论文部分内容阅读
石油储备涉及到国家的能源安全，在能源不可再生且消耗持续增长的现状下日益受到各国重视。同时随着遥感技术的进步，利用卫星影像监测地物目标已经成为获取情报的重要途径之一。基于遥感影像对石油储备基地的信息提取与分析，可以广泛应用于国防、反恐、经济建设、灾害预警等方面，具有深远的现实意义。 目前针对油库或油罐的研究，多集中于检测工作本身，并未进行更加深入的分析，远远不能满足自动化的情报分析需求。而且已有研究大多基于Hough变换及其改进算法，具有参数设置困难、对半径敏感、仅适用于对比度清晰且轮廓完整的影像等缺点。新近的基于ELSD(Ellipse and Line Segment Detector)和DCNN（深度卷积网络）的研究也仅是将DCNN作特征提取的工具来使用，且未考虑阴影、纹理等对定位的干扰。 本研究以深度学习、候选目标提取和阴影对称分析为基础，提出一套自动检测石油储备库区油罐并对外浮顶罐进行储量分析的方法。针对已有研究仅将训练好的DCNN模型作特征提取工具使用所带来的适用性较低的情况，本研究自行标注含14万标注数据的数据集并借鉴Krizhevsky开发的DCNN模型进行优化，得到专门用于油罐的分类网络，提高了分类准确率;针对基于像素点依附率的虚警过滤方法未考虑圆弧厚度而导致数据失真的情况，提出基于圆弧弧度占比的方法，避免了厚度敏感问题，提高了模型健壮性;针对阴影、纹理等对定位引起的干扰，使用Kmeans空间聚类的方法将干扰圆弧予以区分并剔除，提高了定位准确性;基于阴影对称分析对外浮顶罐作储量分析，使传统的针对油罐的研究向深入发展;针对真实储备数据不可获取的问题，基于拍摄角度引起的视角偏移（倾斜视觉成像）以人工方式计算储备数据，与实验数据相互验证，解决了模型评估问题。 实验结果表明，该方法很好地完成了自动化的油罐检测与储量分析任务，油罐检测研究性能整体优于已有研究，储量分析研究对针对油罐的研究是一种深入尝试，成功地给出了一种针对外浮顶罐的储量分析方法。