本發(fā)明涉及衛(wèi)星圖像識(shí)別領(lǐng)域，具體涉及一種基于衛(wèi)星遙感圖像的屋頂光伏識(shí)別方法及系統(tǒng)。

背景技術(shù)：

1、分布式屋頂光伏作為一種重要的可再生能源利用方式，其規(guī)模不斷擴(kuò)大。政府部門(mén)、能源企業(yè)等需要準(zhǔn)確掌握屋頂光伏的分布、裝機(jī)容量等信息，以便進(jìn)行能源規(guī)劃、補(bǔ)貼發(fā)放、電網(wǎng)接入管理等工作，衛(wèi)星遙感圖像識(shí)別技術(shù)能夠提供一種高效、大面積的普查手段，滿足分布式能源管理的需求，屋頂光伏識(shí)別可以作為可再生能源統(tǒng)計(jì)的一個(gè)重要環(huán)節(jié)，通過(guò)衛(wèi)星遙感圖像分析可以估算屋頂光伏的裝機(jī)容量，進(jìn)而推算其發(fā)電出力。

2、盡管衛(wèi)星遙感技術(shù)在不斷進(jìn)步，但部分衛(wèi)星圖像的空間分辨率仍無(wú)法滿足高精度識(shí)別的需求。對(duì)于一些小型的屋頂光伏設(shè)施或者分布較為密集的城市區(qū)域，較低的空間分辨率可能導(dǎo)致光伏板的細(xì)節(jié)模糊，難以準(zhǔn)確評(píng)估出可利用的分布式屋頂光伏資源。

技術(shù)實(shí)現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)衛(wèi)星圖像的空間分辨率無(wú)法滿足高精度識(shí)別的需求，難以準(zhǔn)確評(píng)估出可利用的分布式屋頂光伏資源，本發(fā)明提出了一種基于衛(wèi)星遙感圖像的屋頂光伏識(shí)別方法及系統(tǒng)。

2、本發(fā)明提供的技術(shù)方案是：

3、將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像；

4、利用多級(jí)邊緣檢測(cè)算法提取所述閾值分割后的圖像的建筑邊緣得到建筑物外形輪廓圖；

5、對(duì)所述建筑物外形輪廓圖進(jìn)行霍夫變換提取可利用屋頂光伏的建筑物的外形。

6、優(yōu)選的，所述將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像，包括：

7、利用聚類分析法對(duì)衛(wèi)星遙感圖像像素進(jìn)行聚類得到灰度級(jí)別數(shù)；

8、根據(jù)所述灰度級(jí)別數(shù)對(duì)所述衛(wèi)星遙感圖像進(jìn)行分割得到灰度圖像；

9、利用最大類間方差法計(jì)算所述灰度圖像中的目標(biāo)物體部分和背景部分之間分割的最佳閾值；

10、根據(jù)所述最佳閾值對(duì)所述灰度圖像分割為目標(biāo)物體部分和背景部分得到閾值分割后的圖像。

11、優(yōu)選的，所述利用最大類間方差法計(jì)算所述灰度圖像中的目標(biāo)物體部分和背景部分之間分割的最佳閾值，包括：

12、計(jì)算所述灰度圖像目標(biāo)物體部分和背景部分的灰度的類間方差，以所述類間方差最大時(shí)的灰度值為最佳閾值。

13、優(yōu)選的，所述類間方差按下式確定：

14、g＝w0(u0-u)2+w1(u1-u)2＝w0w1(u0-u1)2

15、式中，g為類間方差，w0為目標(biāo)物體的像素點(diǎn)數(shù)占圖像總像素點(diǎn)數(shù)的比值，u0為目標(biāo)物體的平均灰度，w1為背景的像素點(diǎn)數(shù)占圖像總像素點(diǎn)數(shù)的比值，u1為背景的平均灰度，u為圖像的總平均灰度。

16、優(yōu)選的，所述對(duì)所述建筑物外形輪廓圖進(jìn)行霍夫變換提取建筑物的外形，包括：

17、對(duì)所述建筑物外形輪廓圖進(jìn)行霍夫變換生成參數(shù)空間圖；

18、計(jì)算所述參數(shù)空間圖中的建筑主方向和建筑主方向的垂直方向；

19、利用霍夫變換提取所述空間參數(shù)圖中建筑主方向和建筑主方向的垂直方向上的線段得到建筑物的外形。

20、優(yōu)選的，所述計(jì)算所述參數(shù)空間圖中的建筑主方向和建筑主方向的垂直方向，包括：

21、在所述參數(shù)空間圖中尋找全局最亮點(diǎn)，以所述全局最亮點(diǎn)的極角坐標(biāo)為建筑主方向，以與所述建筑主方向垂直的方向?yàn)榻ㄖ鞣较虻拇怪狈较颉?/p>

22、優(yōu)選的，所述將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像之前，還包括：

23、對(duì)衛(wèi)星遙感圖像進(jìn)行預(yù)處理；

24、其中，所述預(yù)處理包括以下的至少一種或多種：圖像亮度反轉(zhuǎn)，改變圖像對(duì)比度或圖像去噪。

25、優(yōu)選的，所述將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像之后，且利用多級(jí)邊緣檢測(cè)算法提取所述閾值分割后的圖像的建筑邊緣得到建筑物外形輪廓圖之前，還包括：

26、利用數(shù)學(xué)形態(tài)學(xué)方法對(duì)衛(wèi)星遙感圖像中的建筑外形進(jìn)行優(yōu)化；

27、其中，所述數(shù)學(xué)形態(tài)學(xué)方法包括以下的至少一種或多種：腐蝕，膨脹，開(kāi)操作或閉操作。

28、優(yōu)選的，其特征在于，包括：閾值分割模塊、提取建筑物外形輪廓圖模塊、提取可利用屋頂光伏的建筑物的外形模塊；

29、所述閾值分割模塊：用于將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像；

30、所述提取建筑物外形輪廓圖模塊：用于利用多級(jí)邊緣檢測(cè)算法提取所述閾值分割后的圖像的建筑邊緣得到建筑物外形輪廓圖；

31、所述提取可利用屋頂光伏的建筑物的外形模塊：用于對(duì)所述建筑物外形輪廓圖進(jìn)行霍夫變換提取可利用屋頂光伏的建筑物的外形。

32、優(yōu)選的，所述閾值分割模塊，具體用于：

33、利用聚類分析法對(duì)衛(wèi)星遙感圖像像素進(jìn)行聚類得到灰度級(jí)別數(shù)；

34、根據(jù)所述灰度級(jí)別數(shù)對(duì)所述衛(wèi)星遙感圖像進(jìn)行分割得到灰度圖像；

35、利用最大類間方差法計(jì)算所述灰度圖像中的目標(biāo)物體部分和背景部分之間分割的最佳閾值；

36、根據(jù)所述最佳閾值對(duì)所述灰度圖像分割為目標(biāo)物體部分和背景部分得到閾值分割后的圖像。

37、優(yōu)選的，所述閾值分割模塊利用最大類間方差法計(jì)算所述灰度圖像中的目標(biāo)物體部分和背景部分之間分割的最佳閾值，包括：

38、計(jì)算所述灰度圖像目標(biāo)物體部分和背景部分的灰度的類間方差，以所述類間方差最大時(shí)的灰度值為最佳閾值。

39、優(yōu)選的，所述閾值分割模塊的類間方差按下式確定：

40、g＝w0(u0-u)2+w1(u1-u)2＝w0w1(u0-u1)2

41、式中，g為類間方差，w0為目標(biāo)物體的像素點(diǎn)數(shù)占圖像總像素點(diǎn)數(shù)的比值，u0為目標(biāo)物體的平均灰度，w1為背景的像素點(diǎn)數(shù)占圖像總像素點(diǎn)數(shù)的比值，u1為背景的平均灰度，u為圖像的總平均灰度。

42、優(yōu)選的，所述提取可利用屋頂光伏的建筑物的外形模塊，具體用于：

43、對(duì)所述建筑物外形輪廓圖進(jìn)行霍夫變換生成參數(shù)空間圖；

44、計(jì)算所述參數(shù)空間圖中的建筑主方向和建筑主方向的垂直方向；

45、利用霍夫變換提取所述空間參數(shù)圖中建筑主方向和建筑主方向的垂直方向上的線段得到建筑物的外形。

46、優(yōu)選的，所述提取可利用屋頂光伏的建筑物的外形模塊計(jì)算所述參數(shù)空間圖中的建筑主方向和建筑主方向的垂直方向，包括：

47、在所述參數(shù)空間圖中尋找全局最亮點(diǎn)，以所述全局最亮點(diǎn)的極角坐標(biāo)為建筑主方向，以與所述建筑主方向垂直的方向?yàn)榻ㄖ鞣较虻拇怪狈较颉?/p>

48、優(yōu)選的，所述系統(tǒng)還包括預(yù)處理模塊，所述預(yù)處理模塊用于在將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像之前，對(duì)衛(wèi)星遙感圖像進(jìn)行預(yù)處理；

49、其中，所述預(yù)處理包括以下的至少一種或多種：圖像亮度反轉(zhuǎn)，改變圖像對(duì)比度或圖像去噪。

50、優(yōu)選的，所述系統(tǒng)還包括優(yōu)化模塊，所述優(yōu)化模塊用于在將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像之后，且利用多級(jí)邊緣檢測(cè)算法提取所述閾值分割后的圖像的建筑邊緣得到建筑物外形輪廓圖之前，利用數(shù)學(xué)形態(tài)學(xué)方法對(duì)衛(wèi)星遙感圖像中的建筑外形進(jìn)行優(yōu)化；

51、其中，所述數(shù)學(xué)形態(tài)學(xué)方法包括以下的至少一種或多種：腐蝕，膨脹，開(kāi)操作或閉操作。

52、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

53、本發(fā)明提供了一種基于衛(wèi)星遙感圖像的屋頂光伏識(shí)別方法及系統(tǒng)，包括：將衛(wèi)星遙感圖像進(jìn)行閾值分割得到閾值分割后的圖像；利用多級(jí)邊緣檢測(cè)算法提取所述閾值分割后的圖像的建筑邊緣得到建筑物外形輪廓圖；對(duì)所述建筑物外形輪廓圖進(jìn)行霍夫變換提取可利用屋頂光伏的建筑物的外形；本發(fā)明通過(guò)采用多級(jí)邊緣算法提取建筑邊緣和霍夫變換提取建筑物外形，實(shí)現(xiàn)了更精確地識(shí)別出了建筑物外形，更準(zhǔn)確的評(píng)估出可利用的分布式屋頂光伏資源。