[发明专利]一种基于卫星遥感的输电杆塔结构状态的评估方法和系统

权利要求书

1.一种基于卫星遥感的输电杆塔结构状态的评估方法，其特征在于，包括：

通过卫星遥感获取待评估的输电杆塔影像；

利用预先构建的多个分类模型，对所述待评估的输电杆塔影像在各设定结构状态下出现概率进行预测；

基于各分类模型得到的预测结果以及对各分类模型预测结果设定的权重，确定所述输电杆塔的结构状态；

其中，所述分类模型基于输电杆塔各设定结构状态下的历史影像训练得到；

所述各分类模型的构建，包括：

获取输电杆塔各设定结构状态下的历史影像，并对各历史影像进行处理构建训练集；

基于所述训练集分别对多个分类模型进行训练，得到各分类模型下设定结构状态的特征；

所述设定结构状态包括：杆塔倒塔、塔头大幅形变、杆塔倾斜、塔材丢失和主材弯曲；

所述分类模型包括：逻辑回归分类模型、支持向量机分类模型和深度学习模型；

所述输电杆塔影像和历史影像，均包括：光学本体影像、光学阴影影像和雷达本体影像中的至少一种；

所述利用预先构建的多个分类模型，对所述待评估的输电杆塔影像在各设定结构状态下出现概率进行预测，包括：

采用逻辑回归分类模型分别计算光学本体影像、光学阴影影像以及雷达本体影像与各设定结构状态下影像对应特征的相似概率；

采用支持向量机分类模型分别计算光学本体影像、光学阴影影像及雷达本体影像与各设定结构状态下影像对应特征的相似概率；

采用深度学习模型分别计算光学本体影像、光学阴影影像及雷达本体影像与各设定结构状态下影像对应特征的相似概率；

所述基于各分类模型得到的预测结果以及对各分类模型预测结果设定的权重，确定所述输电杆塔的结构状态，包括：

对光学本体影像、光学阴影影像在各分类模型下的预测结果设定第一权重，并基于所述第一权重计算光学影像对应的预测结果；

对雷达本体影像在各分类模型下的预测结果设定第二权重，并基于所述第二权重计算雷达本体影像对应的预测结果；

对光学影像对应的预测结果和雷达本体影像对应的预测结果设定第三权重，并基于所述第三权重计算最终的预测结果；

取预测结果中概率最大值对应的结构状态为所述输电杆塔的结构状态；

所述对光学本体影像、光学阴影影像在各分类模型下的预测结果设定第一权重，包括：

确定所述光学本体影像和光学阴影影像中输电杆塔对应的太阳高度角；

基于所述太阳高度角和设定阈值确定光学本体影像、光学阴影影像在各分类模型下预测结果的第一权重。

2.如利要求1所述的方法，其特征在于，对输电杆塔的各历史影像进行处理构建训练集，包括：

基于光学卫星遥感获取输电杆塔在各设定结构状态下的历史光学影像；

在所述的各历史光学影像中分别提取输电杆塔的本体影像特征和阴影影像特征，构建历史光学本体影像训练集和历史光学阴影影像训练集；

基于雷达卫星遥感获取输电杆塔在各设定结构状态下的历史雷达影像，并在所述的各历史雷达影像中提取输电杆塔的本体影像特征，构建历史雷达本体影像训练集；

对所述历史光学本体影像训练集、历史光学阴影影像训练集和历史雷达本体影像训练集中的图像进行旋转缩放完成各训练集的构建。

3.如利要求1所述的方法，其特征在于，所述光学本体影像、光学阴影影像在各分类模型下预测结果的第一权重关系为：

当所述太阳高度角大于最大阈值时，阴影影像的深度学习模型预测结果权重阴影影像的支持向量机模型预测结果权重阴影影像的逻辑回归模型预测结果权重本体影像的深度学习模型预测结果权重本体影像的支持向量机模型预测结果权重本体影像的逻辑回归模型预测结果权重；

当所述太阳高度角小于最小阈值时，本体影像的深度学习模型预测结果权重本体影像的支持向量机模型预测结果权重本体影像的逻辑回归模型预测结果权重阴影影像的深度学习模型预测结果权重阴影影像的支持向量机模型预测结果权重阴影影像的逻辑回归模型预测结果权重；

所述太阳高度角大于等于最小阈值小于等于最大阈值时，本体影像的深度学习模型预测结果权重阴影影像的深度学习模型预测结果权重本体影像的支持向量机模型预测结果权重阴影影像的支持向量机模型预测结果权重本体影像的逻辑回归模型预测结果权重阴影影像的逻辑回归模型预测结果权重。