【技术实现步骤摘要】
本专利技术涉及变化检测，具体涉及一种基于高分辨率影像的输电线路通道清理房屋智能核查方法。
技术介绍
1、无人机遥感技术近年来发展迅速，因其具备高效、灵活、成本低等优势，已被广泛应用于地形测绘、农业监测、环境监控等多个领域。高分辨率影像的获取为精细化地面信息的提取提供了基础，尤其是在需要频繁监控和大范围覆盖的输电线路管理中；随着我国经济的快速发展，输电线路建设规模不断扩大，为了维护通道内人民生命财产安全，确保电网安全可靠供电，供电公司加强了电力线路通道专项治理工作，这包括对输电线路通道内不满足安全距离的房屋进行拆迁，以及防止“抢栽抢建”现象，减少社会纠纷。传统的通道走廊房屋核查依靠人工巡检，人工投入成本大、效率低下，缺乏有效的智能管控手段。随着人工智能和深度学习技术的迅猛发展，基于影像的变化检测已经成为研究热点。通过对不同时相的遥感影像进行比较，自动识别出地表物体的增减变化，变化检测技术在城市规划、灾害评估等领域中具有重要应用价值。
2、在变化检测任务中，传统的影像处理方法受限于特征提取的复杂性和变化类型的多样性，难以获得良好的效果。深度学习模型，特别是基于卷积神经网络的模型，能够自主学习影像中的复杂特征，表现出更高的检测精度和鲁棒性。changeformer模型是一种基于变换器(transformer)架构的变化检测模型，具有强大的特征提取和变化识别能力。
3、为提高建管部门输电走廊通道清理核查效率，本专利技术提供一种基于高分辨率影像的输电线路通道清理房屋智能核查方法及系统，能够有效降低人力成本和错误率，
4、现有中国专利文件cn202310426990.4，通过引入视觉transformer结构、空间和通道注意力、u形残差模块和增强特征提取模块以及自注意力特征融合模块，以实现不同建筑信息的充分融合，它可以更好地区分不同规则形状和大小的建筑物，以防止错误检测和漏检，同时提高对不同形状的建筑物及其边缘细节的特征提取能力。现有技术对于输电场景的房屋变化检测研究较少，大多数使用公开数据集进行模型测试，本专利技术旨在提供一种从数据集构建至模型搭建、结果输出的输电线路房屋智能核查全流程管控方案，实现由人工自检转变为系统自动核查，达到降本增效的目的。
技术实现思路
1、本专利技术的目的在于提供一种基于高分辨率影像的输电线路通道清理房屋智能核查方法及系统，通过输入两期无人机高分辨率遥感影像，基于智能遥感解译变化检测技术，自动提取输电通道新增房屋及房屋拆除矢量图斑，快速为管理人员提供全面准确的核查结果。
2、为实现上述技术目的，达到上述技术效果，本专利技术是通过以下技术方案实现：
3、一种基于高分辨率影像的输电线路通道清理房屋智能核查方法，包括以下步骤：
4、s1：通过无人机采集设计、施工阶段输电通道高分辨率影像，对采集到的影像进行预处理，包括几何校正、辐射校正、地理配准等，目的是减弱外界环境造成的影响；
5、s2：将处理好的双时相影像裁剪成无重复的分辨率为512×512大小的图块，使用labelme对变化区域进行标注，构建输电通道高分辨率房屋变化检测数据集；
6、s3：模型构建及模型训练：基于changeformer模型实现输电通道房屋变化检测，将数据集按照8:1:1的比例划分为训练集、验证集和测试集，得到训练模型；
7、s4：将两幅真实影像数据裁剪成无重复的分辨率为512×512大小的影像对，输入changeformer模型计算得到各图像对的变化检测结果，最后合并图像块及还原检测框到影像上，从而获取输电线路架设前后的房屋变化信息；
8、进一步的，所述步骤s1具体包括：使用envi、arcmap软件对影像进行几何校正、辐射校正、地理配准，消除由相机角度、地球曲率等因素引起的变形，减少大气条件、光照变化等对影像的影响，以确保影像的准确性和一致性。
9、进一步的，所述步骤s3中changeformer模型包括hierarchical transformerencoder及mlp decoder两个模块，输入变化检测影像对，孪生网络分别提取前后时相的多级特征；hierarchical transformer encoder模块中的difference module单元接收孪生网络不同层生成的共4组不同尺度的特征，进行拼接和融合；将上一步产生的多级特征输入mlp解码器进行聚合，得到变化检测mask输出。
10、进一步的，所述hierarchical transformer encoder模块包括downsamplingblock单元、transformerblock单元、difference module单元；
11、所述downsampling block单元包括：对每一层的特征图进行下采样操作，除了第一个特征层使用卷积核大小为7×7，步长(stride)为4，填充(padding)为3的卷积层以外，其余层使用卷积核大小为3×3，步长(stride)为2，填充(padding)为1的卷积层。
12、所述transformerblock单元包括：利用缩放因子r将(q,k,v)维度从(hw,c)reshape为(hw/r,c·r)用于加速计算，再通过一个线性层linear把维度cr降为c，最终得到一个新的(q,k,v)维度即(hw/r,c)。
13、
14、式中s表示要缩减的序列，r为设置的缩放因子。
15、为增加位置信息，使用两个mlp层和一个3×3的深度可分离卷积，如下所示：
16、fout＝mlp(gelu(conv2d3×3(mlp(fin))))+fin
17、式中fin表示self-attention的特征图，gelu表示gaussian error linearunits激活函数。
18、所述difference module单元包括：接收来自孪生网络两条分支的4种不同尺寸的特征，进行特征拼接、卷积计算、输出差异，每一层difference module计算出来的结果，都会再传递到下一层继续计算。
19、进一步的，所述mlp decoder模块具体包括：通过mlp层对每个多尺度差异特征进行处理，统一通道维度，上采样到h/4×w/4的大小，结合不同层次的差异特征图进行特征融合，然后利用转置卷积上采样到h×w，通过一系列残差块保持特征，最后经过一个分类卷积，来生成变化图。
20、进一步的，采用交并比iou、召回率rec、精度pre和f1作为评价指标：
21、
22、
23、其中，tp为被正确检测的正样本；fn为错误检测的负样本；fp为误检的正样本；tn为被正确检测的负样本。
24、一种基于高分辨率影像的输电线路通道本文档来自技高网...
【技术保护点】
1.一种基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于：所述步骤S1具体包括：使用Envi、ArcMap软件对影像进行几何校正、辐射校正、地理配准，消除由相机角度、地球曲率因素引起的变形，减少大气条件、光照变化对影像的影响，以确保影像的准确性和一致性。
3.如权利要求1所述的基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于：所述步骤S3中ChangeFormer模型包括Hierarchical Transformer Encoder及MLP Decoder两个模块，输入变化检测影像对，孪生网络分别提取前后时相的多级特征；Hierarchical Transformer Encoder模块中的Difference Module单元接收孪生网络不同层生成的共4组不同尺度的特征，进行拼接和融合；将上一步产生的多级特征输入MLP解码器进行聚合，得到变化检测mask输出。
4.如权利要求3所述的基于高分辨率影像的输电线路通道
5.如权利要求4所述的基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于：所述MLP Decoder模块具体包括：通过MLP层对每个多尺度差异特征进行处理，统一通道维度，上采样到H/4×W/4的大小，结合不同层次的差异特征图进行特征融合，然后利用转置卷积上采样到H×W，通过一系列残差块保持特征，最后经过一个分类卷积，来生成变化图。
6.如权利要求1所述的基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于：采用交并比IoU、召回率Rec、精度Pre和F1作为评价指标：
7.一种基于高分辨率影像的输电线路通道清理房屋智能核查系统，其特征在于：所述系统运行基于高分辨率影像的输电线路通道清理房屋智能核查方法，该系统搭建包括以下步骤：
...【技术特征摘要】
1.一种基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于：所述步骤s1具体包括：使用envi、arcmap软件对影像进行几何校正、辐射校正、地理配准，消除由相机角度、地球曲率因素引起的变形，减少大气条件、光照变化对影像的影响，以确保影像的准确性和一致性。
3.如权利要求1所述的基于高分辨率影像的输电线路通道清理房屋智能核查方法，其特征在于：所述步骤s3中changeformer模型包括hierarchical transformer encoder及mlp decoder两个模块，输入变化检测影像对，孪生网络分别提取前后时相的多级特征；hierarchical transformer encoder模块中的difference module单元接收孪生网络不同层生成的共4组不同尺度的特征，进行拼接和融合；将上一步产生的多级特征输入mlp解码器进行聚合，得到变化检测mask输出。
4.如权利要求3所...
【专利技术属性】
技术研发人员：黄琨，陈敬理，赵俊生，刘兴，王吉，陈凯，李嘉曦，徐劲游，聂维，刘学锐，
申请(专利权)人：北京洛斯达科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。