技术摘要：
本发明提出一种一种基于遥感影像的输电杆塔检测方法，主要是利用多源高分辨率卫星遥感数据实现输电杆塔目标自动检测提取，针对计算机视觉中物体检测方法在卫星遥感图像上存在的问题，克服了杆塔本体在俯视视角下尺寸较小、杆塔形态多变等问题，实现高分辨率光学遥感图  全部
背景技术：
为实现电网建设过程的进度监测，传统的技术手段主要包括人工巡视等。针对环 境极端多变、地形地貌复杂危险的大区域联网工程，传统方式存在监测范围小、危险性高、 受环境约束强、可靠性差等诸多约束和缺陷，在覆盖范围、时效性、可靠性及安全性等各方 面存在不足，给工程的常态化、高效化、精细化的监测与审计业务带来挑战。 与传统观测手段相比，卫星观测具有无可比拟的巨大优势，特别适用于大范围配 置、远距离输电、环境变化复杂的电网形态。具体而言，卫星遥感观测覆盖面广，可快速获取 大范围数据资料；卫星遥感观测获取信息的速度快，更新周期短，具有动态及时的特点，是 人工实地测量和航空摄影测量无法比拟的。其次，卫星遥感观测获取信息受条件限制少，在 沙漠、高山峻岭、高海拔等自然条件极为恶劣、人类难以到达的地区也可及时获取数据。此 外，卫星遥感观测获取的信息量大，可以根据任务不同，采用可见光、紫外线、红外线、微波 等不同的波段和遥感仪器，全天时、全天候获取多维度海量信息。因此，充分利用多源高分 辨率卫星遥感数据实现大区域电网工程进度的常态化进度监控。 对于高分辨率光学遥感图像中的杆塔自动检测技术，其中，目标检测是计算机视 觉中一个重要的研究方向，但与一般的计算机视觉中目标检测问题相比，遥感图像上的目 标检测存在更多的难点：(1)目标尺寸较小。受限于遥感图像的分辨率，有价值的待检测目 标长宽通常只有数十像素。(2)目标大小存在先验信息。自然图像上的物体存在近大远小的 现象，同类问题在不同图像上的大小变化范围较大，而遥感图像具有确定的分辨率信息，因 此待检测目标大小已知。(3)目标角度随机。自然图像上的目标物体通常具有较为一致的角 度，例如直立或水平。而遥感图像获得的是目标物体的俯视图像，目标的姿态角随机出现。 与基于航空(直升机或无人机)手段的输电线路本体状态监测技术研究相比，现有 的基于卫星遥感的输电线路本体状态监测技术研究较少，因为过去很长一段时间内卫星遥 感的空间分辨率无法满足本体状态监测的需求。因此，对于输电杆塔的检测，只能以点状目 标的形式分辨出来，无法实现杆塔类型的识别。近年来，卫星遥感作为对地观测的重要手段 发展非常迅速。WorldView系列光学卫星空间分辨率达到0.3m，能获取可见光到近红外8个 光谱波段，重访周期2天左右。同时，RADARSAT-2等合成孔径雷达(SAR)卫星空间分辨率达到 1m，可获取微波波段地物目标信息，满足输电线路本体大幅结构状态监测的需求，相关研究 日益丰富。2003年Liao等从淮河洪水淹没区的SAR图像中清晰地分辨了输电杆塔的目标与 走向。2005年，朱俊杰对比了北京北五环上青桥附近的SAR图像和QuickBird图像,在两幅影 像中都清晰地辨别了立交桥旁边的杆塔。这两个研究中使用的SAR数据空间分辨率达到 1.25m，输电杆塔在SAR影像上表现为明显的三角形状亮斑，可以清晰识别。在此基础上， 2007年Yang等依据高分辨率极化SAR图像建立了自动的输电杆塔识别模型，准确地提取了 7 CN 111553204 A 说　明　书 2/10 页 农田中的输电线路，提高了输电杆塔识别的自动化水平。但是，至此为止的研究均处于本体 简单识别阶段，对于输电杆塔的精细识别缺少相关研究工作。除上述基于SAR影像开展的研 究外，基于光学卫星遥感数据的输电线路检测研究也在不断发展。2015年，Chen等构建输电 导线在Cluster  Randon(CR)频域空间内的峰值特征，于国内外首次实现从Quickbird光学 卫星影像上提取输电导线，具有里程碑意义。然而，该研究中CR频域峰值特征其实对应着导 线及其阴影的边缘，需要借助先验条件去除阴影以降低虚警率。这说明单独使用CR频域峰 值特征无法鲁棒、高精度地提取输电导线，有必要改进算法对输电线路本体特征进行进一 步挖掘，以实现精确地输电线路本体的准确提取。
技术实现要素：
面向大范围电网工程建设进度的常态化监控需求，针对人工巡视等传统技术手段 在电网建设过程的进度监测和审计中存在的问题，本发明提出一种基于遥感影像的输电杆 塔检测方法，包括： 步骤1，采用遥感影像作为数据源，构造输电杆塔样本空间，形成输电杆塔检测数 据集； 步骤2，对所述输电杆塔检测数据集进行标注处理；对其中包含杆塔的遥感影像进 行标注，以提高杆塔检测对于不同分辨率、不同波段、不同成像角度遥感数据的适应性； 步骤3，将输电杆塔检测数据集拆分为本体数据集和阴影数据集； 步骤4，针对所述本体数据集和阴影数据集，分别构造各自的多角度可旋转候选框 DRBox深度学习检测模型及其目标检测网络；所述多角度可旋转候选框DRBox是带有角度信 息的可旋转候选框，可以在输入图像的不同位置搜索待检测目标； 步骤5，将输电杆塔检测任务划分为杆塔本体检测和阴影检测两部分，分别基于各 自的多角度可旋转候选框DRBox深度学习检测模型进行目标检测网络训练； 步骤6，将所述遥感影像切割为多幅预设尺寸的影像小图； 步骤7，针对所述多幅影像小图，基于杆塔本体和阴影的多角度可旋转候选框 DRBox深度学习检测模型的目标检测网络，分别进行输电杆塔的本体检测和阴影检测； 步骤8，将本体检测结果和阴影检测结果还原经纬度信息，融合到原始遥感影像 上，得到最终的输电杆塔的检测结果。 通过本发明的光学卫星遥感影像输电杆塔检测方法，利用高分辨率遥感影像实现 复杂环境下大范围输电线路杆塔目标提取。首先，为了解决卫星遥感由于照射角度变化，杆 塔本体形状信息可能获取不全的问题，提出结合杆塔本体和阴影信息综合进行杆塔目标检 测和类型识别的技术方案，使检测框架能够分别适应斜向视角(本体结构特征明显)和正下 方视角(本体结构特征不明显)两种情形。其次，在杆塔目标检测技术方案中，针对杆塔目标 长宽比较大、目标方向影响较大的问题，提出了多角度可旋转候选框DRBox深度学习检测模 型解决遥感图像可能存在的获取视角差异干扰检测结果的问题，有效适应遥感图像中输电 杆塔方向的任意性。经过与人工标注结果的比对，本发明方法的输电杆塔检测召回率可达 到80％，准确率可达到88.9％，极大减少工程化作业中的人力投入，提高了复杂环境下大范 围输电线路进度监测效率，为工程过程辅助审计提供决策依据。 8 CN 111553204 A 说　明　书 3/10 页 附图说明 图1  WorldView-1卫星电塔示意图(1:2000)； 图2  WorldView-2卫星电塔示意图(1:2000)； 图3杆塔边框标注的示意图； 图4  DRBox网络结构示意图； 图5杆塔检测工作流程图； 图6蒙东一期输电线路杆塔检测结果图； 图7为本发明实施例中输电杆塔检测方法的流程图。