[发明专利]一种基于高分辨率遥感影像输电杆塔识别与定位方法

权利要求书

1.一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，包括如下步骤：

S1：数据处理，输电杆塔的数据集主要高分系列和高景一号卫星采集，并通过几何纠正、图像融合等方式得到；通过人工进行筛选，获取不同背景、不同成像形状的输电杆塔数据集；数据集图片像素大小为416x416；将杆塔图片制作成PASCAL VOC格式的数据集并划分为训练集、验证集、测试集进行数据增广操作；

S2：根据S1中的数据集计算anchor，并替换IoU的损失函数以及非极大值抑制的改进，增加SPP模块，构建输电杆塔目标检测网络；

S3：调整网络训练参数，利用S1得到的训练数据对S2得到的目标检测网络进行最后的网络参数调整；

S4：根据S1得到的测试集、验证集与S3得到的检测模型进行输电杆塔模型训练；

S5：根据S1得到的测试集、验证集与S4得到的输电杆塔检测模型进行输电杆塔检测进行测试；

S6：根据S5测试结果来判断模型是否输出和进行参数设置继续训练与测试，循环此操作直到得到目标检测模型；

S7：根据S6得到杆塔检测模型进行输电杆塔的检测与定位。

2.根据权利要求1所述的一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，所述的步骤S1中数据处理主要包括图像的几何纠正、图像融合，工具为ENVI；数据裁剪是使用Python程序将遥感影像原图裁剪为416*416像素值大小；数据增广主要利用Python程序对数据集进行旋转、平移缩放等操作来增加数据的多样性以及避免训练过拟合，编程语言为Python3.6。

3.根据权利要求1所述的一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，所述的步骤S2中算法修改包括替换原始的anchor值，anchor是使用K-means算法多次计算并求平均得到，替换了IoU的损失函数，修改了非极大值抑制函数(DIoU-NMS)，增加了SPP网络融合不同层的杆塔特征；其中CIoU损失函数、DIoU-NMS公式如下:

CIoU损失函数：

其中：

其中：

4.根据权利要求1所述的一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，所述的步骤S3中调整网络参数：最大迭代次数为20000，批次大小设为64(根据计算机性能来设)，动量设为0.9，衰减系数为0.0005，学习率设为0.001分为为了使模型尽快收敛，减少过拟合，初始学习率设定为0.001，批量大小设置为64，在迭代次数为16000、18000时调整学习率。

5.根据权利要求1所述的一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，所述的步骤S4根据步骤S3得到调整好参数的网络进行输电杆塔的模型训练。

6.根据权利要求1所述的一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，所述的步骤S5根据步骤S1得到的测试集、验证集与步骤S4得到的输电杆塔检测模型进行输电杆塔检测进行测试。

7.根据权利要求1所述的一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，所述的步骤S6根据步骤S5测试结果来判断模型是否输出和进行参数设置、训练与测试，循环此操作直到得到目标检测模型。

8.根据权利要求1所述的一种基于高分辨率遥感影像输电杆塔识别与定位方法，其特征在于，所述的步骤S7目标检测定位主要包括输电杆塔的粗略定位和精确定位，电塔的粗略位置位置计算是在步骤S5得到检测结果的杆塔最小外接矩形的左上角像素坐标(x,y)，并在裁剪后的tif影像中计算得到杆塔的粗略坐标；再在步骤S5中得到杆塔的最小外接矩形图片，进一步对杆塔的四个根基进行识别，最后得到像素坐标(x,y)还原到tif影像中的到杆塔的精确经纬度坐标。