面对对象的特征优选电缆线路外破风险区检测方法及系统技术方案

一种面对对象的特征优选电缆线路外破风险区检测方法及系统包括:采集两幅同一电缆线路外破风险区、不同时间的影像并进行预处理；对预处理后的两幅影像进行多尺度分割，将两时相分割后的影像叠加，通过逻辑差运算，得到两幅具有相同大小对象的影像；提取图像特征，构建初始特征空间，并计算每个对象的特征；利用相关系数计算特征之间的相关性并去除冗余特征；构造特征筛选指标J

【技术实现步骤摘要】
面对对象的特征优选电缆线路外破风险区检测方法及系统


[0001]本专利技术属于卫星遥感检测
，具体涉及一种面对对象的特征优选电缆线路外破风险区检测方法及系统。

技术介绍

[0002]电力系统是国家的经济命脉和能源支柱，电力电缆作为城市电力系统中的能源供给生命线，其安全稳定运行事关国计民生。随着城市的建设发展，各类工程建设也逐渐增多，道路修建、建筑施工等人为活动引起的地物变化严重干扰电缆线路的稳定运行，需要对电缆线路周围的外破风险区进行识别提取，对可能出现的隐患及时做好安全管理措施。
[0003]目前供电公司通常采用人工实地巡检、无人机周期监测和可视化系统在线监测三种方式对电缆沿线存在的外破风险区进行管控，但由于城市发展建设工程面广量大、施工周期长、风险区分布广，传统监控手段存在工作量大，所需的人力、物力时间成本高，监测效率低等不足。卫星遥感技术因其独特的全天候、大范围、受限因素少、信息量丰富、运行成本低等独特优势，为电缆外破巡检提供新思路。
[0004]在利用遥感影像特征提取与选择识别电缆沿线外破风险区的研究中，通过经验和目视解译选取光谱特征、纹理特征、几何特征，构建初始特征空间，但初始特征空间依赖经验人员的判别，受人为干扰因素大，特征少，可能造成针对不同区域的适用性较差。因此，如何提取更适合于电缆线路沿线的施工活动或新增建设工地的特征成为基于遥感影像电缆线路外破风险区检测的重点研究的主题之一。
[0005]现有技术文件1(CN113359133A)公开了一种协同光学和雷达遥感数据的面向对象，利用分割方法对光学数据进行面向对象分割，将分割的初始结果应用于雷达差异影像，针对分割结果选择对象样本，利用距离可分性特征空间优化方法选取最佳的特征空间变化检测方法，现有技术文件1的不足之处在于，只提取了光学影像的纹理特征，未综合考虑光学影像的光谱特征、形状特征和其他自定义特征等，不能充分利用光学影像包含的信息，并且利用的距离度量可分性特征空间优化原理是依据变化和未变化样本特征的距离来判别二者差异，未考虑特征间的相关性，存在冗余特征，影响分类精度和计算效率。
[0006]针对上述存在的技术问题，亟需特征优选电缆线路外破风险区检测方法，挖掘遥感影像中建设工地的有效特征，减少冗余特征和不相关特征，降低人工干预造成的信息量偏差和区域不适用性，提高基于卫星遥感的电缆线路外破风险区智能监测稳定性和适用性。

技术实现思路

[0007]为解决现有技术中存在的不足，本专利技术提供一种面对对象的特征优选电缆线路外破风险区检测方法，挖掘遥感影像中建设工地的有效特征，减少冗余特征和不相关特征，降低人工干预造成的信息量偏差和区域不适用性，提高基于卫星遥感的电缆线路外破风险区智能监测稳定性和适用性。。
[0008]本专利技术采用如下的技术方案。
[0009]面对对象的特征优选电缆线路外破风险区检测方法，包括以下步骤：
[0010]步骤1，采集两幅同一电缆线路外破风险区、不同时间的影像并进行预处理；
[0011]步骤2，对预处理后的两幅影像进行多尺度分割，将两时相分割后的影像叠加，通过逻辑差运算，得到两幅具有相同大小对象的影像；
[0012]步骤3，提取图像特征，构建初始特征空间，并计算每个对象的特征；
[0013]步骤4，利用相关系数计算特征之间的相关性并去除冗余特征；
[0014]步骤5，构造特征筛选指标J
‑
D，基于改进的分离阈值算法获取最佳分类阈值和分类规则，基于层次分析提取电缆线路沿线的新增外破风险区。
[0015]优选地，步骤3包括依据建筑物的行向主方向和列向纹理主方向构造共生矩阵，滑动窗口为矩形；使用该共生矩阵提取20个纹理特征，包含均质性、对比度、熵、角二阶矩和相关性。
[0016]优选地，步骤3还包括采用统计的方式提取光谱特征，计算4种基本统计量，共16个光谱特征，分别为每个波段的灰度均值、标准差、亮度、最大差分和比率；
[0017]采用Canny算子得到7个形态特征，分别为面积、主要方向、长度、宽度、对象密度、长宽比和形状指数；
[0018]图像特征还包括归一化植被指数、归一化水体差异指数和建筑指数。
[0019]优选地，对象的特征计算公式为：
[0020]式中，E
k
是第k个对象的特征值；(i,j)是像素坐标；x(i,j)是像素(i,j)的特征值；P
k
是第k个对象的所有像素集合；N
k
是第k个对象的像素个数。
[0021]优选地，步骤4包括计算初始特征空间内每个特征对的相关系数矩阵，删除相关系数绝对值大于设定阈值的特征对，并循环执行计算特征对的相关系数矩阵，直到每个特征对的相关系数的绝对值小于等于设定阈值，构建特征集并对每个特征进行归一化处理。
[0022]步骤4包括：
[0023]步骤4.1，计算步骤3构建的初始特征空间中每个特征对的相关系数矩阵，计算公式为：
[0024][0025][0026]式中，R
mn
为特征m、n的相关系数，为特征m的灰度平均值，x
mk
为特征m第k个对象的灰度值、K为特征m的对象数；R
mn
取值范围为[
‑
1,1]；
[0027]步骤4.2，相关系数R
mn
绝对值大于0.9的特征对，删除特征对中的一个特征并循环执行步骤4.1直到每个特征对的相关系数的绝对值小于等于0.9；
[0028]步骤4.3，构建特征集F
m
＝(f1,f2,
…
,f
m
)，对象类别有C
p
＝(C1,C2,
…
,C
p
)，每个类别的典型样本个数为M＝(M1,M2,
…
,M
p
)，对每个类别的每个特征进行归一化处理。
[0029]步骤5.1，分别计算类间距离J和加权类内距离D，并构建构造新特征筛选指标J
‑
D；
[0030]步骤5.2，对所有分类可能性进行遍历，获取特征空间的最佳分类阈值和最佳分类规则；
[0031]步骤5.3，利用最佳分类阈值和最佳分类规则对两时相卫星遥感影像进行分类，得到两时相地物分类结果；
[0032]步骤5.4，利用两时相的分类后结果，建立类之间的层次关系，基于前一时相影像检测后一时相影像的变化情况，提取电缆线路沿线的新增外破风险区。
[0033]步骤5.1包括对某一类中的各样本与其同类样本的特征值计算特征距离，并进行距离累加，分别得到两个类别的类内距离d1和d2，对类内距离赋予样本数权重，得到加权类内距离D，计算公式如下：
[0034][0035][0036]式中，分别表示某一类别第s个样本和第l个样本的j特征值；M为某一类别内的典型样本的个数。
[0037]筛选指标J
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面对对象的特征优选电缆线路外破风险区检测方法，其特征在于，包括以下步骤：步骤1，采集两幅同一电缆线路外破风险区、不同时间的影像并进行预处理；步骤2，对预处理后的两幅影像进行多尺度分割，将两时相分割后的影像叠加，通过逻辑差运算，得到两幅具有相同大小对象的影像；步骤3，提取图像特征，构建初始特征空间，并计算每个对象的特征；步骤4，利用相关系数计算特征之间的相关性并去除冗余特征；步骤5，构造特征筛选指标J
‑
D，基于改进的分离阈值算法获取最佳分类阈值和分类规则，基于层次分析提取电缆线路沿线的新增外破风险区。2.根据权利要求1所述的面对对象的特征优选电缆线路外破风险区检测方法，其特征在于：步骤3包括依据建筑物的行向主方向和列向纹理主方向构造共生矩阵，滑动窗口为矩形；使用该共生矩阵提取20个纹理特征，包含均质性、对比度、熵、角二阶矩和相关性。3.根据权利要求2所述的面对对象的特征优选电缆线路外破风险区检测方法，其特征在于：步骤3还包括采用统计的方式提取光谱特征，计算4种基本统计量，共16个光谱特征，分别为每个波段的灰度均值、标准差、亮度、最大差分和比率；采用Canny算子得到7个形态特征，分别为面积、主要方向、长度、宽度、对象密度、长宽比和形状指数；所述图像特征还包括归一化植被指数、归一化水体差异指数和建筑指数。4.根据权利要求1所述的面对对象的特征优选电缆线路外破风险区检测方法，其特征在于：对象的特征计算公式为：式中，E
k
是第k个对象的特征值；(i,j)是像素坐标；x(i,j)是像素(i,j)的特征值；P
k
是第k个对象的所有像素集合；N
k
是第k个对象的像素个数。5.根据权利要求4所述的面对对象的特征优选电缆线路外破风险区检测方法，其特征在于：步骤4包括计算初始特征空间内每个特征对的相关系数矩阵，删除相关系数绝对值大于设定阈值的特征对，并循环执行计算特征对的相关系数矩阵，直到每个特征对的相关系数的绝对值小于等于设定阈值，构建特征集并对每个特征进行归一化处理。6.根据权利要求5所述的面对对象的特征优选电缆线路外破风险区检测方法，其特征在于：步骤4包括：步骤4.1，计算步骤3构建的初始特征空间中每个特征对的相关系数矩阵，计算公式为：
式中，R
mn
为特征m、n的相关系数，为特征m的灰度平均值，x
mk
为特征m第k个对象的灰度值、K为特征m的对象数；R
mn
取值范围为[
‑
1,1]；步骤4.2，相关系数R
mn
绝对值大于0.9的特征对，删除特征对中的一个特征并循环执行步骤4.1直到每个特征对的相关系数的绝对值小于等于0.9；步骤4.3，构建特征集F
m
＝(f1,f2,
…
,f
m
)，对象类别有C
p
＝(C1,C2,
…
,C
p
)，每个类别的典型样本个数为M＝(M1,M2,
…
,M
p
)，对每个类别的每个特征进行归一化处理。7.根据权利要求1所述的面对对象的特征优选电缆线路外破风险区检测方法，其特征在于：步骤5....

【专利技术属性】
技术研发人员：何光华，张志坚，张伟，何建益，孙柯，赵嘉豪，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：