[发明专利]一种基于遥感图像的烟囱和冷凝塔检测方法

说明书

本发明公开了一种基于遥感图像的烟囱和冷凝塔检测方法，包括：对遥感图像进行分块，将分块后的图像输入到预先训练好的离线训练模型中，利用离线训练模型中训练好的区域建议网络产生候选框以及候选框对应的目标性得分；基于目标性得分，利用非极大值抑制法以及目标性得分阈值对候选框进行筛选，得到目标候选框；将目标候选框中的图像输入到离线训练模型中训练好的快速区域卷积神经网络中进行目标检测，得到烟囱、冷凝塔和背景对应的分类得分以及目标框；基于分类得分，利用分类得分阈值和非极大值抑制法对目标框进行筛选，得到最终检测结果。本发明提供的检测方法不仅检测率高，目标框位置准确，而且速度快。

技术领域

本发明属于机器学习领域，更具体的说是涉及一种基于遥感图像的烟囱和冷凝塔检测方法。

背景技术

造成雾霾天气的一个重要的源头就是火力发电厂的工业排放。一般火力发电厂包括厂房、煤栈桥、蓄水池、冷凝塔和烟囱等设施，其中，烟囱是主要的废气排放源，而冷凝塔可以辅助判断火力发电厂的运行状态，因此，烟囱和冷凝塔目标的检测可以作为判断火力发电厂是否工作的重要标志。

目前，利用遥感图像对火力发电厂进行监测已经成为一种有效的手段，通过遥感图像对火力发电厂中的烟囱和冷凝塔进行目标检测，可以有效的帮助环保部门快速确定火力发电厂区域，判断其工作状态以及是否符合排放要求。但是，目前对烟囱和冷凝塔进行检测的方法是两套算法，需要分别对烟囱和冷凝塔进行检测，且大多数通过二值化和几何尺寸约束进行候选区域提取，并利用圆形度和直线特征对目标进行提取和分类。但是，以上方法受背景对比度、烟雾、光照以及分辨率等因素的影响较大，导致目标检测效率低。

因此，如何提高目标检测效率是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于遥感图像的烟囱和冷凝塔检测方法，有效的提高了烟囱和冷凝塔的检测效率。

为了实现上述目的，本发明采用如下技术方案：

一种基于遥感图像的烟囱和冷凝塔检测方法，具体包括以下步骤：

S1：对所述遥感图像进行分块，并将分块后的图像输入到预先训练好的离线训练模型中，利用所述离线训练模型中训练好的区域建议网络产生候选框以及所述候选框对应的目标性得分；

S2：基于所述目标性得分，利用非极大值抑制法以及目标性得分阈值对所述候选框进行筛选，得到目标候选框；

S3：将所述目标候选框中的图像输入到所述离线训练模型中训练好的快速区域卷积神经网络中进行目标检测，分别得到烟囱、冷凝塔和背景对应的分类得分以及目标框；

S4：基于所述分类得分，利用分类得分阈值和非极大值抑制法对所述目标框进行筛选，得到最终检测结果。

可选的，还包括：S5：对所述最终检测结果进行输出。

可选的，所述步骤S1具体包括：将所述遥感图像按1024×1024像素大小进行分块处理，并将分块后的图像输入到预先训练好的离线训练模型中，利用所述离线训练模型中训练好的区域建议网络产生1000个候选框以及1000 个所述候选框对应的目标性得分。

可选的，步骤S2具体包括：利用非极大值抑制法得到所述目标性得分前 50名的所述候选框，并保留所述目标性得分大于所述目标性得分阈值的候选框，得到目标候选框。

可选的，步骤S4具体包括：保留所述分类得分大于所述分类得分阈值的目标框，并利用非极大值抑制法进行非极大值抑制，得到最终检测结果。

可选的，所述目标性得分阈值为0.7。

可选的，所述分类得分阈值为0.9。

可选的，所述预先训练好的离线训练模型的具体步骤包括：