[发明专利]一种遥感影像输电线路走廊森林区域提取方法

说明书

本发明公开了一种遥感影像输电线路走廊森林区域提取方法，包括：步骤1，SVM分类器的训练：从遥感影像训练样本提取场景单元训练样本，采用人工目视方式定义各场景单元训练样本的场景类别并采用标号标记；提取各场景单元训练样本的全局特征；采用场景单元训练样本的场景类别标号和全局特征组合训练SVM分类器；步骤2，采用已训练的SVM分类器对遥感影像测试数据进行分类：从遥感影像测试数据提取场景单元；提取各场景单元的全局特征；基于场景单元的全局特征组合，采用已训练的SVM分类器提取森林区域。本发明可加强对提取目标描述的完备性，从而提高森林区域提取的准确率。

技术领域

本发明属于遥感影像智能化分析技术领域，特别涉及一种遥感影像输电线路走廊森林区域提取方法。

背景技术

输电线路是电网运行的命脉，是关系国计民生的“生命线”。随着我国国民经济的快速发展，我国电网的建设事业已步入崭新时代。超高压输电线路已成为我国电网的主网架，特高压输电线路也相继建成投入运营。值得注意的是，当输电线路沿线多经过森林区域时，由于输电线路走廊内林木杂草众多，在久旱无雨、春耕开荒等时候极易引发山火，导致输电线路跳闸。湖北输电线路走廊区域具有气候复杂、地形多变、植被茂盛等特点，尤其是近年来，省内输电线路因山林火灾、烧荒等引起的大范围跳闸停电停运故障越来越多。从2005年至今，湖北省内因山火而引发的输变电线路跳闸事故共有10余次。特别是2013年冬季干燥，湖北境内仅500kV线路附近每天均发生30余起山火，使得电网各运维部门投入大量人力物力进行防范。因此，对输电线路走廊区域，特别是山火多发敏感区域的森林进行有效识别与提取，对指导输电线路走廊植被管理意义重要。

资源三号是我国首颗高精度民用立体测绘卫星，其所配备的三线阵测绘相机和多光谱相机等有效载荷可采用三线阵成像方式，通过正视、前视、后视及多光谱相机获取所观测区域的高分辨率遥感影像。影像中除了含有普通遥感影像的光谱信息外，还包含大量地表物体的形状结构、纹理信息、上下文信息等。相对低分辨率多光谱图像而言，高分辨率遥感图像具有丰富的空间信息和地物几何结构，纹理信息也更加明显，更加便于认知地物的属性特征。因此对“资源三号”卫星影像场景的快速理解和自动标注问题也受到了更多关注。

随着电网建设的不断发展，高压、特高压输电线路将覆盖更多环境复杂区域，尤其以大面积森林区域为高度关注的重点。了解森林覆盖面积和生长特性，能为输电线路走廊的设计和外绝缘配合提供可靠依据；同时，对合理选择输电线路送电路径走向和植被管理具有重要参考价值。由于遥感影像在成像过程中受到环境因素影响，使得同一类别场景在光照、方向、尺度上呈现出较大区别。另一方面，不同类别场景可能包含相同目标类别，只是由于目标类别在空间位置和疏密程度上的不同导致了场景类别的差异^[1]。因此，由于遥感场景的复杂性和多变性，使得从中对输电线路走廊区域的森林地物智能化提取成为了一项具有挑战性且意义重大的工作。

随着计算机技术的普及与发展，智能化、机械化已成为备受关注的热点。机器学习是仿照人类大脑工作方式，让计算机学习类似于大脑的工作方式。人类日常生活中所完成的各种简单动作，如果让计算机完成，则需要利用高度复杂的神经网络^[2]。Hinton等人^[3]提出的深度学习，掀起了神经网络研究的一次浪潮。深度学习是为了得到有助于理解图片、声音、文本等数据所表述意义而进行的多层次表示和抽取学习^[4]。而用简单的机器学习，例如用含2个或3个隐含层的神经网络，无法达到与人类类似的判别决策。这就需要多层的学习器，逐层学习并把学习到的知识传递给下一层，以便下层能够得到更高级别的表述形式，期望可以得到与人类类似的结论^[5]。

文中涉及如下参考文献：

[1]徐侃,杨文,陈丽君等.利用主题模型的遥感图像场景分类[J].武汉大学学报：信息科学版,2011,(5):540-543.