基于面线基元关联分析和模板匹配的光伏面板提取方法研究

发布时间：2020-04-29 09:21

【摘要】：在面向对象图像分析(Object-based image analysis,OBIA)技术中,图像分类性能由图像分割、样本或者规则集、分类器共同决定。其中分割质量对于后续基元特征分析和提取有着较大影响。另一方面,模板匹配技术通过固定形状的模板从影像中识别特定地物,能够有效防止由于图像分割造成的目标形状缺陷问题,但模板创建和编辑费时费力。本研究以面线基元关联模型(Region-line primitive association framework,RLPAF)为技术支撑,将OBIA技术和模板匹配技术进行融合,并应用于高分遥感影像上光伏面板目标的自动提取。论文的主要工作如下:(1)基于RLPAF的模板自动生成。首先使用基于硬边界约束与两阶段合并的图像分割算法和相位编组法分别获取面、线基元并计算相关基元特征,然后分析光伏面板的光谱、形状等特征,设置规则集,获取疑似光伏面板面基元,最后进行面线基元关联建模,建立满足最佳适配模板要求的光伏面板标准模板集。(2)基于灰度信息的模板匹配。为了提高匹配效率,结合分割面基元的光谱特征对待匹配图像设置掩膜,缩小搜索区域,同时采用粗精结合的搜索策略减少每个位置的计算量,快速定位光伏面板的大致区域,最后选用结构相似度作为相似性度量指标实现光伏目标的精确模板匹配和提取。(3)开展了方法在高分影像上的应用实验。光伏面板尺寸较小且分布密集,实现精确到单一目标的精确定位和提取并不容易。本文选择不同区域、不同环境背景的多景无人机高分影像为实验数据源进行实验验证,完成了方法性能的全面评估和不同方法之间的对比分析。实验表明,本文算法相比常规模板匹配技术或监督分类方法,在高分遥感影像光伏面板检测方面具有相当或更高的精度,且由于不需要用户手动选取模板或者训练样本,因此算法的普适性和鲁棒性更好,体现了算法的技术特色和优势。
【图文】：

路线图,提取技术,光伏,路线图

通过图像分割和直线检测手段获取面、线基元，并计算相关基元特征，置规则集，提取光伏面板疑似面基元，最后进行面线基元关联建模，以后得到的疑似面基元为基础，与直线基元进行空间叠置分析，，自动生成伏面板模板集。逡逑２）基于灰度的模板匹配逡逑本文选择灰度信息作为数据类型进行模板匹配操作，为了提高算法的效率，选择结构相似度作为相似性度量指标，使用粗精结合的搜索策略的最佳适配模板集为基础，结合ＡＴ－近邻（尺－ＮｅａｒｅｓｔＮｅｉｇｈｂｏｒ，邋ＫＮＮ）方场景下，准确、高效的识别出无人机影像中的光伏面板，并达到制图输出（２）技术路线逡逑本文的实验技术路线主要分为两个部分，如图Ｕ所示：①面向对象。将线基元作为一种基本分析单元加入到ＯＢＩＡ中，通过面线协同分析，面基元的基础上加入线基元约束，使生成的光伏模板形状规则、边缘平于灰度的模板匹配。在匹配过程中，结合分割面基元和粗精结合的匹配高算法效率，通过非极大值抑制解决同一位置多次响应的问题。逡逑

影像,实验区,实验数据

大疆ＤＪＩ邋Ｉｎｓｐｉｒｅ〗邋ｐｒｏ可变形悟无人机，搭载相机型号为禅思Ｘ５航拍相机。实验选逡逑择了４个典型区域进行方法效果测试，具体影像参数如表１．１所示。实验数据采集逡逑于江苏省南京市的不同区域，如图１．２所示，第一个实验区域：面板数量众多，逡逑背景相对简单，但由于成像范围较广，面板形变（大小和走向）程度较大；第二逡逑个区域：光伏面板在形态、色调上差异较大，背景一般复杂；第三和第四两个实逡逑验区属于同一片区域，背景较为复杂，且都存在不同程度的曝光问题，部分面板逡逑在色调上差异较大，唯一的不同点是成像角度不同。以上影像皆未做正射校正处逡逑理，且由于摆放位置、拍照角度等的原因，光伏面板在同一幅图像的不同区域在逡逑形态（走向）上具有较大差异性，为此能够全面展现方法在不同区域的提取效果。逡逑表１．邋１影像数据逡逑实验区域逦成像日期逦飞行高度（米）图像尺度（像素）分辨率（米）逡逑实验区邋１逦２０１７冬１６逦１７７．７９２逦４０００Ｘ２２５０逦０．０４逡逑实验区２逦２０１６－７－２５逦１５４．０５３逦３３７７ｘ２１２８逦０．０３４逡逑实验区３逦２０１６－７－２０逦１４２．１８４逦４６０８
【学位授予单位】：南京师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237

【参考文献】