[发明专利]一种网络检测输电线路地表环境变化的方法及系统

说明书

一种网络检测输电线路地表环境变化的方法及系统，包括：获取数据输电线路所在地的原始图像和时间序列图像；将获取的原始图像和时间序列图像带入预先建立的全卷积网络预测模型得到所述原始图像和时间序列图像的当前地表元素特征图；将原始图像和所述当前地表元素特征图进行比对，确定所述输电线路地表环境是否发生变化，可在极短时间内成功提取裸地、建筑物、植被、道路以及阴影，准确率极高。

技术领域

本发明涉及理论技术领域，具体涉及一种网络检测输电线路地表环境变化的方法及系统。

背景技术

传统的高分辨率遥感影像主要应用方式为目视解译，即通过判图人员沿输电通道、逐个区域进行地面目标人工判读，最终给出地表覆盖、变化等地表目标属性的获取，再此基础上进一步做出输电通道风险评估决策。这种纯人工方式往往过度依赖判图人员的解译经验，无法实现统一解译标准。在针对长距离输电通道环境检测任务时，该方式需要投入大量解译工作，实效性往往难以保证要求。在高分辨率影像智能分析领域，很多研究都将应用自动分类等模式识别技术，部分实现自动/半自动解译。然而自动解译成果往往由于精度不足无法实际应用。

发明内容

为了解决现有技术中所存在的问题，本发明提供一种网络检测输电线路地表环境变化的方法及系统。

本发明提供的技术方案是：

一种网络检测输电线路地表环境变化的方法，其特征在于，所述方法包括：

获取数据输电线路所在地的原始图像和时间序列图像；

将获取的原始图像和时间序列图像带入预先建立的全卷积网络预测模型得到所述原始图像和时间序列图像的当前地表元素特征图；

将原始图像和所述当前地表元素特征图进行比对，确定所述输电线路地表环境是否发生变化。

优选的，所述全卷积网络预测模型的建立，包括：

基于所述历史地表的原始图像和时间序列图像划分为训练集和验证集；

将训练集中的原始图像和时间序列图像进行融合；

基于所述融合后的图像与通过卷积、池化和反卷积得到的元素特征图与所述时间序列图像的特征进行映射；

基于所述映射关系建立所述全卷积网络预测模型。

优选的，所述将获取的原始图像和时间序列图像带入预先建立的全卷积网络预测模型得到所述原始图像和时间序列图像的当前地表的元素特征图，包括：

将所述原始图像和时间序列图像进行融合；

基于融合后的图像获取RGB、灰度图和边缘检测图，并进行卷积和池化得到对应的三张热图；

对所述三张热图加权叠加合并成一张热图，对所述热图进行反卷积获得当前地表的元素特征图。

优选的，所述基于所述映射关系建立所述全卷积网络预测模型，还包括：全卷积网络预测模型的损失函数，计算式如下：

式中，C表示预测的元素特征个数；w_ij表示输电线路所在地原始图像的第i个卷积层的第j个卷积特征；b为偏置；z_i表示全卷积网络输电线路所在地原始图像的第i个卷积输出；a_i表示每个像素点的元素特征值；y_i表示每个像素点真实的特征值。

优选的，所述全卷积网络预测模型的建立，还包括：全卷积网络预测模型的验证；

将所述验证集带入所述全卷积网络预测模型，得到验证集原始图像和时间序列图像的元素特征图；

基于所述元素特征图与验证集的地表图像对比，计算召回率和精度；