高振宇 刘亮 潘浩 马御棠 黄修乾 耿浩 刘靖 徐崇斌 孙晓敏

（1 电力遥感技术联合实验室（云南电网有限责任公司电力科学研究院），昆明 650217）

（2 北京空间机电研究所，北京 100094）

（3 北京空间飞行器总体设计部，北京 100094）

0 引言

近年来，随着卫星遥感空间分辨率的不断提升，使其具备快速、大面积获取输电走廊地物信息的能力，在电力行业得到日益广泛的应用。在输电线路的日常检测过程中，通过不同时间遥感图像的变化检测，提取有变化的区域[1]，可以及时发现地质灾害、人为破坏和违章建设等潜在风险。当前变化检测流程中，需要假设不同时期获取的影像经过了几何校正[2]，即用于变化检测的不同图像中相同的行列号理论上是一样的。除了几何校正之外，变化检测的影像预处理还包括辐射纠正、数据融合等，通过图像的预处理能在一定程度上减少色彩和光照变化等外部条件对变化检测的影响。传统变化检测一般直接基于像元[3]来进行，利用图像处理和计算机视觉技术来定位两张图像存在差异的像元。为了解决像元级别变化检测精度不高而且碎块较多的问题，对象级变化检测[4-6]技术成为变化检测的重要研究方向。检测单元不再是独立的像元，而是经过特征的抽象转变为对象级，对象中包含了丰富的空间、纹理、形状等特征，通过对象特征差异获取变化检测图，能够明显提高变化检测的效率和品质[1,7]。

深度学习通过构造深度神经网络，能够从海量的样本中自动学习抽象特征。……