基于谐波分析的输电通道卫星遥感巡视技术

随着国民经济的飞速发展,电力行业以及电力技术在近年来得到了突飞猛进的发展,确保输电通道及相关设施的安全至关重要.目前,我国输电通道电力巡检主要依靠人力进行巡检,不仅劳动强度大、劳动成本高而且效率低.因此,本文提出一种基于谐波分析高分遥感影像的输电通道典型环境地物巡视方法.首先在研究区利用多期遥感影像构建归一化植被指数(Normalized Differential Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)时间序列,再对指数时间序列进行谐波分析,获取其谐波的振幅特征,最后利用获取的振幅特征采用支持向量机的方法对人工活动区、水体、裸地、农田、森林5种典型环境地物进行分类,以实现地物的快速精确提取.通过此分类结果分析电力沿线不同地表类型电力故障发生的难易程度及等级,指导出重点巡检区域,从而提高巡检效率,进而为电力设施安全运行及应急救援规划等提供基础的数据支撑和辅助决策依据.     

基于LinkNet卷积神经网络的高分辨率遥感影像水体信息提取

针对高空间分辨率(简称高分辨率)遥感影像在水体信息提取时准确度不高的问题,采用LinkNet卷积神经网络模型对高分辨率遥感影像进行水体信息提取,验证该网络模型对于水体信息提取的可行性及有效性.首先选取包含水体的影像数据作为训练数据,然后构建LinkNet卷积神经网络模型,并利用构建好的网络模型训练得到水体信息的先验模型,最后采用该模型对真实高分辨率遥感影像进行水体信息提取,并与经典算法比较.实验结果表明:LinkNet卷积神经网络模型能够实现高分辨率遥感影像水体信息的高精度提取,且优于经典算法.