CN109254287A - 基于合成孔径雷达影像检测输电导线的方法 - Google Patents

基于合成孔径雷达影像检测输电导线的方法 Download PDF

Info

Publication number
CN109254287A
CN109254287A CN201811167119.2A CN201811167119A CN109254287A CN 109254287 A CN109254287 A CN 109254287A CN 201811167119 A CN201811167119 A CN 201811167119A CN 109254287 A CN109254287 A CN 109254287A
Authority
CN
China
Prior art keywords
area
pixel
target
neighborhood
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811167119.2A
Other languages
English (en)
Other versions
CN109254287B (zh
Inventor
齐立忠
韩文军
刘海波
张济勇
孙小虎
陈颖
张苏
张亚平
于高
蒲洁
赵雨
戴艳
穆伟光
石书祝
姚春静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Hubei Electric Power Co Ltd
State Grid Economic and Technological Research Institute
Original Assignee
State Grid Hubei Electric Power Co Ltd
State Grid Economic and Technological Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Hubei Electric Power Co Ltd, State Grid Economic and Technological Research Institute filed Critical State Grid Hubei Electric Power Co Ltd
Priority to CN201811167119.2A priority Critical patent/CN109254287B/zh
Publication of CN109254287A publication Critical patent/CN109254287A/zh
Application granted granted Critical
Publication of CN109254287B publication Critical patent/CN109254287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9094—Theoretical aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9027—Pattern recognition for feature extraction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/418—Theoretical aspects

Abstract

本发明实施例给出一种基于合成孔径雷达影像检测输电导线的方法，包括基于高分辨率合成孔径雷达影像自动检测输电杆塔；连接相邻两级输电杆塔的底部和顶部，形成底部连线和顶部连线，在所述底部连线和所述顶部连线之间的区域利用双参数局部CFAR方法检测点状目标，其中所述双参数分别设置为像素幅度和目标面积；如果像素幅度值小于检测阈值或者面积不等于第二面积门限值的区域，则判定为非目标区域，否则判定为目标区域；采用八邻域算法检测所述目标区域内相邻两级输电杆塔之间的输电导线。本发明可以在较低虚警率下检测出更多的输电杆塔目标并给出了自动准确检测高压输电导线的方法，为输电线路整体运行的安全和稳定提供了保障。

Description

基于合成孔径雷达影像检测输电导线的方法
技术领域
本发明涉及输电线路监测技术领域，尤其涉及一种基于合成孔径雷达影像检测输电导线的方法。
背景技术
随着我国社会经济的快速发展，对电能的需求不断增加，使得我国电网规模也在不断扩大。输电线路作为电网的重要组成部分，广泛分布在各种地域，而且所经地区的地形、地质、气象等环境异常复杂。极端气候、地质灾害等事件的发生都将威胁到输电线路运行的安全和稳定，甚至造成电网的大范围停电事故，给国民经济和人们生活造成严重损失。由于输电线路及杆塔的运行状态决定着整个电网的稳定和安全，因此对大范围输电线路及杆塔的安全状态进行监测，为防范和及时消除各类安全隐患提供依据，确保输电线路运行的安全和稳定，具有非常重要的意义。
传统的各种在线监测技术，比如中国发明专利201310025414.5公开的基于分布式能量获取的输电线路在线监测系统，虽然可以对输电线路及杆塔的状态进行比较准确的监测，但由于需要安装各类在线监测传感器和开发监测数据传输装置，因此这些技术应用于大范围输电线路及杆塔监测中时会大幅度增加监测成本，而且监测数据传输在通信不便的偏远地区和山区难以实现。
基于直升机等平台的机载巡线技术，比如中国发明专利201410789453.7公开的无人直升机在电网输电线路巡检的方法，虽然可以实现对较大范围内的输电线路及杆塔进行监测，但容易受到天气等环境因素的影响，而且监测成本也比较高。
随着卫星遥感技术的不断发展，国内外已对基于高分辨率光学影像监测输电线路及杆塔进行了研究，单幅光学影像可以覆盖几千平方公里，而且价格可控制在1万元人民币以下，能够地满足对大范围输电线路及杆塔进行经济有效的监测。但该技术易受到云雾等因素的影响，难以实现对输电线路及杆塔进行全天候全天时监测。
与光学传感器相比，星载合成孔径雷达(Synthetic Aperture Radar，SAR)同样可以获得分米量级的高分辨率影像，能够清晰地反映高压输电杆塔和输电导线的散射纹理特征，而且成像不受云雾、雨雪、太阳光照条件等限制，可对感兴趣的目标进行全天候、全天时动态监测。单幅影像也可以覆盖几千平方公里，价格不超过2万元人民币，因此高分辨率SAR影像可以很好地满足对大范围输电线路及杆塔进行全天候、全天时、经济有效地监测。
综上所述，本发明提供一种基于高分辨率合成孔径雷达影像自动检测输电导线的方法，能够全天候、全天时、经济有效地对输电导线进行自动准确检测。
发明内容
本发明实施例提供了一种基于高分辨率合成孔径雷达影像自动检测输电导线的方法，包括：
步骤一、基于高分辨率合成孔径雷达影像自动检测输电杆塔；
步骤二、连接相邻两级输电杆塔的底部和顶部，形成底部连线和顶部连线，在所述底部连线和所述顶部连线之间的区域利用双参数局部CFAR方法检测点状目标，其中所述双参数分别设置为像素幅度和目标面积；如果像素幅度值小于检测阈值或者面积不等于第二面积门限值的区域，则判定为非目标区域，否则判定为目标区域；
采用八邻域算法检测所述目标区域内相邻两级输电杆塔之间的输电导线。
优选的，上述步骤一具体包括：
步骤(一)、获取输电线路区域的高分辨率SAR影像并进行预处理；
步骤(二)、采用全局恒虚警率方法去除所述SAR影像的背景杂波，并生成第一二进制影像；
步骤(三)、采用Hough变换方法检测所述第一二进制影像中的线状目标，并在所述二进制影像中移除线状目标，生成第二二进制影像；
步骤(四)、采用八邻域算法获取链接区域的边界，得到第一链接区域；
步骤(五)、合并邻近的所述第一链接区域，形成第二链接区域，移除面积不等于第一面积门限值的第二链接区域，得到第三链接区域；
步骤(六)、计算所述第三链接区域的几何中心，作为所述第三链接区域的中心点，取围绕所述中心点而且包含所述第三链接区域的矩形区域作为感兴趣的区域(Region ofInteresting,ROI)；
步骤(七)、将所述ROI划分成L个扇形和K个圆环，形成L×K个子区域，L个扇形以所述第三链接区域的中心点为顶点，K个圆环以所述第三链接区域的中心点为圆心，其中，第一个圆环包含由像素构成的最小矩形，第N个圆环包含围绕第N-1个圆环的矩形，第K个圆环包含整个ROI；
步骤(八)、将所述ROI表示为二维矩阵其中θk表示第k个扇形的圆心角，ρl表示第l个圆环的半径，M(ρl,θk)表示所述第k个扇形与第l个圆环重合区域去掉所述第k个扇形与第l-1个圆环重合区域所形成的子区域的幅度平均值。
步骤(九)、沿着所述圆环半径构建极坐标半方差函数，并依次在与每个所述圆环对应的所述扇形区域内提取半方差特征：
其中h为两个圆环之间的距离，为固定值，ζh(θ)和ζh(ρ)分别表示不同圆环和不同方向上的极坐标半方差函数纹理特征，其中从ζh(θ)的公式中看出，扇形的圆心角度不变，只是圆环半径发生变化；从ζh(ρ)的公式中看出，圆环半径不变，扇形的方向发生变化；
步骤(十)、将极坐标半方差函数纹理特征作为神经网络的输入量，采用神经网络检测输电杆塔。
优选的，上述采用全局恒虚警率方法去除背景杂波，并生成第一二进制影像，包括：
采用K分布统计模型f(x)描述SAR影像的背景杂波；
设置虚警率Pfa，通过计算检测阈值T；
对于每一个像素，当像素的强度值大于检测阈值T，全局恒虚警率方法检测器判定所述像素为目标，将所述像素标为二进制值1，并保留所述像素的幅度值，当像素的强度值不大于检测阈值T，则判定所述像素为杂波，将所述像素标为二进制值0，并将所述像素的幅度值设为0，得到第一二进制影像。
优选的，上述采用八邻域算法获取链接区域的边界，得到第一链接区域，包括：
从所述第二二进制影像中，获取二进制值为1的像素，作为搜索起点；
按顺时针方向，分别从上下和左右两个方向搜索所述搜索起点的八邻域；
当在所述搜索起点的八邻域内搜索不到二进制值为1的像素点时，将所述搜索起点剔除；
当在所述搜索起点的八邻域内搜索到二进制值为1的像素点，将所述搜索到的二进制值为1的像素点作为搜索起点，搜索所述搜索起点的八邻域，获得新的搜索起点，直到回到初始的搜索起点；
全部搜索起点形成链接区域的边界，得到第一链接区域。
优选的，上述第一面积门限值＝输电杆塔长度×＝SAR影像分辨率。
优选的，上述第三链接区域的几何中心为(Cx，Cy)，其中，
A表示所述第三链接区域的面积：xi和yi分别表示所述第三链接区域内每个像素沿距离向和方位向的坐标值，N表示所述第三链接区域内像素的总数目，Cx和Cy分别表示所述第三链接区域几何中心在距离向和方位向的坐标。
优选的，上述L个扇形的圆心角为10度。
优选的，上述方法还包括：
判断所述神经网络检测得到的输电杆塔的检测精度，如果检测精度大于检测阈值，将所述神经网络检测得到的输电杆塔作为结果输出；如果检测精度不大于检测阈值，增加用于训练所述神经网络的影像数量和/或增加所述神经网络的层数，重新采用神经网络检测输电杆塔，直至检测精度大于检测阈值。
优选的，上述采用八邻域算法检测所述目标区域内相邻两级输电杆塔之间的输电导线，包括：
从所述目标区域中，获取点状目标作为搜索中心；
按顺时针方向，分别从上下和左右两个方向搜索所述搜索中心的八邻域；
当在所述搜索中心的八邻域内搜索不到点状目标时，将所述搜索中心判定为虚假目标；
当在所述搜索中心的八邻域内搜索到点状目标时，将所述搜索到的点状目标作为搜索中心，搜索所述搜索中心的八邻域，获得新的搜索中心，直到搜索到设定数量的相邻的点状目标，则判定所述点状目标为输电导线。
优选的，上述搜索中心的八邻域的邻域间隔为所述第二面积门限值。
本发明可以在较低虚警率下检测出更多的输电杆塔目标并给出了自动准确检测高压输电导线的方法，为输电线路整体运行的安全和稳定提供了保障。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明一实施例中的基于高分辨率合成孔径雷达影像自动检测输电杆塔的方法的流程示意图；
图2示出了本发明一实施例中将ROI划分成L×K个子区域的示意图；
图3示出了本发明一实施例中的基于高分辨率合成孔径雷达影像自动检测输电线路的方法的流程示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本实施例提供一种基于高分辨率合成孔径雷达影像自动检测输电导线的方法，分为两个步骤进行：
步骤一、基于高分辨率合成孔径雷达影像自动检测输电杆塔；
步骤二、连接相邻两级输电杆塔的底部和顶部，形成底部连线和顶部连线，在所述底部连线和所述顶部连线之间的区域利用双参数局部CFAR方法检测点状目标，其中所述双参数分别设置为像素幅度和目标面积；如果像素幅度值小于检测阈值或者面积不等于第二面积门限值的区域，则判定为非目标区域，否则判定为目标区域；
采用八邻域算法检测所述目标区域内相邻两级输电杆塔之间的输电导线。
其中，如图1所示，对于步骤一通过以下步骤来实现：
步骤101、获取输电线路区域的高分辨率SAR影像并进行预处理；对SAR影像进行的预处理包括地理编码、配准和相干斑点噪声滤除等常规操作。
步骤102、采用全局CFAR方法去除所述SAR影像的背景杂波，并生成第一二进制影像；进一步地包括：
步骤1021、采用K分布统计模型f(x)描述SAR影像的背景杂波；
步骤1022、设置虚警率Pfa，通过计算检测阈值T；
步骤1023、对于每一个像素，当像素的强度值大于检测阈值T，全局CFAR检测器判定所述像素为目标，将所述像素标为二进制值1，并保留所述像素的幅度值，当像素的强度值不大于检测阈值T，则判定所述像素为杂波，将所述像素标为二进制值0，并将所述像素的幅度值设为0，得到第一二进制影像。
步骤103、采用Hough变换方法检测所述第一二进制影像中的线状目标，并在所述二进制影像中移除线状目标，生成第二二进制影像；
由于道路、桥梁等在SAR影像上引起的线状目标会给输电杆塔检测带来不利影响，因此需要先将这些线状目标去除。
步骤104、采用八邻域算法获取链接区域的边界，得到第一链接区域；进一步地包括：
步骤1041、从所述第二二进制影像中，获取二进制值为1的像素，作为搜索起点；
步骤1042、按顺时针方向，分别从上下和左右两个方向搜索所述搜索起点的八邻域；
步骤1043、当在所述搜索起点的八邻域内搜索不到二进制值为1的像素点时，将所述搜索起点剔除；
步骤1044、当在所述搜索起点的八邻域内搜索到二进制值为1的像素点，将所述搜索到的二进制值为1的像素点作为搜索起点，搜索所述搜索起点的八邻域，获得新的搜索起点，直到回到初始的搜索起点；
步骤1045、全部搜索起点形成链接区域的边界，得到第一链接区域。
步骤105、合并邻近的所述第一链接区域，形成第二链接区域，移除面积不等于第一面积门限值的第二链接区域，得到第三链接区域；
其中，第一面积门限值可以通过输电杆塔高度和SAR影像分辨率来确定，例如，所述第一面积门限值等于输电杆塔长度×所述SAR影像分辨率。比如输电杆塔的高度约为50米，影像分辨率为3米，第一门限值可设置为150平方米。
步骤106、计算所述第三链接区域的几何中心，作为所述第三链接区域的中心点，取周围所述中心点而且包含所述第三链接区域的矩形区域作为ROI；
本实施例中，第三链接区域的几何中心为(Cx，Cy)，其中，
A表示所述第三链接区域的面积：xi和yi分别表示所述第三链接区域内每个像素沿距离向和方位向的坐标值，N表示所述第三链接区域内像素的总数目，Cx和Cy分别表示所述第三链接区域几何中心在距离向和方位向的坐标。
步骤107、如图2所示，将ROI划分成L个扇形和K个圆环，形成L×K个子区域，L个扇形以所述第三链接区域的中心点为顶点，K个圆环以所述第三链接区域的中心点为圆心，其中，第一个圆环包含由像素构成的最小矩形，第N个圆环包含围绕第N-1个圆环的矩形，第K个圆环包含整个ROI；
其中，L个扇形的圆心角可以设置为10度。
步骤108、将ROI表示为二维矩阵其中θk表示第k个扇形的圆心角，ρl表示第l个圆环的半径，M(ρl,θk)表示所述第k个扇形与第l个圆环重合区域去掉所述第k个扇形与第l-1个圆环重合区域所形成的子区域的幅度平均值。
步骤109、沿着圆环半径构建极坐标半方差函数，并依次在与每个圆环对应的扇形区域内提取半方差特征：
其中h为两个圆环之间的距离，ζh(θ)和ζh(ρ)分别表示不同圆环和不同方向上的极坐标半方差函数纹理特征，其中从ζh(θ)的公式中看出，扇形的圆心角度不变，只是圆环半径发生变化；从ζh(ρ)的公式中看出，圆环半径不变，扇形的方向发生变化；
步骤110、将极坐标半方差函数纹理特征作为神经网络的输入量，采用神经网络检测输电杆塔。
本实施例中，可以从所获得的SAR影像中提取一部分的影像用于训练神经网络，这些影像中不仅包含真实的输电杆塔目标，而且也需要包含由树林、房屋等引起的虚假目标。
本实施例方法还包括：步骤111、判断所述神经网络检测得到的输电杆塔的检测精度，如果检测精度大于检测阈值，将所述神经网络检测得到的输电杆塔作为结果输出；如果检测精度不大于检测阈值，增加用于训练神经网络的影像数量和/或增加所述神经网络的层数，重新采用神经网络检测输电杆塔，直至检测精度大于检测阈值。
本实施例中，如图3所示，步骤二进一步包括：
步骤201、连接相邻两级输电杆塔的底部和顶部，形成底部连线和顶部连线；其中输电杆塔是通过上面实施例所述任一方法检测得到的；
步骤202、在底部连线和所述顶部连线之间的区域利用双参数局部CFAR方法检测点状目标，其中双参数分别设置为像素幅度和目标面积；如果像素幅度值小于检测阈值或者面积不等于第二面积门限值的区域，则判定为非目标区域，否则判定为目标区域；
在设置第二面积门限值时，如果输电线路采用4分裂结构，每根输电导线的外径约为26.82毫米，影像分辨率为3米，那么第二面积门限值可设置为0.32平方米，即第二面积门限值＝4×26.82毫米×3米＝0.32平方米。
步骤203、采用八邻域算法检测所述目标区域内相邻两级输电杆塔之间的输电导线。
其中，步骤203包括：
步骤2031、从所述目标区域中，获取点状目标作为搜索中心；
步骤2032、按顺时针方向，分别从上下和左右两个方向搜索所述搜索中心的八邻域；
步骤2033、当在所述搜索中心的八邻域内搜索不到点状目标时，将所述搜索中心判定为虚假目标；
步骤2034、当在所述搜索中心的八邻域内搜索到点状目标时，将所述搜索到的点状目标作为搜索中心，搜索所述搜索中心的八邻域，获得新的搜索中心，直到搜索到设定数量的相邻的点状目标，则判定所述点状目标为输电导线。
设定数量可以为4个，因为高压输电线路中的输电杆塔至少挂4根以上的输电导线和地线，每根线在SAR影像上对应一个点状目标。
搜索中心的八邻域的邻域间隔为所述第二面积门限值。
与现有技术相比，本发明不要求影像必须为价格昂贵的全极化SAR影像，而且对于相同的SAR影像，尤其是在影像上的高压输电杆塔轮廓不太清晰以及存在很多虚假目标的情况下，本发明可以检测出更多的输电杆塔目标，而且检测虚警率比现有技术低；此外，本发明在高压输电杆塔检测的基础之上，还给出了自动准确检测高压输电导线的方法，为防范和及时消除输电线路各类安全隐患提供依据，确保输电线路整体运行的安全和稳定。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于合成孔径雷达影像检测输电导线的方法，其特征在于所述方法包括：
步骤一、基于高分辨率合成孔径雷达影像自动检测输电杆塔；
步骤二、连接相邻两级输电杆塔的底部和顶部，形成底部连线和顶部连线，在所述底部连线和所述顶部连线之间的区域利用双参数局部CFAR方法检测点状目标，其中所述双参数分别设置为像素幅度和目标面积；如果像素幅度值小于检测阈值或者面积不等于第二面积门限值的区域，则判定为非目标区域，否则判定为目标区域；
采用八邻域算法检测所述目标区域内相邻两级输电杆塔之间的输电导线。
2.根据权利要求1所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述步骤一具体包括：
步骤(一)、获取输电线路区域的高分辨率SAR影像并进行预处理；
步骤(二)、采用全局恒虚警率方法去除所述SAR影像的背景杂波，并生成第一二进制影像；
步骤(三)、采用Hough变换方法检测所述第一二进制影像中的线状目标，并在所述二进制影像中移除线状目标，生成第二二进制影像；
步骤(四)、采用八邻域算法获取链接区域的边界，得到第一链接区域；
步骤(五)、合并邻近的所述第一链接区域，形成第二链接区域，移除面积不等于第一面积门限值的第二链接区域，得到第三链接区域；
步骤(六)、计算所述第三链接区域的几何中心，作为所述第三链接区域的中心点，取围绕所述中心点而且包含所述第三链接区域的矩形区域作为感兴趣的区域(Region ofInteresting,ROI)；
步骤(七)、将所述ROI划分成L个扇形和K个圆环，形成L×K个子区域，L个扇形以所述第三链接区域的中心点为顶点，K个圆环以所述第三链接区域的中心点为圆心，其中，第一个圆环包含由像素构成的最小矩形，第N个圆环包含围绕第N-1个圆环的矩形，第K个圆环包含整个ROI；
步骤(八)、将所述ROI表示为二维矩阵其中θk表示第k个扇形的圆心角，ρl表示第l个圆环的半径，M(ρl,θk)表示所述第k个扇形与第l个圆环重合区域去掉所述第k个扇形与第l-1个圆环重合区域所形成的子区域的幅度平均值。
步骤(九)、沿着所述圆环半径构建极坐标半方差函数，并依次在与每个所述圆环对应的所述扇形区域内提取半方差特征：
其中h为两个圆环之间的距离，为固定值，ζh(θ)和ζh(ρ)分别表示不同圆环和不同方向上的极坐标半方差函数纹理特征，其中从ζh(θ)的公式中看出，扇形的圆心角度不变，只是圆环半径发生变化；从ζh(ρ)的公式中看出，圆环半径不变，扇形的方向发生变化；
步骤(十)、将极坐标半方差函数纹理特征作为神经网络的输入量，采用神经网络检测输电杆塔。
3.根据权利要求2所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述采用全局恒虚警率方法去除背景杂波，并生成第一二进制影像，包括：
采用K分布统计模型f(x)描述SAR影像的背景杂波；
设置虚警率Pfa，通过计算检测阈值T；
对于每一个像素，当像素的强度值大于检测阈值T，全局恒虚警率方法检测器判定所述像素为目标，将所述像素标为二进制值1，并保留所述像素的幅度值，当像素的强度值不大于检测阈值T，则判定所述像素为杂波，将所述像素标为二进制值0，并将所述像素的幅度值设为0，得到第一二进制影像。
4.根据权利要求2所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述采用八邻域算法获取链接区域的边界，得到第一链接区域，包括：
从所述第二二进制影像中，获取二进制值为1的像素，作为搜索起点；
按顺时针方向，分别从上下和左右两个方向搜索所述搜索起点的八邻域；
当在所述搜索起点的八邻域内搜索不到二进制值为1的像素点时，将所述搜索起点剔除；
当在所述搜索起点的八邻域内搜索到二进制值为1的像素点，将所述搜索到的二进制值为1的像素点作为搜索起点，搜索所述搜索起点的八邻域，获得新的搜索起点，直到回到初始的搜索起点；
全部搜索起点形成链接区域的边界，得到第一链接区域。
5.根据权利要求2所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述第一面积门限值＝输电杆塔长度×＝SAR影像分辨率。
6.根据权利要求2所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述第三链接区域的几何中心为(Cx，Cy)，其中，
A表示所述第三链接区域的面积：xi和yi分别表示所述第三链接区域内每个像素沿距离向和方位向的坐标值，N表示所述第三链接区域内像素的总数目，Cx和Cy分别表示所述第三链接区域几何中心在距离向和方位向的坐标。
7.根据权利要求2所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述L个扇形的圆心角为10度。
8.根据权利要求2所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于还包括：
判断所述神经网络检测得到的输电杆塔的检测精度，如果检测精度大于检测阈值，将所述神经网络检测得到的输电杆塔作为结果输出；如果检测精度不大于检测阈值，增加用于训练所述神经网络的影像数量和/或增加所述神经网络的层数，重新采用神经网络检测输电杆塔，直至检测精度大于检测阈值。
9.根据权利要求1-8之一所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述采用八邻域算法检测所述目标区域内相邻两级输电杆塔之间的输电导线，包括：
从所述目标区域中，获取点状目标作为搜索中心；
按顺时针方向，分别从上下和左右两个方向搜索所述搜索中心的八邻域；
当在所述搜索中心的八邻域内搜索不到点状目标时，将所述搜索中心判定为虚假目标；
当在所述搜索中心的八邻域内搜索到点状目标时，将所述搜索到的点状目标作为搜索中心，搜索所述搜索中心的八邻域，获得新的搜索中心，直到搜索到设定数量的相邻的点状目标，则判定所述点状目标为输电导线。
10.根据权利要求9所述的基于合成孔径雷达影像检测输电导线的方法，其特征在于，所述搜索中心的八邻域的邻域间隔为所述第二面积门限值。
CN201811167119.2A 2018-10-08 2018-10-08 基于合成孔径雷达影像检测输电导线的方法 Active CN109254287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811167119.2A CN109254287B (zh) 2018-10-08 2018-10-08 基于合成孔径雷达影像检测输电导线的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811167119.2A CN109254287B (zh) 2018-10-08 2018-10-08 基于合成孔径雷达影像检测输电导线的方法

Publications (2)

Publication Number Publication Date
CN109254287A true CN109254287A (zh) 2019-01-22
CN109254287B CN109254287B (zh) 2022-06-10

Family

ID=65045415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811167119.2A Active CN109254287B (zh) 2018-10-08 2018-10-08 基于合成孔径雷达影像检测输电导线的方法

Country Status (1)

Country Link
CN (1) CN109254287B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112799066A (zh) * 2021-03-22 2021-05-14 北京东方至远科技股份有限公司 基于sar图像的输电线垂悬变化检测方法和装置
CN112883840A (zh) * 2021-02-02 2021-06-01 中国人民公安大学 基于关键点检测的输电线路提取方法
CN112990071A (zh) * 2021-03-31 2021-06-18 香港中文大学（深圳） 一种输电线路异常检测方法、装置及计算机可读存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5548290A (en) * 1994-03-23 1996-08-20 National Space Development Agency Of Japan Method of designing transmission power in synthetic aperture radar
US6633253B2 (en) * 2001-04-02 2003-10-14 Thomas J. Cataldo Dual synthetic aperture radar system
CN101900779A (zh) * 2010-07-28 2010-12-01 西南交通大学 一种结合地形地貌测量高压输电线路雷电绕击跳闸率的方法
CN102298147A (zh) * 2011-05-27 2011-12-28 国网电力科学研究院 一种超/特高压输电线路雷达遥感监测方法
CN104166065A (zh) * 2014-08-30 2014-11-26 国家电网公司 一种小型新能源电站并网指标特性智能检测装置
EP2906965A1 (en) * 2012-10-10 2015-08-19 Raytheon Company Detection of concealed object on a body using radio frequency signatures on frequencies and polarizations
CN204718561U (zh) * 2015-04-17 2015-10-21 国家电网公司 便携式电杆倾斜度测量工具
CN105842674A (zh) * 2016-04-18 2016-08-10 南京工程学院 一种统计mimo雷达多目标检测仿真方法
CN206095432U (zh) * 2016-08-31 2017-04-12 武汉珞珈天铭电气科技有限公司 一种基于热效应的电力电缆在线检测装置
CN106869574A (zh) * 2017-03-15 2017-06-20 青岛正为钢结构有限公司 一种拉线分段式通讯塔
CN106908791A (zh) * 2017-03-03 2017-06-30 中国科学院电子学研究所 基于全极化圆迹sar数据的输电线提取方法
CN108256429A (zh) * 2017-12-19 2018-07-06 国网山西省电力公司阳泉供电公司 一种利用高空间分辨率单极化sar图像的输电杆塔目标检测方法
CN108549080A (zh) * 2018-02-28 2018-09-18 中国电力科学研究院有限公司 一种输电杆塔位置提取方法及系统
CN108594226A (zh) * 2018-04-20 2018-09-28 国网山西省电力公司阳泉供电公司 一种顾及地形的山区sar图像输电塔架检测方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5548290A (en) * 1994-03-23 1996-08-20 National Space Development Agency Of Japan Method of designing transmission power in synthetic aperture radar
US6633253B2 (en) * 2001-04-02 2003-10-14 Thomas J. Cataldo Dual synthetic aperture radar system
CN101900779A (zh) * 2010-07-28 2010-12-01 西南交通大学 一种结合地形地貌测量高压输电线路雷电绕击跳闸率的方法
CN102298147A (zh) * 2011-05-27 2011-12-28 国网电力科学研究院 一种超/特高压输电线路雷达遥感监测方法
EP2906965A1 (en) * 2012-10-10 2015-08-19 Raytheon Company Detection of concealed object on a body using radio frequency signatures on frequencies and polarizations
CN104166065A (zh) * 2014-08-30 2014-11-26 国家电网公司 一种小型新能源电站并网指标特性智能检测装置
CN204718561U (zh) * 2015-04-17 2015-10-21 国家电网公司 便携式电杆倾斜度测量工具
CN105842674A (zh) * 2016-04-18 2016-08-10 南京工程学院 一种统计mimo雷达多目标检测仿真方法
CN206095432U (zh) * 2016-08-31 2017-04-12 武汉珞珈天铭电气科技有限公司 一种基于热效应的电力电缆在线检测装置
CN106908791A (zh) * 2017-03-03 2017-06-30 中国科学院电子学研究所 基于全极化圆迹sar数据的输电线提取方法
CN106869574A (zh) * 2017-03-15 2017-06-20 青岛正为钢结构有限公司 一种拉线分段式通讯塔
CN108256429A (zh) * 2017-12-19 2018-07-06 国网山西省电力公司阳泉供电公司 一种利用高空间分辨率单极化sar图像的输电杆塔目标检测方法
CN108549080A (zh) * 2018-02-28 2018-09-18 中国电力科学研究院有限公司 一种输电杆塔位置提取方法及系统
CN108594226A (zh) * 2018-04-20 2018-09-28 国网山西省电力公司阳泉供电公司 一种顾及地形的山区sar图像输电塔架检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
XIAOQING ZUO: "Meteorological Correction Model of IBIS-L System in the Slope Deformation Monitoring", 《INTELLIGENT AUTOMATION & SOFT COMPUTING》 *
YU-LIN YANG: "Efficiency improvement of the impulsive wireless power transmission through biomedical tissues by varying the duty cycle", 《2011 IEEE MTT-S INTERNATIONAL MICROWAVE WORKSHOP SERIES ON INNOVATIVE WIRELESS POWER TRANSMISSION: TECHNOLOGIES, SYSTEMS, AND APPLICATIONS》 *
何宇婷: "半方差函数纹理提取在遥感图像分类中的应用", 《遥感技术与应用》 *
桂菲菲: "基于LabVIEW的架空输电线最大弧垂计算方法", 《电力建设》 *
王璋奇: "架空输电导线脱冰跳跃实验系统", 《电力建设》 *
谭金石: "基于摄影测量技术的电力线高程测量方法", 《测绘科学》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883840A (zh) * 2021-02-02 2021-06-01 中国人民公安大学 基于关键点检测的输电线路提取方法
CN112883840B (zh) * 2021-02-02 2023-07-07 中国人民公安大学 基于关键点检测的输电线路提取方法
CN112799066A (zh) * 2021-03-22 2021-05-14 北京东方至远科技股份有限公司 基于sar图像的输电线垂悬变化检测方法和装置
CN112799066B (zh) * 2021-03-22 2021-07-16 北京东方至远科技股份有限公司 基于sar图像的输电线垂悬变化检测方法和装置
CN112990071A (zh) * 2021-03-31 2021-06-18 香港中文大学（深圳） 一种输电线路异常检测方法、装置及计算机可读存储介质
CN112990071B (zh) * 2021-03-31 2024-01-05 香港中文大学（深圳） 一种输电线路异常检测方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN109254287B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
Jwa et al. Automatic 3d powerline reconstruction using airborne lidar data
CN104484577B (zh) 一种基于山脊能量校正的山地中带状地下目标的探测方法
CN114419825B (zh) 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法
CN109254287A (zh) 基于合成孔径雷达影像检测输电导线的方法
CN108447123A (zh) 一种输电线路走廊地质灾害勘测方法和系统
CN111342391B (zh) 一种输电线路绝缘子和线路故障巡视方法及巡视体系
CN107356926A (zh) 基于Hu矩的差值云团外推降雨预测算法
CN107271795B (zh) 适用于配电网的雷电预警方法
Liu et al. Classification of airborne lidar intensity data using statistical analysis and hough transform with application to power line corridors
CN103400137A (zh) 一种sar图像的建筑物几何参数提取方法
Hon et al. Application of short-range LIDAR in early alerting for low-level windshear and turbulence at Hong Kong International Airport
Bennett Identification and ranging of lightning flashes using co-located antennas of different geometry
CN107403004A (zh) 一种基于地形数据的遥测雨量站点可疑数值检验方法
Hao et al. Extraction and analysis of tree canopy height information in high-voltage transmission-line corridors by using integrated optical remote sensing and LiDAR
CN109376623A (zh) 基于合成孔径雷达影像检测输电杆塔的方法
Pierdicca et al. Flood mapping by SAR: Possible approaches to mitigate errors due to ambiguous radar signatures
Bao et al. Application of lightning spatio-temporal localization method based on deep LSTM and interpolation
CN113239506A (zh) 一种基于台风天气的杆塔形变及导线舞动风险评估模型
CN112907567B (zh) 基于空间推理方法的sar图像有序人造构筑物提取方法
CN114239379A (zh) 一种基于形变检测的输电线路地质灾害分析方法及系统
Shi et al. Investigation on the lightning location and warning system using artificial intelligence
Ahmed et al. Partice swarm optimization based fusion of MODIS and PALSAR images for hotspot detection
Feng et al. Unsupervised change detection of man-made objects using coherent and incoherent features of multi-temporal SAR images
Luo et al. Research on Feature Selection and Key Technology of Satellite Remote Sensing Patrol in Transmission Channel
Tian et al. Research on Monitoring and Auxiliary Audit Strategy of Transmission Line Construction Progress Based on Satellite Remote Sensing and Deep Learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant