。
[0006]一种基于高分辨率影像的光伏可开发屋顶提取方法，包括以下步骤：S1：对高分辨率影像进行预处理，裁剪得到建筑物密集区域；S2：利用主成分分析算法对建筑物密集区域进行降维处理，得到若干主成分数据；S3：对主成分数据进行Otsu阈值分割，生成影像二值化结果图；S4：利用决策树分类和监督分类对影像二值化结果图进行分类，得到疑似屋顶类；S5：根据疑似屋顶类对阈值分割结果进行掩膜，掩膜结果为屋顶的离散对象；S6：对掩膜结果进行Canny算子边缘检测，提取建筑物外形轮廓；S7：对建筑物外形轮廓的不规则线段以及小闭环进行编辑和修复处理；S8：用数学形态学算法对处理结果进行优化，得到最终提取结果，并计算其中光伏可开发屋 顶面积。
[0007]本专利技术能够将高分辨率光学影像中目标的特征信息与多种不同数字图像处理技术新 方法有效结合，去除干扰信息，提高屋顶提取精度；利用屋顶提取结果和影像的分辨率，计 算出光伏可开发屋顶面积，为准确地获取光伏可开发屋顶信息提供技术支持。
[0008]作为优选，所述S1的过程包括：选取高分辨率影像中，矩形出现密度大于预设值的 部分，裁剪得到建筑物密集区域。由于大部分的屋顶为矩形，因此矩形的出现密度较高时， 大概率是建筑物密集区域。
[0009]作为优选，所述S2的过程包括：计算建筑物密集区域的协方差矩阵；求出协方差矩阵的特征值λ
i
以及其相应正交化单位特征向量a
i
；协方差矩阵前m个较大的特征值就是前m个主成分所对应的方差；第i个主成分F
i
为：F
i
＝a
i
X；其中X为建筑物密集区域的原始影像，X＝X
i
，i＝1，2，
…
，k，k为波段数。
[0010]作为优选，所述S4的过程包括：选择感兴趣区，分别为裸土、植被、道路、屋顶和阴影，通过各感兴趣区的统计数据，为决 策树中的各个结点设置判断条件，得到最终结果后利用混淆矩阵进行结果分析；再利用感兴趣区，使用监督分类中的最大似然分类法进行分类；最大似然分类法假设每一类 别的特征服从正态分布，构建概率分布函数；在概率分布函数的基础上，对每个像素求出其 属于不同类别的概率，比较得到的多个概率结果，属于某一类的概率最大则该类为像素的分 类结果；设像素x在类别k的条件概率为P(x|k)，像素x在类别i的条件概率为P(x|i)，那么 归属概率L
k
表示为以下形式的判别函数：L
k
＝P(k|x)＝P(k)
×
P(x|k)/∑P(i)
×
P(x|i)；P(k)是类别k的先验概率，P(i)是类别i的先验概率，由训练区确定；利用上述步骤中的感兴趣区进行初步最大似然分类，利用混淆矩阵进行结果分析，对于出现 错分、混分的区域调整感兴趣区，重新分类以改进分类结果，得到疑似屋顶类。
[0011]作为优选，所述S7的过程包括：将Canny算子边缘检测得到的建筑物外形轮廓转换为线要素；处理不规则线段和小闭环，将小闭环删除，与原影像进行对比后，调整建筑物外形轮廓中不 规则线段位置，连接断裂线段。
[0012]本专利技术的实质性效果包括：能够将屋顶区域与背景区域粗略分割；进行主成分分析、 决策树分类和监督分类，将决策树分类与监督分类进行精度对比得到疑似屋顶类；接着用分 类获得的疑似屋顶类对Otsu阈值分割结果进行掩膜处理，对掩膜结果进行Canny算子边缘检 测得到屋顶轮廓；对轮廓结果中的干扰因素进行编辑处理；最后用数学形态学方法对屋顶轮 廓结果进行处理，得到最终光伏可开发屋顶提取结果，并利用分辨率计算其面积。其中，主 成分分析去除了一些干扰信息，突出了屋顶信息，可应用于后续决策树分类；利用分类算法 和阈值分割相结合，有效去除大部分干扰信息，得到屋顶对象；使用去除干扰目标后的影像 进行Canny算子边缘检测，能够快速提取建筑物外形轮廓；利用提取结果中的像素数目和分 辨率能够计算出光伏可开发屋顶的面积。
附图说明
[0013]图1为本专利技术实施例的流程图；图2为本专利技术实施例的主成分分析结果图；图3为本专利技术实施例的Otsu阈值分割结果；图4为本专利技术实施例的疑似屋顶类对阈值分割掩膜结果；图5为本专利技术实施例的边缘检测及ArcGIS编辑处理结果；图6为本专利技术实施例的数学形态学处理结果；图7为本专利技术实施例的提取结果与真实情况对比图。
具体实施方式
[0014]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合实施例，对本技术 方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全 部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所 获得的所有其他实施例，都属于本专利技术保护的范围。
[0015]应当理解，在本专利技术的各种实施例中，各过程的序号的大小并不意味着执行顺序的先 后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本专利技术实施例的实施过程构成 任何限定。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分辨率影像的光伏可开发屋顶提取方法，其特征在于，包括以下步骤：S1：对高分辨率影像进行预处理，裁剪得到建筑物密集区域；S2：利用主成分分析算法对建筑物密集区域进行降维处理，得到若干主成分数据；S3：对主成分数据进行Otsu阈值分割，生成影像二值化结果图；S4：利用决策树分类和监督分类对影像二值化结果图进行分类，得到疑似屋顶类；S5：根据疑似屋顶类对阈值分割结果进行掩膜，掩膜结果为屋顶的离散对象；S6：对掩膜结果进行Canny算子边缘检测，提取建筑物外形轮廓；S7：对建筑物外形轮廓的不规则线段以及小闭环进行编辑和修复处理；S8：用数学形态学算法对处理结果进行优化，得到最终提取结果，并计算其中光伏可开发屋顶面积。2.根据权利要求1所述的一种基于高分辨率影像的光伏可开发屋顶提取方法，其特征在于，所述S1的过程包括：选取高分辨率影像中，矩形出现密度大于预设值的部分，裁剪得到建筑物密集区域。3.根据权利要求1所述的一种基于高分辨率影像的光伏可开发屋顶提取方法，其特征在于，所述S2的过程包括：计算建筑物密集区域的协方差矩阵；求出协方差矩阵的特征值λ
i
以及其相应正交化单位特征向量α
i
；协方差矩阵前m个较大的特征值就是前m个主成分所对应的方差；第i个主成分F
i
为：F
i
＝a
i
X；其中X为建筑物密集区域的原始影像，X＝X
i
，i＝1，2，
…

【专利技术属性】
技术研发人员：朱鹏，杨翾，沈凯，范会亮，
申请(专利权)人：国网浙江省电力有限公司杭州市临平区供电公司，
类型：发明
国别省市：