Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 4. С. 11-26
Автоматическое детектирование просек под линиями электропередач на снимках Sentinel-2 с помощью методов машинного обучения и компьютерного зрения
Я.О. Бахрамхан
1 , Д.М. Ермаков
2, 3 , Е.С. Подольская
1, 4 1 Национальный исследовательский университет "Высшая школа экономики", Москва, Россия
2 Институт космических исследований РАН, Москва, Россия
3 Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, Фрязино, Московская обл., Россия
4 Центр по проблемам экологии и продуктивности лесов им. А.С. Исаева РАН, Москва, Россия
Одобрена к печати: 13.05.2025
DOI: 10.21046/2070-7401-2025-22-4-11-26
Регулярный мониторинг состояния линий электропередач (ЛЭП) необходим для бесперебойного электроснабжения населённых пунктов и объектов инфраструктуры. Однако на лесных территориях с низкой плотностью населения и дорог задача постоянного мониторинга усложняется. Для дистанционного мониторинга просек под ЛЭП в труднодоступных лесных территориях настоящим исследованием предлагается алгоритм, выделяющий лесные просеки на космических снимках Sentinel-2. Такой алгоритм может рассматриваться в качестве первого шага автоматизации дистанционного мониторинга состояния просек под ЛЭП и, в частности, детектирования изменений (прокладки, зарастания, расчистки просек под ЛЭП и т. д.). Логика работы алгоритма имеет наглядную интерпретацию и основывается на поиске объектов интереса в пространстве дешифровочных признаков. На основе спектральных характеристик модель логистической регрессии выделяет участки, потенциально относящиеся к просекам, затем вероятностное преобразование Хафа находит линейные структуры на бинарной маске этих участков. Разработанный алгоритм является полностью автоматическим — он не требует индивидуальной настройки параметров для каждого снимка. Для оценки результатов созданы метрики качества выделения просек. Работа алгоритма локально устойчива — алгоритм корректно определяет области расположения просек под ЛЭП на всех использованных спутниковых изображениях в пределах региона исследования.
Ключевые слова: просеки, ЛЭП, дистанционный мониторинг, признаки дешифрирования, интерпретируемость алгоритма, преобразование Хафа, логистическая регрессия
Полный текстСписок литературы:
- Бахрамхан Я. О., Ермаков Д. М., Подольская Е. С. Опыт разработки алгоритма выделения лесных просек под линиями электропередач в лесных ландшафтах на основе данных Sentinel-2 // Материалы 22 й Международ. конф. «Современные проблемы дистанционного зондирования Земли из космоса». М.: ИКИ РАН, 2024. С. 163. https://doi.org/10.21046/22DZZconf-2024a.
- Ahmad J., Malik A. S., Xia L. Vegetation monitoring for high-voltage transmission line corridors using satellite stereo images // 2011 National Postgraduate Conf. 2011. 5 p. DOI: 10.1109/NatPC.2011.6136337.
- Bernstein R., Di Gesù V. A combined analysis to extract objects in remote sensing images // Pattern Recognition Letters. 1999. V. 20. Iss. 11–13. P. 1407–1414. https://doi.org/10.1016/S0167-8655(99)00126-9.
- Chen S., Haralick R. M. Recursive erosion, dilation, opening, and closing transforms // IEEE Trans. Image Processing. 1995. V. 4. Iss. 3. P. 335–345. DOI: 10.1109/83.366481.
- Duda R. O., Hart P. E. Use of the Hough transformation to detect lines and curves in pictures // Communications of the ACM. 1972. V. 15. Iss 1. P. 11–15. https://doi.org/10.1145/361237.361242.
- Gorelick N., Hancher M., Dixon M. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. V. 202. P. 18–27. https://doi.org/10.1016/j.rse.2017.06.031.
- Huete A. R. A soil-adjusted vegetation index (SAVI) // Remote Sensing of Environment. 1988. V. 25. Iss. 3. P. 295–309. https://doi.org/10.1016/0034-4257(88)90106-X.
- Kobayashi Y., Karady G. G., Heydt G. T., Olsen R. G. The utilization of satellite images to identify trees endangering transmission lines // IEEE Trans. Power Delivery. 2009. V. 24. Iss. 3. P. 1703–1709. DOI: 10.1109/TPWRD.2009.2022664.
- Lin Y., Hong W., Tan W. et al. Airborne circular SAR imaging: Results at P-band // 2012 IEEE Intern. Geoscience and Remote Sensing Symp. 2012. P. 5594–5597. DOI: 10.1109/IGARSS.2012.6352051.
- Mahdi Elsiddig Haroun F., Mohamed Deros S. N., Din N. M. (2021a) Detection and monitoring of power line corridor from satellite imagery using RetinaNet and K-mean clustering // IEEE Access. 2021. V. 9. P. 116720–116730. DOI: 10.1109/ACCESS.2021.3106550.
- Mahdi Elsiddig Haroun F., Mohamed Deros S. N., Bin Baharuddin M. Z., Din N. M. (2021b) Detection of vegetation encroachment in power transmission line corridor from satellite imagery using support vector machine: A features analysis approach // Energies. 2021. V. 14. Iss. 12. Article 3393. https://doi.org/10.3390/en14123393.
- McFeeters S. K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features // Intern. J. Remote Sensing. 1996. V. 17. Iss. 7. P. 1425–1432. https://doi.org/10.1080/01431169608948714.
- Moeller M. S. Monitoring powerline corridors with stereo satellite imagery // Proc. MAPPS/ASPRS Fall Conf. 2006. 6 p.
- Mu C., Yu J., Feng Y., Cai J. Power lines extraction from aerial images based on Gabor filter // Intern. Symp. Spatial Analysis, Spatial-Temporal Data Modeling, and Data Mining. 2009. V. 7492. P. 1081–1088.
- Sarabandi K., Park M. Millimeter-wave radar phenomenology of power lines and a polarimetric detection algorithm // IEEE Trans. Antennas and Propagation. 1999. V. 47. Iss. 12. P. 1807–1813. https://doi.org/10.1109/8.817656.
- Sarabandi K., Pierce L., Oh Y., Ulaby F. T. Power lines: Radar measurements and detection algorithm for polarimetric SAR images // IEEE Trans. Aerospace and Electronic Systems. 1994. V. 30. Iss. 2. P. 632–643. https://doi.org/10.1109/7.272288.
- Schwarz G., Soccorsi M., Chaabouni-Chouayakh H. et al. Automated information extraction from high resolution SAR images: TerraSAR-X interpretation applications // 2009 IEEE Intern. Geoscience and Remote Sensing Symp. 2009. V. 4. P. 677–680. DOI: 10.1109/IGARSS.2009.5417467.
- Tong W.-G., Li B.-S., Yuan J.-S., Zhao S.-T. Transmission line extraction and recognition from natural complex background // 2009 Intern. Conf. Machine Learning and Cybernetics. 2009. V. 4. P. 2473–2477. DOI: 10.1109/ICMLC.2009.5212202.
- Xu H. A new index for delineating built‐up land features in satellite imagery // Intern. J. Remote Sensing. 2008. V. 29. Iss. 14. P. 4269–4276. https://doi.org/10.1080/01431160802039957.