本发明专利技术涉及卫星影像地物提取技术领域，更具体的说是涉及一种基于卫星影像的光伏面板提取方法，包括：对图像进行中值滤波和自适应直方图均衡化；图像进入图像编码器获取图像特征映射；自动生成密集提示点，利用提示编码器转化为提示映射；图像特征映射与提示映射输入至掩码解码器生成图像分割结果；分类器将分割结果中的每一个掩码进行分类，提取光伏面板。本发明专利技术通过将SAM模型与SVM分类模型进行结合，能够在不同成像条件下进行光伏面板的精确识别。
【技术实现步骤摘要】
本专利技术涉及卫星影像地物提取，更具体的说是涉及一种基于卫星影像的光伏面板提取方法。
技术介绍
1、卫星遥感技术作为一种快速高效获取地表地物信息的技术手段，可用于监测地球表面的各种特征和资源。近年来，随着卫星传感器空间分辨率、光谱分辨率、时间分辨率的提高，使得基于卫星影像进行光伏面板的提取成为可能。
2、目前利用卫星遥感影像进行光伏面板提取方法多基于深度学习模型进行，如deeplab v3+、u-net、mask r-cnn等，这些模型能够有效地从复杂背景中分割出光伏面板的轮廓，提高光伏面板的识别精度。然而因为大型光伏电站多建设于荒漠戈壁、山地等区域，卫星影像受制于周围环境的复杂混合以及不同时间、不同天气条件下的变化，导致同一地区光伏面板在不同成像条件下所表现出光谱特征的不一致，使得基于深度学习模型的光伏面板提取方法在面对不同成像条件下的光伏面板提取时，精度大大降低，想要改善此种情况大多采用增加样本的方式，这大大增加了人工标注成本，给光伏面板的提取带来困难。而segment anything model（sam）通过在1100万张影像上进行训练，得到一个能够对万物进行分割的分割模型。但是sam的分割结果并不包含任何的类别信息，因此，需要将sam与分类模型进行结合，来准确地检测和提取光伏面板。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于卫星遥感影像的光伏面板识别技术，通过将sam模型与svm分类模型进行结合，有效解决了在不同成像条件下，光伏面板精确识别的问题。</p>2、为了实现上述目的，本专利技术采用如下技术方案：
3、基于卫星遥感影像的光伏面板识别模型，包括图像增强、图像编码器、提示编码器、掩码解码器和分类器五个部分，具体技术流程如下：
4、s1：对图像进行图像增强；
5、s2：图像进入图像编码器获取图像特征映射；
6、s3：提示编码器将自动生成的密集点转化为提示映射；
7、s4：图像特征映射与提示映射输入至掩码解码器生成图像分割结果；
8、s5：分类器将分割结果中的每一个掩码进行分类，提取光伏面板。
9、进一步，所述对图像进行图像增强，包括：
10、对图像进行中值滤波与自适应直方图均衡化。中值滤波通过滤波核与图像进行卷积运算，消除影像噪声，避免噪声对后续识别产生影响。自适应直方图均衡化通过计算图像的局部直方图，调整亮度分布，增加图像对比度。
11、进一步，所述图像进入图像编码器获取图像特征映射，包括：
12、首先输入图像，通过kernal_size为16、stride为16、卷积核个数为1280的卷积层，将图像映射至大小为4096×1280的向量序列，并初始化代表类别的向量，与映射后的图像向量序列进行拼接，获得大小为4097×1280的向量序列，然后赋予每一行向量位置编码信息，并与输出的向量序列进行相加。完成对向量序列位置编码后，重复进行32次encoderblock操作，输出的向量序列通过卷积的方式，降低图像特征维度，最终获得1×64×64×256的图像特征向量。
13、其中encoder block包括：
14、首先进行层归一化（layer normalization，ln），进一步进行多头自注意力操作，进一步的进行残差与层归一化，进一步的进行mlp，最后进行残差。其中mlp操作包括：
15、进行全连接层对向量序列进行线性拉伸；
16、使用gelu激活函数进行激活；
17、进入全连接层变换向量序列尺度；
18、进一步的，提示编码器将自动生成的密集点转化为提示映射，包括：
19、首先自动生成密集提示，设定参数控制采样点的密度以及去除低质量或重复掩膜的阈值，然后进行两次kernel_size为2、stride为2的卷积与层归一化，使用gelu激活函数进行激活，最后进行一次kernel_size为1、stride为1的卷积，输出大小为1×256×64×64的提示映射。
20、进一步的，图像特征映射与提示映射输入至掩码解码器生成图像分割结果，包括：
21、首先提示映射与目标映射进行自注意力，输出的提示映射与目标映射作为query，图像映射作为key与value进行交叉注意，并使用mlp逐点更新到每个向量序列，输出的提示映射与目标映射作为key与value，图像映射作为query，进行交叉注意。
22、然后重复上述操作两次，输出融合了提示映射的图像特征，并将输出的图像特征作为key与value，提示映射作为query，进行交叉注意。
23、最后输出的图像特征做两次上采样进行图像尺寸恢复；提示向量序列进行四次mlp，并与恢复尺寸后的图像特征进行点乘，得到分割结果。
24、进一步的，分类器将分割结果中的每一个掩码进行分类，提取光伏面板，包括：
25、标注样本，提取光伏面板的近红外、红、绿、蓝四个波段的波谱特征，构建svm分类器，训练分类模型；
26、将上述掩码解码器生成的图像分割结果输入到分类模型中，将所有掩膜进行分类，输出光伏面板的掩膜。
27、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于卫星遥感影像的光伏面板识别技术，首先图像进行图像增强，然后图像进入图像编码器获取图像特征映射，其次提示编码器将自动生成的密集点转化为提示映射，并与图像特征映射输入至掩码解码器生成图像分割结果，最后利用分类器将分割结果中的每一个掩码进行分类，提取光伏面板。本专利技术能够较好地克服在不同成像条件下卫星遥感影像的光伏面板提取问题，大大减少了对样本量的依赖，提高了光伏面板提取效率与识别准确率。
本文档来自技高网...
【技术保护点】
1.一种基于卫星影像的光伏面板提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于卫星影像的光伏面板提取方法，其特征在于，所述对图像进行图像增强，包括：
3.根据权利要求1所述的一种基于卫星影像的光伏面板提取方法，其特征在于，所述图像进入图像编码器获取图像特征映射，包括：
4.根据权利要求3所述的一种基于卫星影像的光伏面板提取方法中图像进入图像编码器获取图像特征映射，其特征在于，所述Encoder Block，包括：
5.根据权利要求4所述的一种基于卫星影像的光伏面板提取方法中图像进入图像编码器获取图像特征映射所包括的Encoder Block，其特征在于，所述MLP，包括：
6.根据权利要求1所述的一种基于卫星影像的光伏面板提取方法，其特征在于，所述提示编码器将自动生成的密集点转化为提示映射，包括：
7.根据权利要求1所述的一种基于卫星影像的光伏面板提取方法，其特征在于，所述图像特征映射与提示映射输入至掩码解码器生成图像分割结果，包括：
8.根据权利要求1所述的一种基于卫星影像的光伏面板提取方法，其特征在于，所述分类器将分割结果中的每一个掩码进行分类，提取光伏面板，包括：
...
【技术特征摘要】
1.一种基于卫星影像的光伏面板提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于卫星影像的光伏面板提取方法，其特征在于，所述对图像进行图像增强，包括：
3.根据权利要求1所述的一种基于卫星影像的光伏面板提取方法，其特征在于，所述图像进入图像编码器获取图像特征映射，包括：
4.根据权利要求3所述的一种基于卫星影像的光伏面板提取方法中图像进入图像编码器获取图像特征映射，其特征在于，所述encoder block，包括：
5.根据权利要求4所述的一种基于卫星影像的光伏面板提取方法...
【专利技术属性】
技术研发人员：王彦龙，王大鹏，林恒立，郝富，李东敬，李雪峰，陈顺华，赵玉妹，
申请(专利权)人：北京星视域科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。