本发明涉及图像处理，具体涉及一种基于多源遥感影像的光伏阵列快速提取方法。
背景技术：
1、光伏发电作为一种重要的清洁能源，其电站的监测对于了解光伏电站的运行状态、分布和变化至关重要。监测光伏阵列有助于优化能源管理，提高能源利用效率。
2、随着遥感技术的发展，现有采用深度卷积学习技术在图像处理和分析领域取得了显著进展。通过构建光伏用地样本，并利用深度卷积学习模型如resnest-50作为骨干网络的deeplab v3+，可以实现对高分辨率遥感影像中光伏阵列的自动提取。这种方法能够有效地结合指数特征和纹理特征，提高提取精度。但是深度卷积学习模型中涉及了大量的卷积层和池化层等结构，计算过程复杂，造成光伏阵列识别速度慢，且消耗大量运算资源。
技术实现思路
1、针对现有技术中的上述不足，本发明提供的一种基于多源遥感影像的光伏阵列快速提取方法解决了现有技术在处理遥感图像时，存在光伏阵列识别速度慢，且消耗大量运算资源的问题。
2、为了达到上述发明目的，本发明采用的技术方案为：一种基于多源遥感影像的光伏阵列快速提取方法，包括以下步骤：
3、s1、根据卫星遥感图像和无人机遥感图像上各波段的光强，对卫星遥感图像和无人机遥感图像分别进行重构处理，得到卫星遥感重构图像和无人机遥感重构图像；
4、s2、对卫星遥感重构图像和无人机遥感重构图像分别进行分类，并提取特征，得到卫星遥感图像对应的多个分类特征向量和无人机遥感图像对应的多个分类特征向量；
5、s3、采用目标识别模型分别对卫星遥感图像对应的每个分类特征向量和无人机遥感图像对应的每个分类特征向量进行处理，得到卫星遥感图像上光伏阵列区域和无人机遥感图像上光伏阵列区域；
6、s4、根据卫星遥感图像上光伏阵列区域和无人机遥感图像上光伏阵列区域，计算光伏阵列区域面积。
7、本发明的有益效果为：本发明中分别对卫星遥感图像和无人机遥感图像进行处理，提高光伏阵列区域面积获取的精度，本发明先对卫星遥感图像和无人机遥感图像进行重构处理，一方面降低数据量，另一方面去除噪声，再分别对卫星遥感重构图像和无人机遥感重构图像进行分类，按类别提取特征，进一步地缩减数据量，突出图像特征，采用目标识别模型处理每个分类特征向量，得到光伏阵列区域，最后，结合卫星遥感图像上光伏阵列区域和无人机遥感图像上光伏阵列区域，得到光伏阵列区域面积。本发明中在图像处理过程中两次降低数据量，同时，目标识别模型是对每一个分类特征向量进行处理，使得目标识别模型处理的数据量小，因此，本发明方法相比于现有技术，具有更快的光伏阵列识别速度，消耗更少的运算资源。
8、进一步地，所述s1中对卫星遥感图像和无人机遥感图像分别进行重构处理的过程，均包括以下步骤：
9、a1、根据遥感图像上每个像素点的各波段的原始光强，计算像素点的缓存光强；
10、a2、以每个像素点为中心点；
11、a3、根据中心点邻域范围内像素点的缓存光强，计算中心点的噪声系数；
12、a4、根据噪声系数，对中心点进行去噪处理，得到去噪光强，所有去噪光强构成重构图像。
13、上述进一步地方案的有益效果为：本发明中卫星遥感图像和无人机遥感图像为多波段图像，根据每个像素点处的各波段的原始光强，提取该像素点的缓存光强，实现数据量的缩减，再根据各中心点的邻域范围内像素点的缓存光强，评估中心点的噪声系数，根据噪声系数的大小，实现自适应地调整滤波程度。
14、进一步地，所述a1中计算像素点的缓存光强的公式为：
15、，
16、其中，li为遥感图像上第i个像素点的缓存光强，li,j为遥感图像上第i个像素点第j个波段的原始光强，n为波段的数量，i和j为正整数。
17、上述进一步地方案的有益效果为：本发明中取各波段原始光强的加权值，作为缓存光强，从而保留原始光强在所有波段中光强比重特征。
18、进一步地，所述a3中计算中心点的噪声系数的公式为：
19、，
20、其中，μk为第k个中心点的噪声系数，lk为第k个中心点的缓存光强，lk,n为第k个中心点邻域范围内第n个像素点的缓存光强，k和n为正整数。
21、上述进一步地方案的有益效果为：本发明中以中心点与邻域范围内像素点的缓存光强的距离，作为衡量中心点被噪声影响的情况，在中心点与邻域范围内像素点的缓存光强的距离越大时，噪声系数越大，中心点被噪声影响程度越大，在中心点与邻域范围内像素点的缓存光强的距离越小时，噪声系数越小，中心点被噪声影响程度越小。
22、进一步地，所述a4中对中心点进行去噪处理的公式为：
23、，
24、其中，为第k个中心点的去噪光强。
25、上述进一步地方案的有益效果为：本发明中噪声系数越大，对中心点的缓存光强滤波程度越大，实现根据中心点的噪声程度，自适应调整滤波情况。
26、进一步地，所述s2中对卫星遥感重构图像和无人机遥感重构图像分别进行分类，并提取特征的过程，均包括以下步骤：
27、b1、根据像素点间去噪光强的相似度，采用聚类算法对重构图像上的像素点进行聚类处理，得到重构图像上像素点的各个分类；
28、b2、提取每个分类的去噪光强均值和像素点数量；
29、b3、提取每个分类的边缘；
30、b4、计算边缘上每个像素点的形状值；
31、b5、将一个分类中的去噪光强均值、像素点数量和各个形状值，构成一个分类特征向量。
32、上述进一步地方案的有益效果为：本发明中先通过聚类算法，将各个像素点进行了分类，实现每一个分类中包含同等级别光强的像素点，提取去噪光强均值和像素点数量，通过去噪光强均值反映一个分类中光强等级，通过像素点数量反映一个分类在图像中所占的面积，再提取边缘上每个像素点的形状值，通过形状值反映边缘轮廓，通过去噪光强均值、像素点数量和各个形状值凸显出每个分类的特征，提高光伏阵列提取的精度。
33、进一步地，所述b4中计算边缘上每个像素点的形状值的公式为：
34、，
35、，
36、其中，sm为边缘上第m个像素点的形状值，xm为边缘上第m个像素点的横坐标，ym为边缘上第m个像素点的纵坐标，dm为边缘上第m个像素点的距离，dm-t为边缘上第m-t个像素点的距离，dm+r为边缘上第m+r个像素点的距离，t、m和r为正整数，t为第m个像素点左侧邻域范围内的像素点数量，r为第m个像素点右侧邻域范围内的像素点数量。
37、上述进一步地方案的有益效果为：本发明中通过边缘上两侧的像素点，与中间像素点的位置情况，衡量边缘的形状。
38、进一步地，所述s3中目标识别模型包括：形状值处理单元、像素点数量处理单元、光强处理单元和判别单元；
39、所述形状值处理单元用于对分类特征向量中各形状值进行处理，得到第一输出值；
40、所述像素点数量处理单元用于对分类特征向量中像素点数量进行处理，得到第二输出值；
41、所述光强处理单元用于对分类特征向量中去噪光强均值进行处理，得到第三输出值；
42、所述判别单元用于根据第一输出值、第二输出值和第三输出值，计算该分类的光伏阵列区域疑似值，在光伏阵列区域疑似值大于阈值时，该分类为光伏阵列区域。
43、进一步地，所述形状值处理单元的表达式为：
44、，
45、其中，y1为第一输出值，σ为sigmoid函数，sc为分类特征向量中第c个形状值，为分类特征向量中形状值的均值，θ为分类特征向量中形状值的方差，γ为分母系数，wc为形状值处理单元中第c个权重，bc为形状值处理单元中第c个偏置，m为分类特征向量中形状值的数量，c为正整数；
46、所述像素点数量处理单元的表达式为：
47、，
48、其中，y2为第二输出值，q为分类特征向量中像素点数量，wq为像素点数量处理单元的权重，bq为像素点数量处理单元的偏置；
49、所述光强处理单元的表达式为：
50、，
51、其中，y3为第三输出值，为分类特征向量中去噪光强均值，wl为光强处理单元的权重，bl为光强处理单元的偏置；
52、计算该分类的光伏阵列区域疑似值的公式为：
53、，
54、其中，y为该分类的光伏阵列区域疑似值，α1为第一加权系数，α2为第二加权系数，α3为第三加权系数。
55、上述进一步地方案的有益效果为：本发明中通过三个处理单元分别处理去噪光强均值、像素点数量和各个形状值，从而得到各自的输出值，综合三个输出值进行判别，提高分类的精度。
56、进一步地，所述计算光伏阵列区域面积的公式为：
57、，
58、其中，e为光伏阵列区域面积，e1为卫星遥感图像上光伏阵列区域的面积，e2为无人机遥感图像上光伏阵列区域的面积，ζ1为第一比例系数，ζ2为第二比例系数。
59、上述进一步地方案的有益效果为：本发明综合卫星遥感图像上光伏阵列区域的面积和无人机遥感图像上光伏阵列区域的面积，提高获取光伏阵列区域面积的精度。
1.一种基于多源遥感影像的光伏阵列快速提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述s1中对卫星遥感图像和无人机遥感图像分别进行重构处理的过程，均包括以下步骤：
3.根据权利要求2所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述a1中计算像素点的缓存光强的公式为：
4.根据权利要求2所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述a3中计算中心点的噪声系数的公式为：
5.根据权利要求4所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述a4中对中心点进行去噪处理的公式为：
6.根据权利要求1所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述s2中对卫星遥感重构图像和无人机遥感重构图像分别进行分类，并提取特征的过程，均包括以下步骤：
7.根据权利要求6所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述b4中计算边缘上每个像素点的形状值的公式为：
8.根据权利要求7所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述s3中目标识别模型包括：形状值处理单元、像素点数量处理单元、光强处理单元和判别单元；
9.根据权利要求8所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述形状值处理单元的表达式为：
10.根据权利要求9所述的基于多源遥感影像的光伏阵列快速提取方法，其特征在于，所述计算光伏阵列区域面积的公式为：
