[發明專利]基于深度學習和云計算的遙感建筑物震害評估方法和系統

有效

• 申請號: 202010764129.5
• 申請日: 2020-08-01
• 公開（公告）號: CN111985355B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 李百壽;唐瑞鵬;謝躍輝;黨健;于士森
• 申請（專利權）人: 桂林理工大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/44;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06F16/182;G06F16/2458;G06F16/29
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習和云計算的遙感建筑物震害評估方法，其特征在于，具體包括以下步驟：

（1）建筑物震害遙感影像獲取和處理：從防災減災部門或遙感衛星地面接收站獲取地震前后的高分辨率遙感影像，選擇同名地物控制點對地震前后影像進行空間配準，生成配準后的地震前后原始影像；

（2）樣本集制作與數據增強：在地震前后原始影像上，分別對震前、震后建筑物進行目視解譯輪廓標繪，分別制作震前建筑物，震后完整建筑物、完全倒塌建筑物和部分倒塌建筑物的標簽圖像，通過樣本裁剪生成震前建筑物、震后建筑物震害樣本圖像和對應標簽圖像，采用多角度旋轉、鏡像變換、高斯模糊、亮度調整以及添加噪聲點虛擬樣本增強技術進行樣本圖像增強；

（3）基于特征圖像的樣本集擴充：分別提取震前影像的幾何特征，震后影像的幾何和紋理特征，分別生成震前的幾何特征圖像、震后的幾何特征圖像和紋理特征圖像，實現對步驟（2）中震前和震后影像樣本數據集進行擴充；

（4）深度卷積網絡模型設計：分別設計適合震前建筑物、震后完整建筑物提取，震后完全倒塌建筑物、部分倒塌建筑物提取的深度卷積神經網絡模型；

（5）地震前后建筑物及其震害深度學習樣本集、高分影像云端存儲：將震前建筑物、震后建筑物震害深度學習樣本，地震前后影像存儲在云端；

（6）基于智能體的模型訓練超參數自動獲取；

（7）模型云端訓練：利用步驟（4）中設計的深度卷積網絡模型和（6）中優化的模型訓練超參數，在云端分別訓練適合震前建筑物、震后完整建筑物提取，震后完全倒塌建筑物、部分倒塌建筑物提取的深度卷積神經網絡模型；

（8）震后影像中完全倒塌、部分倒塌區域、完整建筑物提取：利用（7）中訓練好的完全倒塌建筑物、部分倒塌建筑物，完整建筑物提取的深度卷積神經網絡模型對震后遙感影像進行分類，分別提取獲得完全倒塌、部分倒塌區域和完整建筑物；

（9）完全倒塌、部分倒塌區域對應震前影像裁剪：對震害中完全倒塌、部分倒塌建筑物發生區域對應震前影像進行裁剪，獲得完全倒塌、部分倒塌區域對應震前影像；

（10）完全倒塌、部分倒塌區域對應震前影像建筑物提取：在完全倒塌、部分倒塌區域對應震前影像中，利用步驟（7）中云端訓練好的震前建筑物提取的深度卷積神經網絡模型，結合震前影像建筑物樣本，提取震害倒塌、部分倒塌區域包含的震前單體建筑物；

（11）震前建筑物災損等級標注：根據步驟（9）獲得的完全倒塌、部分倒塌區域對應震前影像標記，對（10）中提取的震前建筑物標記其震害破壞類型，即將震前單體建筑物災損標記為完全倒塌建筑物或部分倒塌建筑物；

震害完全倒塌、部分倒塌區域震前建筑物數量統計與制圖：利用云GIS統計分析模塊統計計算完全倒塌、部分倒塌建筑物數目，計算其與用戶確定的評估區中建筑物總數的百分比，即建筑物震害破壞比率，將評估區中單體建筑物破壞程度空間分布及其破壞比率，生成建筑物震害災情評估專題圖。

2.如權利要求1所述的基于深度學習和云計算的遙感建筑物震害評估方法，其特征在于，步驟（3）中，影像幾何特征提取方法采用Canny算子從地震前后原始影像中提取邊緣特征，通過加權求和運算獲得邊緣特征圖像，采用Harris算法從邊緣特征圖像中提取幾何角點特征，與地震前后對應原始影像進行融合，生成幾何特征圖像；通過LBP算法從震后原始影像中提取紋理特征，生成紋理特征圖像。

3.如權利要求1所述的基于深度學習和云計算的遙感建筑物震害評估方法，其特征在于，步驟（4）所述適合震后完全倒塌建筑物、部分倒塌建筑物提取的深度卷積神經網絡模型，均建立了編碼器結構、解碼器結構，增加了瓶頸層。

4.如權利要求1所述的基于深度學習和云計算的遙感建筑物震害評估方法，其特征在于，步驟（6）中，采用動態貪婪策略選出智能體Agent最優的動作，經由智能體采取動作，獲得累積獎勵回報，將接受精度驗證與否作為選擇超參數的累積獎勵回報的閾值條件，并通過貝爾曼方程更新Q函數，利用Q函數和智能體學習自動獲取建筑物震害提取深度卷積網絡模型訓練的最優超參數。