(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210722493.4 (22)申请日 2022.06.24 (71)申请人 国网天津市电力公司电力科 学研究 院 地址 300384 天津市滨 海新区华苑产业区 海泰华科四路8号 申请人 国网天津市电力公司 　 国家电网有限公司 (72)发明人 郑中原　姜玲　于金山　张佳成　 刘桂华　于奔　屈斌　赵鹏　 鱼小兵　李谦　刘盛终　马伯杨　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 专利代理师 王来佳(51)Int.Cl. G06V 20/13(2022.01) G06V 10/24(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) (54)发明名称 一种基于高分遥感的输电线路拆迁房屋识 别方法 (57)摘要 本发明涉及一种基于高分遥感的输电线路 拆迁房屋识别方法， 包括如下步骤： 1)高分影像 获得及处理； 2)高分影像裁剪； 3)建立拆迁房屋 解译库； 4)获得拆迁房屋位置； 5)拆迁房屋状态 识别； 6)解译归档保存。 本发明打破了传统人工 监测时效性差、 数据准确率低、 成本高等局限性， 提高工作效率， 拆迁房屋识别效率高， 识别精确， 能够保证输电线路建设的边导线范围内拆迁房 屋的精确识别， 便于后续拆迁工作安排， 保证居 住人员安全， 同时也确保输电线路建设的顺利安 全进行， 为后续输电线路拆迁房屋识别提供了一 种新的监测手段。 权利要求书3页 说明书7页 附图2页 CN 114998762 A 2022.09.02 CN 114998762 A 1.一种基于高分遥感的输电线路拆迁房屋识别方法， 其特 征在于： 所述方法的步骤为： S1、 通过输电线路杆塔位置信息获取施工前高分影像P及施工中高分影像B， 并依次通 过辐射定标、 大气校正、 几何校正、 影像融合处理， 消除天气、 传感器、 地形误差， 使高分影像 P、 B获得投影坐标； 1)辐射定标 是将影像的原始DN值， 即像元亮度值 转换为辐射亮度值； L＝gain*DN+bias 其中： L为辐射亮度值； gain为影像增益； bias为影 像偏置； 2)大气校正是将辐射亮度转换为表观反射率， 表观反射率等于大气层顶表面的出射度 M和入射度E之比 其中： η为大气层顶 表观反射率； M和E分别是 大气层顶的出射度和入射度； L为大气层顶进入卫星传感器的辐亮度； D为太阳到地球的平均距离， 该数值与传感器成像时间有关， 波段和传感器不同ESUN取 值也不相同， 故称为传感器波段平均太阳辐照度(Band  Mean Solar Irradiance， BMSI)， β 为太阳天顶角； 3)几何校正是利用地面控制点GCP对各种因素引起的遥感图像几何畸变进行校正， 以 一副影像为基准f(x,y)， 去校正原 始影像g(x’,y’)， 假设两幅影 像的几何畸变关系为 通常k1(x,y),k2(x,y)可用多 项式来近似表示， 则 利用基准影像上若干点坐标， 求解未知参数， 然后从原始影像上， 计算对应像素的校正 坐标， 同时把像素 灰度值赋予到对应 像素， 即完成原 始影像几何校正； 4)影像融合是将低分辨率影像与高分辨率影像 融合获取新影像， 影像 融合采用基于面 积的影像融合方法， 基于面积的融合方法通常采用固定大小的窗口对高分辨率影像进 行滤 波， 滤波后的像素值作为该点细节信息强度的度量； S2、 利用GIS软件的裁剪功能， 获取输电线路外2km范围内的高分影像， 裁剪后的施工前 高分影像为PC， 裁 剪后的施工中 高分影像为BC； S3、 基于高分影像上拆迁房屋的光谱、 形状及纹理特征， 结合真实的房屋形态， 建立拆 迁房屋的解译库； 利用can ny边缘检测算法提取不同阶段房屋的纹 理特征； 1)运用高斯内核 进行卷积降噪； 2)对去噪后的图像采用sobel 算子计算梯度和方向；权　利　要　求　书 1/3 页 2 CN 114998762 A 23)在获得梯度和方向， 去除所有不是边界的点， 逐渐遍历像素点， 判断当前像素点是否 与周围像素点中具有相同方向梯度的最大值， 是则保留， 不是则为0； 4)在3)基础上， 梯度取两次阈值T1和T2， 0.4*T1＝T2， 把梯度值小于T1(一般的取值要 保证梯度最大的前的像素被保留下来)的像素的灰度设为0， 得到图像1， 然后把梯度值小于 T2的像素的灰度设为0， 得到图像2； 由于图像1的阀值较高， 去除了大部 分噪声， 但同时也损 失了一些有用的边缘信息， 而图像2的阀值较低， 保留了较多的信息， 我们可以以图像1为基 础， 以图像2为补充来连接图像的边 缘； 若地物边缘是规整的矩形形状时， 则房屋未超前； 若地物边缘是数量多且碎小时， 判断 房屋拆迁但未恢复； 若地物与周边环境无法获取边 缘时， 则房屋拆迁已恢复； S4、 根据水土保持方案规定， 核查输电线路边导线外一定范围内的房屋， 利用GIS和矢 量化技术， 获得输电线路拆迁房屋位置； 利用GIS的支持向量机算法进行房屋自动识别， 结合矢量化技术， 对自动识别结果进行 检查， 把提取错误的结果进行剔除与修正， 提高房屋识别精度， 然后利用GIS工具获取房屋 的经纬度坐标； 支持向量机(Supp ort Vector Machine， SVM)就是建立一个最优决策超平面， 使得该平 面两侧距离该平面最近的两类样本之 间的距离最大化， 从而对分类问题提供良好的泛化能 力； 设线性可分样本集为(xi,yi),i＝1,…,n,x∈Rd,y∈{+1, ‑1}是类别符号， d维空间中线 性判别函数的一般形式为T(x)＝w ·x+b， 分类线方程为w ·x+b＝0， 将判别函数进行归一 化， 使两类所有样本都满足|T(x)|≥1， 即使离分类面最近的样本的T(x)＝1此时分类间隔 等于2/||w||， 因此使间隔最大等价于使||w||最小， 要求分类线对 所有样本正确分类， 需要 满足yi(w·xi+b)‑1≥0,i＝1,…,n； S5、 对提取的拆迁房屋识别拆迁状态； S6、 将解译成果进行统计分析， 并归档保存， 完成输电线路拆迁房屋的识别。 2.根据权利要求1所述基于 高分遥感的输电线路拆迁房屋识别方法， 其特征在于： 所述 步骤S5中拆迁房屋拆迁状态 识别的具体步骤为： 1)拆迁房屋状态分为3类， 包括房屋未拆迁、 房 屋拆迁未恢复、 房屋拆迁已恢复， 分别用 η1、 η2、 η3表示， 每个类别发生的概 率(先验概 率)分别为P( η1)、 P( η2)、 P( η3)； 2)假设有未知类别样本Q， 其类条件概 率分别为P(Q| η1)、 P(Q| η2)、 P(Q| η3)； 3)根据贝叶斯定理可以得到样本Q出现的后验概 率为： 4)以样本Q出现的后验概 率作为判别函数来确定样本Q的所属类别， 其分类准则为： 如果 则Q∈ ηi。权　利　要　求　书 2/3 页 3 CN 114998762 A 3