遙感影像在電網(wǎng)工程建設(shè)的應(yīng)用研究

時(shí)間:2022-11-20 04:07:43

導(dǎo)語(yǔ):遙感影像在電網(wǎng)工程建設(shè)的應(yīng)用研究一文來(lái)源于網(wǎng)友上傳,不代表本站觀點(diǎn),若需要原創(chuàng)文章可咨詢(xún)客服老師,歡迎參考。

遙感影像在電網(wǎng)工程建設(shè)的應(yīng)用研究

摘要:基于衛(wèi)星遙感技術(shù)的電網(wǎng)工程建設(shè)過(guò)程的質(zhì)量監(jiān)控,能夠規(guī)范工程建設(shè)各方主體及有關(guān)機(jī)構(gòu)的質(zhì)量行為,并對(duì)電網(wǎng)工程產(chǎn)生的環(huán)境和安全影響進(jìn)行評(píng)估。以某變電站為研究對(duì)象,通過(guò)對(duì)某變電站建設(shè)前后三期的遙感影像進(jìn)行變化檢測(cè),來(lái)對(duì)該工程施工進(jìn)程進(jìn)行監(jiān)測(cè)。通過(guò)實(shí)驗(yàn)研究得出,利用多時(shí)相的高分遙感數(shù)據(jù),不僅可以及時(shí)地監(jiān)測(cè)項(xiàng)目的總體施工狀況和進(jìn)度、實(shí)現(xiàn)大范圍通道或場(chǎng)地清理的監(jiān)控,而且可以及時(shí)有效地監(jiān)測(cè)建設(shè)范圍的生態(tài)環(huán)境變化動(dòng)態(tài)和對(duì)施工工作量進(jìn)行復(fù)核、評(píng)估。

關(guān)鍵詞:高分辨率影像;變化檢測(cè);深度學(xué)習(xí);動(dòng)態(tài)監(jiān)測(cè)

1研究背景及應(yīng)用現(xiàn)狀

電網(wǎng)在現(xiàn)代能源供應(yīng)的體系中發(fā)揮著極其重要的樞紐作用,是一個(gè)國(guó)家經(jīng)濟(jì)的重要命脈。如何全面保障和提升電網(wǎng)工程建設(shè)過(guò)程中的安全質(zhì)量是電網(wǎng)工程管理工作的重中之重。保證電網(wǎng)工程建設(shè)的安全、可靠開(kāi)展,不僅僅關(guān)乎電網(wǎng)工程建設(shè)的順利進(jìn)行,更關(guān)系到國(guó)家能源安全和國(guó)計(jì)民生。隨著我國(guó)經(jīng)濟(jì)的飛速發(fā)展,國(guó)民經(jīng)濟(jì)對(duì)電力工程等基礎(chǔ)設(shè)施建設(shè)的依賴(lài)和需求也日益增加,穩(wěn)定、安全的電網(wǎng)基建對(duì)國(guó)民經(jīng)濟(jì)的貢獻(xiàn)極大。但是由于電網(wǎng)工程建設(shè)的施工現(xiàn)場(chǎng)情況復(fù)雜,區(qū)域跨度大,管控的難度也大,因而給施工項(xiàng)目帶來(lái)了極大的安全隱患。在傳統(tǒng)的工程施工現(xiàn)場(chǎng),電網(wǎng)工程的質(zhì)量監(jiān)控主要受工程管理人員經(jīng)驗(yàn)的影響,缺乏及時(shí)監(jiān)測(cè)與監(jiān)督的能力,對(duì)于工程施工現(xiàn)場(chǎng)的不規(guī)范現(xiàn)象和不確定因素?zé)o法實(shí)時(shí)地發(fā)現(xiàn)并及時(shí)地做出反應(yīng),難以完全滿(mǎn)足現(xiàn)代工程施工現(xiàn)場(chǎng)的管理需求,因此在工程施工現(xiàn)場(chǎng)實(shí)行全面的自動(dòng)化監(jiān)控顯得極其重要,國(guó)內(nèi)外的眾多專(zhuān)家學(xué)者也一直在探尋新的工程質(zhì)量監(jiān)控模式。全球范圍內(nèi),高分辨率遙感衛(wèi)星經(jīng)過(guò)了幾十年的飛速發(fā)展,已經(jīng)逐步實(shí)現(xiàn)了商業(yè)化、市場(chǎng)化和產(chǎn)業(yè)化。進(jìn)入21世紀(jì)以后,全球近30個(gè)國(guó)家和地區(qū)的政府機(jī)構(gòu)和私人企業(yè)每年都投入了巨額的資金,用以研究和發(fā)展地球觀測(cè)衛(wèi)星,因而高分商業(yè)遙感衛(wèi)星進(jìn)入了全新的發(fā)展階段。其特點(diǎn)是實(shí)用性更強(qiáng)、效率更高、周期更短等,高分商業(yè)遙感衛(wèi)星的快速發(fā)展為社會(huì)的發(fā)展和生產(chǎn)帶來(lái)了新的動(dòng)力。衛(wèi)星遙感技術(shù)的飛速發(fā)展為電網(wǎng)工程建設(shè)過(guò)程中動(dòng)態(tài)監(jiān)控的實(shí)現(xiàn)提供了可能。因此,本文利用高分衛(wèi)星遙感技術(shù)進(jìn)行電網(wǎng)工程建設(shè)過(guò)程的監(jiān)控。首先,快速獲取工程建設(shè)區(qū)域內(nèi)的高分衛(wèi)星遙感影像,然后,基于深度學(xué)習(xí)模型,對(duì)遙感影像進(jìn)行判讀、解譯,最后,對(duì)前后期影像進(jìn)行變化檢測(cè),實(shí)現(xiàn)電網(wǎng)工程建設(shè)過(guò)程中的動(dòng)態(tài)監(jiān)控。目的在于規(guī)范電網(wǎng)工程建設(shè)過(guò)程中各方主體及相關(guān)機(jī)構(gòu)的質(zhì)量行為,通過(guò)利用高分衛(wèi)星遙感影像,對(duì)電網(wǎng)工程施工過(guò)程進(jìn)行實(shí)時(shí)的動(dòng)態(tài)監(jiān)控,及時(shí)發(fā)現(xiàn)施工過(guò)程中的質(zhì)量、安全隱患,并對(duì)電網(wǎng)工程建設(shè)產(chǎn)生的環(huán)境及安全影響進(jìn)行評(píng)估。其意義在于確保電網(wǎng)工程建設(shè)的安全,保證人民生命財(cái)產(chǎn)安全,保護(hù)當(dāng)?shù)氐纳鷳B(tài)環(huán)境,維護(hù)社會(huì)大眾的利益,充分發(fā)揮電網(wǎng)工程項(xiàng)目的經(jīng)濟(jì)效益與社會(huì)效益。

2算法原理

2.1深度學(xué)習(xí)模型。卷積神經(jīng)網(wǎng)絡(luò)(ConvolutionalNeuralNetwork,簡(jiǎn)稱(chēng)CNN)是近年來(lái)模式識(shí)別領(lǐng)域一種圖片高效的分類(lèi)方法,它將人工神經(jīng)網(wǎng)絡(luò)技術(shù)與深度學(xué)習(xí)的方法相結(jié)合,最大的特點(diǎn)是稀疏連接和權(quán)值共享,它使用了一種基于梯度改進(jìn)的反向傳播算法來(lái)訓(xùn)練網(wǎng)絡(luò)中的權(quán)重,在實(shí)際應(yīng)用中極大地避免了輸入數(shù)據(jù)復(fù)雜的前期處理過(guò)程,可以直接輸入原始圖像或其他數(shù)據(jù)。CNN具備擬合任意復(fù)雜函數(shù)的特點(diǎn),擁有非常強(qiáng)的擬合能力及表征能力,能夠獨(dú)立完成比較復(fù)雜的非線(xiàn)性映射。在面對(duì)復(fù)雜的地物分類(lèi)上,基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法具有比較突出的分類(lèi)能力。利用深度的卷積網(wǎng)絡(luò),將整個(gè)遙感衛(wèi)星影像作為輸入數(shù)據(jù),引入全局優(yōu)化以及類(lèi)別的空間關(guān)系信息作為約束條件,然后訓(xùn)練這個(gè)深度學(xué)習(xí)模型就可以進(jìn)行遙感衛(wèi)星影像的分類(lèi)。大多數(shù)經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型是為了分類(lèi)任務(wù)而設(shè)計(jì)的,這類(lèi)網(wǎng)絡(luò)通常的設(shè)計(jì)思路一般都是在整個(gè)網(wǎng)絡(luò)的最后一個(gè)卷積層之后再增加一個(gè)全連接層,將最后一組的特征圖直接映射到固定長(zhǎng)度的特征向量上,然后通過(guò)一層甚至幾層全連接層把特征向量再映射到分類(lèi)向量上,用來(lái)實(shí)現(xiàn)對(duì)原始輸入數(shù)據(jù)的分類(lèi)。CNN實(shí)現(xiàn)的是基于圖像級(jí)的分類(lèi)任務(wù),它可以判斷輸入的圖像屬于哪種類(lèi)別??墒牵?dāng)要實(shí)現(xiàn)對(duì)輸入的圖像進(jìn)行基于像素級(jí)的分類(lèi)任務(wù)時(shí),一般的CNN將難以實(shí)現(xiàn)這種需求。此時(shí),可以通過(guò)調(diào)整或改變網(wǎng)絡(luò)的輸入、輸出來(lái)完成基于像素級(jí)的圖像分類(lèi)任務(wù)?;诙喑叨攘餍闻判騼?yōu)化方法的基本流程為:以圖像像素為基礎(chǔ),在此基礎(chǔ)之上建立圖像的深度學(xué)習(xí)網(wǎng)絡(luò),然后通過(guò)每一層網(wǎng)絡(luò)的學(xué)習(xí)得到圖像的表達(dá)式。為了更好地表達(dá)目標(biāo),基于多尺度流形排序優(yōu)化方法中深層網(wǎng)絡(luò)的每一層都被賦予了特別的意義。深度學(xué)習(xí)方法的本質(zhì)上就是通過(guò)構(gòu)造具有多個(gè)隱含層的機(jī)器學(xué)習(xí)模型,然后從大量的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)和挖掘更多有用的特征,用來(lái)提高分類(lèi)結(jié)果的準(zhǔn)確性。因此,深度學(xué)習(xí)方法也是一種特征學(xué)習(xí)方法,可以從輸入的圖像數(shù)據(jù)中自動(dòng)學(xué)習(xí)出最能表達(dá)目標(biāo)的特征。在得到可以表征圖像的特征后,再利用目標(biāo)標(biāo)記、目標(biāo)上下文和場(chǎng)景上下文的信息來(lái)調(diào)整深度網(wǎng)絡(luò)的權(quán)重,并通過(guò)上下文的信息形成“擴(kuò)展-非擴(kuò)展”的卷積層,來(lái)增強(qiáng)深度網(wǎng)絡(luò)的識(shí)別能力,最大程度上消除分類(lèi)的不確定性或模糊性,進(jìn)一步減少處理時(shí)間,最終提高目標(biāo)的檢測(cè)性能。許多傳統(tǒng)的分類(lèi)方法都是基于局部特征的,但是實(shí)際上高層語(yǔ)義的描述更加穩(wěn)定。因此,基于上下文的語(yǔ)義描述可以彌補(bǔ)底層特征與高層語(yǔ)義之間的空白。在目標(biāo)層的基礎(chǔ)上,增加一個(gè)目標(biāo)群層和一個(gè)場(chǎng)景層,再通過(guò)多尺度、多方向?yàn)V波特征的空間分布提取場(chǎng)景的上下文特征,并采用流形排序優(yōu)化的方法提高圖像的分類(lèi)精度,這樣就可以在目標(biāo)層、目標(biāo)群層以及場(chǎng)景層之間形成一個(gè)有監(jiān)督的網(wǎng)絡(luò)。這個(gè)網(wǎng)絡(luò)指導(dǎo)了整個(gè)模型的學(xué)習(xí),通過(guò)不斷調(diào)整深度網(wǎng)絡(luò)的參數(shù),最終實(shí)現(xiàn)了目標(biāo)檢測(cè)性能的提高[3]。2.2基于深度學(xué)習(xí)解譯的變化檢測(cè)方法?;谏疃葘W(xué)習(xí)解譯的變化檢測(cè)方法首先利用深度學(xué)習(xí)的方法對(duì)同一地區(qū)前后期遙感影像進(jìn)行全自動(dòng)解譯,在此基礎(chǔ)上在對(duì)這兩景影像進(jìn)行變化檢測(cè)。2.2.1基于深度學(xué)習(xí)的遙感影像全自動(dòng)解譯。這里用的深度學(xué)習(xí)方法是多尺度流形排序優(yōu)化方法,此方法進(jìn)行遙感影像解譯的解決方案是:首先,利用高分辨率和對(duì)應(yīng)的標(biāo)記數(shù)據(jù)生成規(guī)定格式的樣本訓(xùn)練集;然后,針對(duì)遙感影像的特點(diǎn),設(shè)計(jì)多尺度流形排序語(yǔ)義分割網(wǎng)絡(luò)模型;其次,利用第一步構(gòu)建好的樣本,對(duì)模型進(jìn)行訓(xùn)練[4]。接著對(duì)訓(xùn)練模型進(jìn)行測(cè)試,若測(cè)試不通過(guò),則返回第二步修改網(wǎng)絡(luò)模型,若通過(guò)測(cè)試則模型訓(xùn)練完畢,可以進(jìn)行地物自動(dòng)分割,具體流程如圖1所示。2.2.2多時(shí)相遙感影像的變化檢測(cè)。基于衛(wèi)星遙感影像的變化檢測(cè)是通過(guò)利用不同時(shí)期的同一地區(qū)的多源衛(wèi)星遙感影像以及相關(guān)的地理空間數(shù)據(jù),再結(jié)合遙感成像機(jī)理和相應(yīng)的地物特性,判斷該地區(qū)地物是否變化,這些變化主要包括地物的增減和地物性質(zhì)或狀態(tài)的改變[5]。根據(jù)不同的應(yīng)用場(chǎng)合,變化檢測(cè)解決方案可以分為無(wú)矢量變化檢測(cè)和有矢量變化檢測(cè),并對(duì)變化檢測(cè)進(jìn)行加速處理。對(duì)任意兩組影像首先進(jìn)行降采樣處理,得到降采樣后的兩期正射影像,采用面向?qū)ο蟮淖兓瘷z測(cè)方法是指將前后兩期影像使用mean-shift分割算法將前后兩期影像分別進(jìn)行分割[6]。通過(guò)計(jì)算前后兩期影像的分割對(duì)象的光譜差異,紋理差異,結(jié)合分割對(duì)象的語(yǔ)義信息、上下文特征提取出兩期影像的變化置信度圖,通過(guò)EM算法或最大類(lèi)間方差等前背景分割算法二值化變化置信度圖最后輸出變化圖斑,具體技術(shù)路線(xiàn)如圖2所示。

3實(shí)驗(yàn)與結(jié)果評(píng)價(jià)

3.1研究區(qū)概況及數(shù)據(jù)來(lái)源。本文影像成果采用的數(shù)據(jù)源包括:2017年高景一號(hào)影像3景,2019年第一期高景一號(hào)影像2景,2019年第二期高景一號(hào)影像2景。將三期影像分別進(jìn)行區(qū)域網(wǎng)平差,全色多光譜影像單景配準(zhǔn),平差處理后的影像正射糾正,影像融合,勻色,三期影像配準(zhǔn)后進(jìn)行鑲嵌。3.2基于深度學(xué)習(xí)解譯的變化檢測(cè)軟件操作流程本文針對(duì)同一地區(qū)前后兩期的遙感衛(wèi)星影像,基于遙感影像以及相關(guān)的地理信息數(shù)據(jù),應(yīng)用深度學(xué)習(xí)方法來(lái)進(jìn)行自動(dòng)的變化檢測(cè)[7]。通過(guò)先進(jìn)的基于深度學(xué)習(xí)變化檢測(cè)技術(shù)能夠快速、自動(dòng)發(fā)現(xiàn)影像上疑似變化的區(qū)域,從而大大減少人工檢測(cè)變化的工作量從而提高作業(yè)效率。本項(xiàng)目擬選用EasyFeature軟件的DeepFinder:深度學(xué)習(xí)變化檢測(cè)模塊來(lái)進(jìn)行變化檢測(cè)(圖3)。(a)前期影像(b)后期影像3.3基于深度學(xué)習(xí)解譯的變化檢測(cè)結(jié)果分析。利用EasyFeature軟件的DeepFinder:深度學(xué)習(xí)變化檢測(cè)模塊對(duì)某變電站附近的前后兩期影像進(jìn)行無(wú)矢量變化檢測(cè)。從圖4可以看到,紅框部分就是地物發(fā)生變化并被軟件成功檢測(cè)出來(lái)的部分。由圖可知,某變電站所在的位置地物發(fā)生了很大的變化,變化的區(qū)域也較為準(zhǔn)確地檢測(cè)出來(lái)了,且某變電站附近其他有地物變化的地方也被成功的檢測(cè)出來(lái)了。(a)前期影像(b)后期影像圖4某變電站附近前后兩期影像變化檢測(cè)結(jié)果3.3.1總體施工狀況和進(jìn)度監(jiān)控??傮w施工狀況和進(jìn)度監(jiān)控主要是對(duì)線(xiàn)路以及換流站(變電站)的施工進(jìn)度和施工范圍進(jìn)行一個(gè)總體的監(jiān)控。通過(guò)獲取施工過(guò)程中范圍內(nèi)的多期衛(wèi)星遙感影像,通過(guò)基本的影像處理得到可以直接輸入網(wǎng)絡(luò)的影像,然后進(jìn)行分類(lèi)并對(duì)分類(lèi)結(jié)果進(jìn)行變化檢測(cè),提取施工范圍內(nèi)地物目標(biāo)發(fā)生的變化,從而進(jìn)一步判斷施工進(jìn)度和范圍度是否滿(mǎn)足要求和規(guī)范。通過(guò)對(duì)某變電站前后兩期的影像進(jìn)行變化檢測(cè),可以清楚地看到變電站這塊范圍發(fā)生了較為明顯的變化,整體來(lái)講由山地變成了施工現(xiàn)場(chǎng),大部分的建筑物都檢測(cè)出來(lái)了,施工堆倔地的變化也順利檢測(cè)出來(lái)了,通過(guò)提取站址范圍內(nèi)(圖5)地物目標(biāo)發(fā)生的變化,從而可以實(shí)現(xiàn)施工范圍和進(jìn)度的監(jiān)控。另外,可以利用多期遙感衛(wèi)星數(shù)據(jù)生成連續(xù)變化的動(dòng)態(tài)圖,這樣就能更加直觀地展示站址建設(shè)過(guò)程中的進(jìn)展情況,也能更有效地對(duì)施工范圍和進(jìn)度進(jìn)行監(jiān)控。從圖5可以看到,某變電站所在的位置,地物發(fā)生了巨大的變化,地物由之前的植被、山地變成了建筑用地或人工堆倔地,圖5(c)中的白塊就是變化檢測(cè)的結(jié)果,可以看到變化的區(qū)域較為準(zhǔn)確地檢測(cè)出來(lái)了。通過(guò)多期的影像數(shù)據(jù),我們就能及時(shí)地監(jiān)測(cè)項(xiàng)目的總體施工狀況和進(jìn)度。3.3.2通道或場(chǎng)地清理大范圍質(zhì)量監(jiān)控。主要監(jiān)控通道或者站址范圍內(nèi)林木砍伐的范圍和房屋拆遷范圍是否滿(mǎn)足規(guī)定和要求。利用深度學(xué)習(xí)的分類(lèi)方法,提取通道或者站址范圍內(nèi)的房屋和植被信息,再結(jié)合勘測(cè)設(shè)計(jì)數(shù)據(jù)(輸電線(xiàn)路房屋分布圖、林木分布圖或者站址地形圖等)進(jìn)行疊加對(duì)比,從而做出判斷。通過(guò)多時(shí)相的遙感衛(wèi)星影像變化監(jiān)測(cè),就能實(shí)現(xiàn)大范圍通道或場(chǎng)地房屋拆遷、植被清理情況的監(jiān)控。再輔以勘測(cè)設(shè)計(jì)數(shù)據(jù),就能有效的判斷房屋拆遷以及林木砍伐的范圍是否滿(mǎn)足設(shè)計(jì)的要求,以及判斷通道或者站址范圍內(nèi)是否存在新增房屋(圖6)。(a)(b)圖6房屋變化檢測(cè)結(jié)果從圖6可以看到,某變電站附近村莊有部分的新建房屋,圖6(a)中的線(xiàn)框選中的部分就是變化檢測(cè)的結(jié)果,可以看到之前的裸地上有新建房屋。通過(guò)多期的遙感衛(wèi)星數(shù)據(jù),就能及時(shí)地監(jiān)測(cè)變電站附近或者線(xiàn)路上房屋的變化情況,從而實(shí)現(xiàn)大范圍通道或場(chǎng)地清理的監(jiān)控。3.3.3大范圍環(huán)境影響監(jiān)控。主要監(jiān)控電網(wǎng)工程施工過(guò)程中的棄土堆放、垃圾堆放,以及對(duì)生態(tài)環(huán)境的影響和恢復(fù)情況。通過(guò)獲取施工過(guò)程中范圍內(nèi)的多期衛(wèi)星遙感影像,通過(guò)基本的影像處理得到可以直接輸入網(wǎng)絡(luò)的影像,然后進(jìn)行分類(lèi)并對(duì)多期的分類(lèi)結(jié)果進(jìn)行連續(xù)的變化檢測(cè),提取通道或場(chǎng)地75m范圍內(nèi)地物目標(biāo)發(fā)生的變化,再進(jìn)一步篩選結(jié)果,從而判斷施工過(guò)程中棄土堆放、垃圾堆放是否符合規(guī)定。在環(huán)境影響及恢復(fù)方面,歸一化植被指數(shù)(NDVI)等典型植被指數(shù)可以較好的反應(yīng)研究區(qū)內(nèi)的植被情況,132衛(wèi)星遙感數(shù)據(jù)可以通過(guò)提取植被指數(shù)及土地利用分類(lèi)結(jié)果來(lái)實(shí)時(shí)準(zhǔn)確地監(jiān)測(cè)電網(wǎng)施工過(guò)程中環(huán)境影響及恢復(fù)情況(圖7)。(a)(b)圖7植被變化檢測(cè)結(jié)果如圖7所示,圖7(a)中線(xiàn)框選中的部分就是變化檢測(cè)的結(jié)果,某變電站附近大塊的植被和耕地變成了建筑用地或人工堆倔地,這對(duì)環(huán)境影響是顯而易見(jiàn)的,利用多時(shí)相的遙感衛(wèi)星數(shù)據(jù)對(duì)施工范圍內(nèi)影像的植被指數(shù)進(jìn)行分析,可以及時(shí)有效地監(jiān)測(cè)施工范圍內(nèi)的生態(tài)環(huán)境變化。

4結(jié)語(yǔ)

本文通過(guò)分析電網(wǎng)工程施工過(guò)程中的常見(jiàn)質(zhì)量監(jiān)控問(wèn)題,研究質(zhì)量監(jiān)控的關(guān)鍵技術(shù)手段,提出詳細(xì)的設(shè)計(jì)方案,全面提高質(zhì)量監(jiān)控的效率和范圍,有效地降低電網(wǎng)工程建設(shè)過(guò)程中對(duì)環(huán)境的影響和安全隱患,有效地對(duì)電網(wǎng)工程建設(shè)過(guò)程中每一個(gè)重要環(huán)節(jié)進(jìn)行嚴(yán)格的動(dòng)態(tài)監(jiān)控。通過(guò)試驗(yàn)研究得到,利用多時(shí)相的高分遙感數(shù)據(jù),不僅可以及時(shí)地監(jiān)測(cè)項(xiàng)目的總體施工狀況和進(jìn)度、實(shí)現(xiàn)大范圍通道或場(chǎng)地清理的監(jiān)控,而且可以及時(shí)有效地監(jiān)測(cè)建設(shè)范圍的生態(tài)環(huán)境變化動(dòng)態(tài)和對(duì)施工工作量進(jìn)行復(fù)核、評(píng)估。據(jù)此,可以總結(jié)出一套有效的動(dòng)態(tài)監(jiān)控方法流程,形成科學(xué)的質(zhì)量監(jiān)控管理辦法,構(gòu)建基于高分衛(wèi)星遙感技術(shù)的全過(guò)程的質(zhì)量監(jiān)控工作體系,有效地服務(wù)于質(zhì)量監(jiān)控工作,使成果達(dá)到能被實(shí)際推廣應(yīng)用的水平。

參考文獻(xiàn):

[1]李德仁.利用遙感影像進(jìn)行變化監(jiān)測(cè)[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版).2003,28(3):7~12.

[2]何蕓,胡翔云.基于圖模型和流形排序的遙感影像人工地物提取[J].地理與地理信息科學(xué),2017(2).

[3]高常鑫桑農(nóng).基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)[J].測(cè)繪通報(bào).2014(S1):108~111.

[4]曹善遜,周楊梅.一種基于樣本塊的圖像超分辨率方法研究[J].河北省科學(xué)院學(xué)報(bào),2010(2).

[5]肖恰,于涵.遙感影像監(jiān)測(cè)城市變化的關(guān)鍵技術(shù)概述[J].科學(xué)導(dǎo)報(bào),2015(14).

[6]董璐,惠文華.一種面向?qū)ο筮b感變化檢測(cè)的影像分割策略[J].遙感信息,2016(2).

[7]張松陽(yáng).基于Spark的遙感影像多時(shí)相變化檢測(cè)系統(tǒng)[D].杭州:浙江大學(xué),2017.

作者:洪巧章 賴(lài)余斌 彭飛 單位:南方電網(wǎng)能源發(fā)展研究院有限責(zé)任公司