基于高分辨率光学遥感图像的油罐检测和储量分析方法

• 摘要：

  本发明涉及一种基于高分辨率光学遥感图像的油罐检测和储量分析方法,属于光学遥感图像处理与分析技术领域,包括以下步骤:首先,使用改进的ELSD(Ellipse and Line Segment Detector)和K‑means聚类算法,提取候选油罐目标;然后,将候选目标输入训练好的DCNN(Deep Convolutional Neural Network)模型,得到精确检测结果,并实现对平顶罐和拱顶罐的分类;最后,利用油罐检测结果和平顶罐周围阴影的对称特征,计算平顶罐的储备率并对其进行储量分析;此外,基于拍摄角度引起的视觉偏移,以人工方式计算储备数据,与实验数据相互验证.本发明可以快速精确检测石油储备库区油罐并对平顶罐进行储量分析,对掌握国家的经济实力、战略决策、执行动向等信息具有重要的意义.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201710727161.4

• 申请日期：

  2017.08.23

• 公开/公告号：

  CN107688782A

• 公开/公告日：

  2018-02-13

• 发明人：

  张金芳 王庆全 王思雨 张慧 胡晓惠 王瑞

• 申请人：

  中国科学院软件研究所

• 主分类号：

  G06K9/00(2006.01)I,G,G06,G06K,G06K9

• 分类号：

  G06K9/00(2006.01)I,G06K9/62(2006.01)I,G06T7/68(2017.01)I,G,G06,G06K,G06T,G06K9,G06T7,G06K9/00,G06K9/62,G06T7/68

• 主权项：

  基于高分辨率光学遥感图像的油罐检测和储量分析方法,其特征在于,包括以下步骤:步骤1:采集并标注含油罐目标的光学遥感图像数据,将数据分为训练集、验证集和测试集;步骤2:基于改进的ELSD(Ellipse and Line Segment Detector)算法,对步骤1得到的训练集、验证集和测试集分别提取训练集、验证集和测试集候选目标;步骤3:使用步骤2得到的训练集、验证集候选目标训练并优化DCNN(Deep Convolutional Neural Network)模型,将步骤2得到的测试集候选目标输入已训练的DCNN模型,输出目标分类结果,所述目标分类结果包括平顶罐、拱顶罐和背景三类;步骤4:利用平顶罐周围阴影的对称特征,基于点对比较的阴影对称分析方法,提取平顶罐周围阴影区域的最优对称轴线;步骤5:根据阴影厚度和步骤4得到的对称轴线,计算得到平顶罐的储备率;步骤6:真实储备数据难以获取,基于拍摄角度引起的视觉偏移,以人工方式计算储备数据,与实际数据相互验证.