[0057] 规则3:图斑的亮边缘(即灰度值高于内部的边缘)占比>T4;
[0058] 其中T1、T2、T3、T4为用户自定义阈值。
[0059] 这些规则采用宽松的阈值设置,使得其不受遥感图像成像参数、模板位置、摆放角度的影响,为此保证了规则的普适性。由于面板数量较多,规则提取后,就可得到疑似光伏面板面基元。
[0060] 步骤3:结合面、线基元的特征对疑似光伏面板基元进行基于RLPAF的面线基元关系建模。首先对面线基元关联建模介绍如下:
[0061] 给定面基元Q,直线L为图像I的两个子集区域,其中Q={qi=(xi,yi)|i∈[1,k],k=|Q|},L={li=(xi,yi)|i∈[1,k],k=|L|},x和y是像素坐标,|·|代表集合的基。L需要与区域Q有交集,即
[0062]
[0063] 我们在面线关联模型中定义了方向和拓扑算子的集合,并产生Q和L的各自的子集。其中方向算子定义如下:
[0064] Dir(Q,L)={Neg(Q,L),Zero(Q,L),Pos(Q,L)}, (2)
[0065] 该集合是从Q中提取的子区域,三个子区域分别位于直线L的下方、直线上和直线的上方。其中,Neg(Q,L)被定义如下:
[0066] Neg(Q,L)={qi=(xi,yi)|yi-axi-b<0}. (3)
[0067] 我们定义拓扑算子集合如下:
[0068] Top(L,Q)={In(L,Q),Touch(L,Q),Out(L,Q),Proj(L,Q)}. (4)
[0069] 前三个操作符表示直线L的子集,分别被Q包含、相交或者相离。例如,操作符Touch(L,Q)被定义如下:
[0070] Touch(L,Q)={li|li∈BQ,li∈L}. (5)
[0071] 其中,BQ是由4-邻域定义的Q的边界像素,操作符Proj(L,Q)是指Q在L上的垂直投影得到的直线段,如图2(a)所示。
[0072] 在面线基元关联框架模型中,如果满足下式,则区域Q被认为与直线L单侧相切(Unilateraland tangent,UT):
[0073] |Pos(Q,L)|+|Zero(Q,L)|=|Q|or|Neg(Q,L)|+|Zero(Q,L)|=|Q|. (6)[0074] 为了提取有意义的关系,当面、线建立了相切关系的时候,线应该是较长的,并且该区域的投影长度不应超过落入内部的线的部分,公式如下:
[0075]
[0076] Ta和Tb是2个用户自定义的阈值。
[0077] 本实施例中,采用面线基元关联模型RLPAF进行疑似光伏面板基元位置区域的面(分割图斑)、线(直线)基元关联关系建模。如图2(a)所示,直线与区域Q可能呈包含、相交或相离三种关系,将与区域Q呈单侧相切关系的直线抽取出来,建立它们和区域Q的面线基元关联关系。
[0078] 步骤4:基于面线最佳适配度指标,对光伏面板模板进行提取,生成初步的面板模板集合。本步骤主要依赖步骤3中与面基元呈单侧相切关系的直线,通过计算面基元第一、第二主方向相切直线围成的面积是否能较好的套和疑似光伏面板面基元区域,判断该疑似光伏面板面基元是否为真正的面板基元,最后生成初步的面板模板集合。
[0079] 对于某个疑似面板的区域Q,基于面线基元关联特征的最佳适配度模板是被定义在图像I上的一个平行四边形区域(Parallelogram,PG),该平行四边形区域PG能够最为精确地套合区域Q。为了找到最佳适配度模板,我们将区域Q中所有满足公式1到7的直线放入集合{L},如图2(b)所示。所以,面线转换就是从{L}中提取满足特定条件的直线子集{L*}。该特定条件为:{L*}中所有的直线均满足以下两个条件:1)它们都是区域Q的相切直线;2){L*}中的直线的方向沿着所有相切直线{L}的第一和第二主方向。为了获取直线的主方向,我们把360度分为16个间隔,选择包含线的数目最多和次多的区间方向作为{L*}的第一、第二主方向。
[0080] 设 和 为{L*}中的第一、第二主方向的两个子集。对于一个标准矩形,其第一、第二主方向将呈垂直分布。假设L1(l1s,l1e)和L2(l2s,l2e)分别是 中的两条直线。ls和le分别代表线的起点和终点。设l12为直线L1和L2.直线的交点。不失一般性,我们假定区域Q在L1的下方,L2的右方。由三个顶点l12,l1e,和l2e可以唯一确定一个平行四边形,该平行四
[0081] 边形的第四个顶点是l′12为:
[0082] l′12=l1e+l2e-l12 (8)
[0083] 为此,该平行四边形是被区域Q和直线L1、L2定义的平行四边形,顶点是l12,l1e,l′12和l2e,我们把该平行四边形作为Q的一个候选模板,并将其表示为TP(Q,L1,L2)。如图2所示,区域Q和它的相切线也能组成其他候选模板,例如TP(Q,L1,L4),TP(Q,L2,L3),和TP(Q,L3,L4)。
[0084] 定义候选模板TP和区域Q的匹配度ρ为:
[0085]
[0086] 其中Li属于 Lj属于 |·|代表集合的基。定义区域Q的最佳适配度模板BTP应满足如下条件:
[0087] BTP(Q)=argmaxTPρ(Q,TP(Q,Li,Lj))
[0088] (10)
[0089] 即在所有由第一、第二主方向直线线对围成的候选模板中,面积和区域Q最接近的平行四边形即为最佳适配度模板。
[0090] 在面向对象图像分析中,区域Q通常是通过图像分割获取的,如果采用多尺度分割进行区域合并操作,则通过父图斑求得的最佳适配度模板比子图斑可能更加契合。所谓多尺度分割,这里是指在图像分割中指定多个尺度参数,大尺度图斑(父图斑)由小尺度(子)图斑合并而来,并建立父图斑由哪些子图斑合并而来的父子关系。据此,我们定义基于尺度的最佳适配度模板(Scale-based BTP,SBTP)。令{Q(s)|s∈N}是一个由多尺度图像分割得到的具有父子关系的所有尺度的分割结果的集合,其中s是分割尺度参数,N是自然数。在分割层次上,大尺度的父图斑是由附近几个小尺度的邻居子图斑合并组成。因此,对于{Q(s)}中的某个Q,其SBTP定义如下:
[0091] SBTP(Q)=argmaxTPρ(Q(s),TP(Q(s),Li,Lj)) (11)
[0092] 其中,Li,Lj分别是分别属于第一、第二主方向的两条直线,公式(11)表示在多尺度分割所得到的图斑序列中,挑选出和其BTP面积最为接近的那个图斑所对应的BTP作为SBTP。
[0093] 为挑选出合格的基于尺度的最佳适配模板(Qualified SBTP,QSBTP),还要求其与区域Q之间匹配度满足所设阈值,即:
[0094] ρ(Q,SBTP(Q))>Tρ (12)因此,通过多尺度分割获取QSBTP可以比单尺度分割获取到的更多合适模板。
[0095] 通过上述定义可知,模板的大小由面基元Q和Q的线基元的尺寸共同确定。模板的形状包括角度和方向由直线基元确定,模板所需要的光谱(灰度)信息由其面基元确定。因此,在面线基元关联框架模型中,面基元与线基元高度融合,体现了面线基元关联框架模型的技术特点。由于采用相切直线约束模板生成,保证最佳适配度模板框定的图斑具有平直的四边,确保了图斑的“人工地物属性”。除此之外,相切直线实际上是边缘直线,这也保证了模板在形状上的准确性。
[0096] 步骤5:对初步得到的模板集的面积进行高斯分布建模,剔除面积离群的模板,得到最后的模板集。
[0097] 通过最佳适配度指标可确定形态精确的分割图斑对应的平行四边形区域作为后续匹配的模板集合。模板集合形成后,假定模板大小符合高斯分布,并去掉大小超过对高斯分布的4倍标准差大小的模板;这是由于光伏面板大小基本固定,面积偏离分布的过大、过小的模板均非光伏面板而被抛弃。通过以上处理可以确保剩余的模板均为形态完整的真实光伏面板。以上处理可能造成少量最佳适配度模板丢失,但其对后续匹配无影响。
[0098] 下面结合一具体应用示例对本发明的实施效果及优点进行说明。数据准备:采用具有红、绿、蓝三波段的无人机影像进行图像测试,无人机型号为大疆DJ1Inspire1pro可变形无人机,搭载禅思X5航拍相机,图像大小为3377×2128个像素。
[0099] (1)图像分割获取面、线基元。
[0100] 第一步:对训练图像集中的图像利用基于硬边界约束与两阶段合并的图像分割方法对图像进行分割。分割尺度参数设置为110,获得图像面基元,如图5所示。
[0101] 第二步:获取图像集的直线基元。相位编组法提取直线的参数设置为:梯度幅度差限为1,最短直线长度为10。得到结果如图6所示。
[0102] (2)设置规则提取疑似光伏面板面基元
[0103] 结合光谱、形状等特征设置如下规则集:
[0104] 规则1:面基元范围内蓝色块区域面积超过70%;规则2:矩形度>0.8;规则3:长宽比范围:1.0~2.0;规则4:高亮边缘占比>=0.95。
[0105] (3)面线关联建模
[0106] (4)采用面线基元最佳适配度指标,生成初步面板模板集合
[0107] 即将所有由第一、第二主方向直线线对围成的候选模板中,面积最接近区域Q的面积的候选模板标记为最佳适配模板。
[0108] (5)对初步面板模板集合的面积进行高斯分布建模,得到最终模板集[0109] 对初步面板模板集合的面积进行排序,采样位于中间位置80%数量的面板,后利用极大似然估计得到采样后面板集的均值和标准差,并抛弃面积大于均值加4倍标准差或者面积小于均值减4倍标准差之外的模板。如图7所示,得到最终模板集。
[0110] (6)采用逐点匹配的方式进行模板匹配,输出模板集中最大匹配度的模板作为某个像素点位置的匹配结果,结果如图8所示。
[0111] 相比eCognition软件的模板匹配方法,本发明方法的特色在于将面线基元关联框架模型和模板匹配技术结合应用到光伏面板提取这一任务中,提出了面线基元最佳适配度的概念,针对光伏面板的提取,设计了模板自动生成的方法。本发明具有如下优点:1)降低了方法对分割的依赖性;2)自动生成模板而非人工设定,提升了方法的普适性,降低了方法对用户的要求。