【技术实现步骤摘要】
本专利技术涉及输电塔检测，具体涉及一种用于遥感图像中输电塔检测的目标检测方法。
技术介绍
1、遥感图像的目标检测是当前图像处理领域图的研究热点之一，输电塔是国家重要的基础设施，是电力传输系统的重要组成部分，输电塔的位置信息是重要的地理空间情报。然而，由于输电塔在目标弱小且容易受周围环境的影响，使得输电塔检测存在漏检率较低的问题。
2、传统的遥感影像输电塔检测方法包括人工解译和传统机器学习，人工解译依赖于解译人员的经验和技能，效率较低；而传统的机器学习方法通过训练机器学习模型来识别遥感影像中的输电塔，具有比人工解译更高的效率和准确度，但受到训练样本和质量、模型复杂度等因素的限制，在复杂背景下和目标弱小的输电塔检测效果不佳。
3、为了克服传统的遥感影像输电塔检测方法存在的缺陷，越来越多的学者将深度学习技术应用在遥感影像中的物体检测任务中，并取得了良好效果。与此同时，遥感卫星技术快速发展，可用的高分辨率遥感影像资源越来越丰富。这使得基于高分辨率遥感影像和目标检测技自动化提取遥感影像中各类地物的地理信息成为主流，也为提取输电塔地理位置信息提供了新的可能。
4、目前基于深度学习技术的遥感影像中输电塔的目标检测算法主要分为两类，一种是将检测转化为回归问题的单阶段目标检测方法，以yolo(you onle look once)为代表，将原始图像通过网格进行划分，对每个网格中的特征进行回归预测，但是yolo检测精度较低，特别对样本弱小的目标，存在较高的漏检率；另一种是基于区域的目标检测，如rcnn(regio
技术实现思路
1、为了解决上述现有输电塔检测存在漏检率较高的技术问题，本专利技术的目的在于提供一种用于遥感图像中输电塔检测的目标检测方法，所采用的技术方案具体如下：
2、本专利技术一个实施例提供了一种用于遥感图像中输电塔检测的目标检测方法，该方法包括以下步骤：
3、构建faster rcnn网络模型，将空间金字塔池化模块加入到所述faster rcnn网络模型中，并将输出结果接入多尺度特征融合网络中，得到输电塔检测模型；
4、获取输电塔遥感影像数据集，对所述输电塔遥感影像数据集中的每个原始遥感影像进行图像处理，得到用于训练输电塔检测模型的样本数据集；
5、基于所述样本数据集对输电塔检测模型进行训练和测试，得到训练后的输电塔检测模型；
6、将待检测输电塔的遥感影像输入到所述训练后的输电塔检测模型中，得到输电塔影像中心坐标。
7、进一步地，所述输电塔检测模型的构建步骤包括：
8、先将faster rcnn网络模型中的最深特征层处加入空间金字塔池化模块；
9、再将所述空间金字塔池化模块的输出结果与相邻两特征层一同加入特征融合网络中；
10、然后，分别对输出的三个融合后特征层进行测试，选出最优尺度的所述融合后特征层，得到输电塔检测模型。
11、进一步地，所述获取输电塔遥感影像数据集，对所述输电塔遥感影像数据集中的每个原始遥感影像进行图像处理，包括：
12、获取输电塔的若干个目标区域目标分辨率的原始遥感影像，构成输电塔遥感影像数据集；
13、对每个所述原始遥感影像进行图像裁剪，得到满足所述输电塔检测模型要求的第一遥感影像；
14、对每个所述第一遥感影像进行矩形框标注，记录所述原始遥感影像的左下角坐标及所述第一遥感影像的位置信息，得到每个第二遥感影像；
15、对标注后的每个所述第二遥感影像的标砖文件进行转换，得到满足所述输电塔检测模型训练和测试的样本数据集。
16、进一步地，获得所述样本数据集之后，还包括：
17、所述样本数据集划分为训练集和测试集，所述训练集用于对输电塔检测模型进行训练，所述测试集用于对训练后的输电塔检测模型进行性能评估。
18、进一步地，所述将待检测输电塔的遥感影像输入到所述训练后的输电塔检测模型中，得到输电塔影像中心坐标，包括：
19、根据待检测输电塔的遥感影像的左下角坐标、遥感影像的所述第一遥感影像的位置信息、目标分辨率以及输电塔检测模型识别出的待检测输电塔影像的空间坐标，计算待检测输电塔的初始地理坐标；
20、根据待检测输电塔的高度和待检测输电塔的遥感影像的卫星拍摄角，计算地理坐标误差；
21、根据所述地理坐标误差和卫星的方位观测角，对所述待检测输电塔的初始地理坐标进行修正，得到输电塔影像中心坐标。
22、进一步地，所述待检测输电塔的初始地理坐标的计算公式为：
23、xi＝x0+(ai-1)*δx+k*x；yi＝y0+(bi-1)*δy+k*y；式中，[xi,yi]表示待检测输电塔的初始地理坐标，[x0,y0]表示待检测输电塔的遥感影像的左下角坐标，[δx,δy]表示待检测输电塔的遥感影像的所述第一遥感影像的长度和宽度，k表示目标分辨率，(x,y)表示输电塔检测模型识别出的待检测输电塔影像的空间坐标。
24、进一步地，所述根据待检测输电塔的高度和待检测输电塔的遥感影像的卫星拍摄角，计算地理坐标误差，包括：
25、式中，e表示地理坐标误差，h表示待检测输电塔的高度，a表示待检测输电塔的遥感影像的卫星拍摄角，sin表示正弦函数。
26、进一步地，所述根据所述地理坐标误差和卫星的方位观测角，对所述待检测输电塔的初始地理坐标进行修正，得到输电塔影像中心坐标，包括：
27、xi＝xi+e×sinaz；yi＝yi+e×cosaz；式中，[xi,yi]表示输电塔影像中心坐标，[xi,yi]表示待检测输电塔的初始地理坐标，e表示地理坐标误差，az表示卫星的方位观测角，cos表示余弦函数，sin表示正弦函数。
28、本专利技术具有如下有益效果：
29、本专利技术提供了一种用于遥感图像中输电塔检测的目标检测方法，该方法采用faster rcnn网络结构为目标检测的基础框架，并集成空间金字塔池化结构及特征融合网络，降低遥感图像中输电塔的漏检率并自动化输出检测到输电塔的地理数据，具有较高的有效性和实用性。使用空间金字塔池化和特征融合网络，融合多尺度特征信息，增强模型对弱小目标的检测能力，有效降低模型在遥感影像输电塔检测的误检率和漏检率；直接将待检测输电塔的遥感影像输入到所述训练后的输电塔检测模型中实现目标检测，能够自动化输出检测到的输电塔的地理坐标，包括误差分析及修正，简化后续处理环节，提高应用效率。
本文档来自技高网...【技术保护点】
1.一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述输电塔检测模型的构建步骤包括：
3.根据权利要求1所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述获取输电塔遥感影像数据集，对所述输电塔遥感影像数据集中的每个原始遥感影像进行图像处理，包括：
4.根据权利要求3所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，获得所述样本数据集之后，还包括：
5.根据权利要求3所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述将待检测输电塔的遥感影像输入到所述训练后的输电塔检测模型中，得到输电塔影像中心坐标，包括：
6.根据权利要求5所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述待检测输电塔的初始地理坐标的计算公式为：
7.根据权利要求6所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述根据待检测输电塔的高度和待检测输电塔的遥感影像的卫星
8.根据权利要求7所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述根据所述地理坐标误差和卫星的方位观测角，对所述待检测输电塔的初始地理坐标进行修正，得到输电塔影像中心坐标，包括：
...【技术特征摘要】
1.一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述输电塔检测模型的构建步骤包括：
3.根据权利要求1所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述获取输电塔遥感影像数据集，对所述输电塔遥感影像数据集中的每个原始遥感影像进行图像处理，包括：
4.根据权利要求3所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，获得所述样本数据集之后，还包括：
5.根据权利要求3所述的一种用于遥感图像中输电塔检测的目标检测方法，其特征在于，所述将...
【专利技术属性】
技术研发人员：刘兴科，张镇岩，郭亚，魏云龙，位吩吩，孙运钊，
申请(专利权)人：河南大学，
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。