[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

本發明公開了一種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。該方法的主要過程包括：基于特征圖像的地震前后建筑物及震害建筑物樣本集擴充，設計適合完全倒塌建筑物、部分倒塌建筑物、完整建筑物提取的深度卷積網絡模型、基于智能體的超參數自動獲取，在云端分別訓練完全倒塌建筑物、部分倒塌建筑物、完整建筑物提取的深度卷積網絡模型，提取震后影像災損區域，對震前建筑物災損等級進行標注和震害完全倒塌、部分倒塌區域建筑物數量進行統計與制圖。公開的系統面向防災減災部門的用戶需求，由用戶終端、網絡通信基站、網關服務器、中心云服務端組成。本發明提高了建筑物震害災損信息獲取與評估的及時性、準確性及智能化水平。

技術領域

本發明涉及遙感影像建筑物震害信息提取與損失評估領域，特別涉及一種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。

背景技術

地震是重大自然災害之一。地震災害往往造成房屋、橋梁等建筑物毀滅性的破壞，具有不可預測性、突發性和強破壞性。我國是遭受地震災害最為嚴重的國家之一，并且我國的房屋建筑物、基礎設施等抗震能力不強，以往的強震災難導致了大量的建筑物倒塌和人員生命和財產損失。傳統的震害評估工作主要依靠人工現場調查，需要采用大量的人力物力，不僅耗時長而且提取精度也無法滿足實際需要，且震后往往會伴隨著交通和通信的中斷，給救援指揮部門及時了解災情、制定救災對策帶來了很大困難，以至于在地震后救災應急不及時所導致的代價也十分慘重。

震害建筑物損毀數量、程度是災區救援和重建開始前所必需的信息。快速準確確定震害房屋、橋梁等建筑物位置和損失程度，是保障城市生命安全、社會經濟可持續發展、降低地震災害損失的首要問題和研究重點。針對城市龐大數目的建筑物和可能面臨的海量規模的震害損失，目前對震害基本空間特征、幾何特征、紋理特征、上下文特征等特征信息提取仍存在很大不足，采用自適應的基于網絡的模糊推理決策模型、變化檢測、面向對象等人機交互方法，仍無法滿足大范圍地震建筑物震害快速評估的高精度需求。

發明內容

為了克服傳統地面調查與上述現有遙感手段存在的精度不足與效率低下問題，本發明通過將遙感、深度學習和云計算技術集成建立一種建筑物震害信息準確提取，災情快速評估的方法和系統，通過該系統和方法，可以快速精確制作建筑物震害災情評估專題圖。

為達到上述目的，本發明一種基于深度學習和云計算的遙感建筑物震害評估方法具體步驟為：

(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等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。