【技术实现步骤摘要】
结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法
本专利技术涉及图像处理技术，具体涉及一种结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法。
技术介绍
建筑密集区是人类活动的主要场所，同时也是自然灾害发生时人员伤亡和财产损失最严重的区域。地震等自然灾害损毁的建筑物严重威胁着居民的生命和财产安全，因此针对损毁建筑区域的居民营救是救援工作的主要内容。实时、准确、快速的识别和定位损毁建筑物是紧急救援、抢险以及灾后重建工作有序进行的关键和亟待解决的问题。随着在轨高分辨率遥感卫星平台以及低空平台的轻小型航空飞机和无人机所构建的立体观测系统不断发展和完善，遥感技术全天候、全天时精确地观测和获取地表信息成为可能。由于遥感影像观测范围广、目前已经广泛被用于灾情获取的任务中。目前利用高分辨率遥感影像获取灾情成为一种有效的手段，其具有观测范围广、人工成本低、时效性高的优势，可以有效避免抢险人员进入灾区观测所面临的风险，并且不会因灾区道路阻塞影响观测。高分辨率遥感影像能够为解译损毁建筑提供更加精细的纹理和空间信息，并且获取日益便利，为...
【技术保护点】
1.结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法，其特征在于，/n包括以下步骤：/na.制作灾前建筑物提取样本库和灾后损毁建筑识别样本库；/nb.构建灾前建筑物提取模型和灾后损毁建筑识别模型；/nc.利用灾前建筑物提取样本库中的数据对灾前建筑物提取模型进行训练，利用灾后损毁建筑识别样本库中的数据对灾后损毁建筑识别模型进行训练；/nd.采用训练好的灾前建筑物提取模型提取灾前影像中的建筑物，获得灾前影像建筑区域，并采用基于对象分割策略分割灾前影像建筑区域，得到灾前建筑物分割对象；/ne.采用训练好的灾后损毁建筑识别模型处理灾后影像得到对应灾后影像的损毁建筑物置信矩阵，用于...
【技术特征摘要】
1.结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法，其特征在于，
包括以下步骤：
a.制作灾前建筑物提取样本库和灾后损毁建筑识别样本库；
b.构建灾前建筑物提取模型和灾后损毁建筑识别模型；
c.利用灾前建筑物提取样本库中的数据对灾前建筑物提取模型进行训练，利用灾后损毁建筑识别样本库中的数据对灾后损毁建筑识别模型进行训练；
d.采用训练好的灾前建筑物提取模型提取灾前影像中的建筑物，获得灾前影像建筑区域，并采用基于对象分割策略分割灾前影像建筑区域，得到灾前建筑物分割对象；
e.采用训练好的灾后损毁建筑识别模型处理灾后影像得到对应灾后影像的损毁建筑物置信矩阵，用于判断每个灾前建筑物分割对象是否损毁，得到灾后损毁建筑图。
2.如权利要求1所述的结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法，
其特征在于，步骤a中，通过人工解译的方式制作灾前建筑物提取样本库和灾后损毁建筑识别样本库。
3.如权利要求1所述的结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法，
其特征在于，步骤b中，所述灾前建筑物提取模型采用FCN模型，所述灾后损毁建筑识别模型采用CNN模型；
所述FCN模型包括依次相连的卷积层、4个宽膨胀卷积残差单元、上采样层，所述4个宽膨胀卷积残差单元中的前两个宽膨胀卷积残差单元后设置有激活函数层和最大池化层，后两个宽膨胀卷积残差单元后仅设置激活函数层；
所述CNN模型包括依次相连的卷积层、4个宽膨胀卷积残差单元、平均池化层和全连接层；所述4个宽膨胀卷积残差单元后均设置有激活函数层和最大池化层。
4.如权利要求3所述的结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法，其特征在于，所述宽膨胀卷积残差单元包括：
第一卷积层、第二卷积层和5个并联的膨胀卷积层；其中第一卷积层的输出信号连接5个并联的膨胀卷积层的输入信号；所述5个并联的膨胀卷积层的输出信号级联后输入第二卷积层；所述第二卷积层的输出信号与第一卷积层的输入信号进行叠加融合作为输出；
其中，第一卷积层和第二卷积层的卷积核大小为均为1×1；5个膨胀卷积层的卷积核大小均为3×3，膨胀因子分别为1、3、5、7、9。
5.如权利要求1所述的结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法，
其特征在于，步骤d中，采用训练好的灾前建筑物提取模型提取灾前影...
【专利技术属性】
技术研发人员：慎利，乔文凡，张文俊，曹云刚，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。