本发明涉及图像目标识别，具体而言，涉及一种基于遥感影像的光伏潜在区提取方法及其装置、电子设备。
背景技术：
1、对于在大区域(即较大的地理范围)下提取所有类型的光伏发电装置，一个必要的步骤就是通过较低分辨率的影像筛选出可能存在或者确认存在光伏发电装置的地区，即光伏潜在区(latent photovoltaic locations，lpl)。由于分布式光伏绝大多数分布于建筑的屋顶，因此lpl指的是有屋顶的建筑物、集中式光伏电站等，因而可将道路、农业大棚、自然地表等排除在数据下载、处理的范围之外。
2、相关技术中，对于如何筛选确定光伏潜在区的范围，通常使用夜间灯光数据或者通过扩展全球人口密度图来定义搜索区域。例如，利用一些与光伏分布相关的多个第三方源数据进行筛选。上述方法虽然可以快速地将数据处理范围大致地缩小到lpl，但是依然存在如下问题：(1)多个第三方源数据的尺度、分辨率、时相等不一致；(2)第三方源数据自身的准确率较低。
3、上述问题会导致后续提取结果的不确定性，以及造成提取结果与原始数据影像不一致的问题。并且，新建屋顶往往更有可能进行光伏布设，因此直接使用时相匹配不一致的数据集来过滤数据的弊端需要在光伏提取中加以考虑。
4、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本发明实施例提供了一种基于遥感影像的光伏潜在区提取方法及其装置、电子设备，以至少解决相关技术中对光伏潜在区进行提取的效率与准确性较低的技术问题。
2、根据本发明实施例的一个方面，提供了一种基于遥感影像的光伏潜在区提取方法，包括：获取表示目标区域的所有第一预设级别影像，其中，不同所述第一预设级别影像表示所述目标区域内的不存在交集子区域的遥感影像，所述第一预设级别影像是分辨率为第一预设分辨率的影像；采用场景分类模型对所有所述第一预设级别影像进行分类，得到包含光伏潜在区的目标影像集合，其中，所述场景分类模型是基于多张预先进行图像级标注的第二预设级别影像训练得到的模型，所述第二预设级别影像是分辨率为第二预设分辨率的影像，所述第一预设级别影像的级别小于所述第二预设级别影像的级别，所述第一预设分辨率低于所述第二预设分辨率；采用预设分割模型对所述目标影像集合中的每张目标影像进行分割，得到所述目标区域内的光伏潜在区分布图，其中，所述预设分割模型是基于多张具有像素级标注的所述第一预设级别影像训练得到的模型，所述光伏潜在区分布图用于标记所述目标区域内的所有所述光伏潜在区。
3、进一步地，所述光伏潜在区提取方法还包括：获取多张所述第二预设级别影像以及辅助数据集合，其中，所述辅助数据集合包括：居民区数据集合和光伏电站数据集合；基于所述辅助数据集合，对每张所述第二预设级别影像进行图像级标注，得到所述第二预设级别影像的图像级标注信息，其中，所述图像级标注信息包括：包含光伏潜在区或者不包含光伏潜在区；将标注有所述图像级标注信息的所有所述第二预设级别影像加入至第二预设级别影像标注数据集合；采用所述第二预设级别影像标注数据集合训练所述场景分类模型，得到训练后的所述场景分类模型。
4、进一步地，在得到训练后的所述场景分类模型之后，还包括：获取多张所述第一预设级别影像，并获取每张所述第一预设级别影像代表的地理范围对应下的所有所述第二预设级别影像，其中，当前级别影像代表的地理范围涵盖了预设数量的下一级别影像代表的地理范围；采用所述场景分类模型对每张所述第二预设级别影像进行分类，得到每张所述第二预设级别影像对应的影像类别，其中，所述影像类别为包含光伏潜在区类别或者不包含光伏潜在区类别；在所述第二预设级别影像的所述影像类别为所述包含光伏潜在区类别的情况下，确定所述第二预设级别影像代表的地理范围在所述第一预设级别影像上的第一映射区域，并将所述第一映射区域表征为正区域；在所述第二预设级别影像的所述影像类别为所述不包含光伏潜在区类别的情况下，确定所述第二预设级别影像代表的地理范围在所述第一预设级别影像上的第二映射区域，并将所述第一映射区域表征为负区域；将所述正区域内的所有像素值设置为第一预设值，并将所述负区域内的所有像素值设置为第二预设值，得到所述第一预设级别影像的粗糙像素级标签，其中，所述第一预设值与所述第二预设值不相等。
5、进一步地，在得到所述第一预设级别影像的粗糙像素级标签之后，还包括：将所述粗糙像素级标签转化为点提示，并基于所述点提示，采用任意分割模型处理所述第一预设级别影像，得到所述第一预设级别影像的细化标签，其中，所述点提示分为正向点提示和负向点提示；采用初始分割模型对所述细化标签进行校正，并在对所述细化标签校正完成的情况下，确定对所述初始分割模型训练完成，得到所述预设分割模型。
6、进一步地，将所述粗糙像素级标签转化为点提示的步骤，包括：确定所有所述正区域内的正像素总数以及所有所述负区域内的负像素总数，并确定基础密度；在所述正像素总数以及所述负像素总数都不为0的情况下，基于所述正像素总数以及所述负像素总数，确定面积自适应密度；基于所述基础密度以及所述面积自适应密度，确定目标密度，并基于所述目标密度，确定像素点间隔；基于所述像素点间隔，从所述正区域和所述负区域中生成多个点区域，并为每个点区域确定所述点提示。
7、进一步地，采用初始分割模型对所述细化标签进行校正的步骤，包括：基于所述细化标签以及所述第一预设级别影像，对所述初始分割模型进行预设训练次数的训练，得到训练后的所述初始分割模型，其中，训练后的所述初始分割模型用于预测像素为正像素的概率；将所述细化标签以及所述第一预设级别影像输入至训练后的所述初始分割模型，得到所述第一预设级别影像上每个像素为正像素的概率，并将概率小于预设概率阈值的像素校正为负像素，将概率大于等于预设概率阈值的像素校正为正像素，得到校正后的所述细化标签，其中，在校正所述细化标签的过程中，调整所述初始分割模型的模型参数；将校正后的所述细化标签以及所述第一预设级别影像输入至调整所述模型参数的所述初始分割模型，直到校正总次数达到预设校正次数。
8、进一步地，在得到所述第一预设级别影像的粗糙像素级标签之后，还包括：在所述第一预设级别影像上具有所述正区域的情况下，将所述第一预设级别影像的影像类别确定为所述包含光伏潜在区类别。
9、根据本发明实施例的另一方面，还提供了一种基于遥感影像的光伏潜在区提取装置，包括：获取单元，用于获取表示目标区域的所有第一预设级别影像，其中，不同所述第一预设级别影像表示所述目标区域内的不存在交集子区域的遥感影像，所述第一预设级别影像是分辨率为第一预设分辨率的影像；分类单元，用于采用场景分类模型对所有所述第一预设级别影像进行分类，得到包含光伏潜在区的目标影像集合，其中，所述场景分类模型是基于多张预先进行图像级标注的第二预设级别影像训练得到的模型，所述第二预设级别影像是分辨率为第二预设分辨率的影像，所述第一预设级别影像的级别小于所述第二预设级别影像的级别，所述第一预设分辨率低于所述第二预设分辨率；分割单元，用于采用预设分割模型对所述目标影像集合中的每张目标影像进行分割，得到所述目标区域内的光伏潜在区分布图，其中，所述预设分割模型是基于多张具有像素级标注的所述第一预设级别影像训练得到的模型，所述光伏潜在区分布图用于标记所述目标区域内的所有所述光伏潜在区。
10、进一步地，所述光伏潜在区提取装置还包括：第一获取模块，用于获取多张所述第二预设级别影像以及辅助数据集合，其中，所述辅助数据集合包括：居民区数据集合和光伏电站数据集合；第一标注模块，用于基于所述辅助数据集合，对每张所述第二预设级别影像进行图像级标注，得到所述第二预设级别影像的图像级标注信息，其中，所述图像级标注信息包括：包含光伏潜在区或者不包含光伏潜在区；第一加入模块，用于将标注有所述图像级标注信息的所有所述第二预设级别影像加入至第二预设级别影像标注数据集合；第一训练模块，用于采用所述第二预设级别影像标注数据集合训练所述场景分类模型，得到训练后的所述场景分类模型。
11、进一步地，所述光伏潜在区提取装置还包括：第二获取模块，用于在得到训练后的所述场景分类模型之后，获取多张所述第一预设级别影像，并获取每张所述第一预设级别影像代表的地理范围对应下的所有所述第二预设级别影像，其中，当前级别影像代表的地理范围涵盖了预设数量的下一级别影像代表的地理范围；第一分类模块，用于采用所述场景分类模型对每张所述第二预设级别影像进行分类，得到每张所述第二预设级别影像对应的影像类别，其中，所述影像类别为包含光伏潜在区类别或者不包含光伏潜在区类别；第一确定模块，用于在所述第二预设级别影像的所述影像类别为所述包含光伏潜在区类别的情况下，确定所述第二预设级别影像代表的地理范围在所述第一预设级别影像上的第一映射区域，并将所述第一映射区域表征为正区域；第二确定模块，用于在所述第二预设级别影像的所述影像类别为所述不包含光伏潜在区类别的情况下，确定所述第二预设级别影像代表的地理范围在所述第一预设级别影像上的第二映射区域，并将所述第一映射区域表征为负区域；第一设置模块，用于将所述正区域内的所有像素值设置为第一预设值，并将所述负区域内的所有像素值设置为第二预设值，得到所述第一预设级别影像的粗糙像素级标签，其中，所述第一预设值与所述第二预设值不相等。
12、进一步地，所述光伏潜在区提取装置还包括：第一转化模块，用于在得到所述第一预设级别影像的粗糙像素级标签之后，将所述粗糙像素级标签转化为点提示，并基于所述点提示，采用任意分割模型处理所述第一预设级别影像，得到所述第一预设级别影像的细化标签，其中，所述点提示分为正向点提示和负向点提示；第一校正模块，用于采用初始分割模型对所述细化标签进行校正，并在对所述细化标签校正完成的情况下，确定对所述初始分割模型训练完成，得到所述预设分割模型。
13、进一步地，所述第一转化模块包括：第一确定子模块，用于确定所有所述正区域内的正像素总数以及所有所述负区域内的负像素总数，并确定基础密度；第二确定子模块，用于在所述正像素总数以及所述负像素总数都不为0的情况下，基于所述正像素总数以及所述负像素总数，确定面积自适应密度；第三确定子模块，用于基于所述基础密度以及所述面积自适应密度，确定目标密度，并基于所述目标密度，确定像素点间隔；第四确定子模块，用于基于所述像素点间隔，从所述正区域和所述负区域中生成多个点区域，并为每个点区域确定所述点提示。
14、进一步地，所述第一校正模块包括：第一训练子模块，用于基于所述细化标签以及所述第一预设级别影像，对所述初始分割模型进行预设训练次数的训练，得到训练后的所述初始分割模型，其中，训练后的所述初始分割模型用于预测像素为正像素的概率；第一输入子模块，用于将所述细化标签以及所述第一预设级别影像输入至训练后的所述初始分割模型，得到所述第一预设级别影像上每个像素为正像素的概率，并将概率小于预设概率阈值的像素校正为负像素，将概率大于等于预设概率阈值的像素校正为正像素，得到校正后的所述细化标签，其中，在校正所述细化标签的过程中，调整所述初始分割模型的模型参数；第二输入子模块，用于将校正后的所述细化标签以及所述第一预设级别影像输入至调整所述模型参数的所述初始分割模型，直到校正总次数达到预设校正次数。
15、进一步地，所述光伏潜在区提取装置还包括：第三确定模块，用于在得到所述第一预设级别影像的粗糙像素级标签之后，在所述第一预设级别影像上具有所述正区域的情况下，将所述第一预设级别影像的影像类别确定为所述包含光伏潜在区类别。
16、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项基于遥感影像的光伏潜在区提取方法。
17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项基于遥感影像的光伏潜在区提取方法。
18、在本发明中，获取表示目标区域的所有第一预设级别影像，采用场景分类模型对所有第一预设级别影像进行分类，得到包含光伏潜在区的目标影像集合，采用预设分割模型对目标影像集合中的每张目标影像进行分割，得到目标区域内的光伏潜在区分布图。
19、在本发明中，可以先采用预先进行图像级标注的第二预设级别影像训练场景分类模型以及采用具有像素级标注的第一预设级别影像训练预设分割模型，然后使用训练好的场景分类模型处理目标区域下的所有第一预设级别影像，以得到包含光伏潜在区的目标影像集合，再使用训练好的预设分割模型分割目标影像，以得到目标区域内的光伏潜在区分布图，通过使用同源数据(即第一预设级别影像和第二预设级别影像)训练场景分类模型以及预设分割模型，能够保证提取结果(即光伏潜在区分布图)和原始影像一致的情况下，有效提升了对光伏潜在区进行提取的效率，进而解决了相关技术中对光伏潜在区进行提取的效率与准确性较低的技术问题，从而达到了准确、高效提取光伏潜在区的技术效果。
1.一种基于遥感影像的光伏潜在区提取方法，其特征在于，包括：
2.根据权利要求1所述的光伏潜在区提取方法，其特征在于，所述光伏潜在区提取方法还包括：
3.根据权利要求2所述的光伏潜在区提取方法，其特征在于，在得到训练后的所述场景分类模型之后，还包括：
4.根据权利要求3所述的光伏潜在区提取方法，其特征在于，在得到所述第一预设级别影像的粗糙像素级标签之后，还包括：
5.根据权利要求4所述的光伏潜在区提取方法，其特征在于，将所述粗糙像素级标签转化为点提示的步骤，包括：
6.根据权利要求4所述的光伏潜在区提取方法，其特征在于，采用初始分割模型对所述细化标签进行校正的步骤，包括：
7.根据权利要求3所述的光伏潜在区提取方法，其特征在于，在得到所述第一预设级别影像的粗糙像素级标签之后，还包括：
8.一种基于遥感影像的光伏潜在区提取装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的基于遥感影像的光伏潜在区提取方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的基于遥感影像的光伏潜在区提取方法。
