基于多时相图像的灾情评估方法及装置制造方法及图纸

本发明专利技术提供了一种基于多时相图像的灾情评估方法及装置，可用于灾情评估领域或其他领域。所述方法包括：获取历史灾前图像及历史灾后图像，将所述历史灾前图像及历史灾后图像输入至预设的初始评估模型中进行处理，得到灾情预测结果；根据所述灾情预测结果，对所述初始评估模型进行更新，得到灾情评估模型；将获取的实际灾前图像及实际灾后图像输入至所述灾情评估模型中进行处理，得到灾情评估结果。本发明专利技术通过同时使用灾前卫星图像和灾后卫星图像来训练模型，使得灾情评估模型可以有效提取前后差异，提升对复杂灾情的评估预测准确率，为工作人员提供有效参考。为工作人员提供有效参考。为工作人员提供有效参考。

【技术实现步骤摘要】
基于多时相图像的灾情评估方法及装置


[0001]本专利技术涉及灾情评估
，尤指一种基于多时相图像的灾情评估方法及装置。

技术介绍

[0002]洪灾、山火、地震之类的自然灾害，总是威胁着人们的生命财产安全。现实生活中，一种自然灾害往往会造成多种灾情。以洪涝灾害为例，其在地域分布上的广泛性和时间上的频发性，致使洪涝灾害在各种自然灾害中经济损失程度最高，道路、铁路、桥梁、电力和天然气线路等公共设施均会遭到不同程度的毁坏，还可能进一步造成泥石流或山体滑坡、建筑物或者大坝倒塌等。
[0003]对于自然灾害，现场应急小组减少反应时间，迅速响应、采取行动，对于减少损失和挽救生命至关重要。此外，为了更好地在受灾地区部署资源，应急人员必须了解损失的确切位置和严重性，这些同样重要。目前，应急人员通常通过人力观察卫星图像的方法，来评估灾害损坏程度，但评估过程可能要花费数小时之久，这对于抢救工作极为不利。
[0004]目前常见的地面监测体系受限于覆盖率与便捷度，无法满足更精细化的监控需求，存在覆盖率和便捷度不足的问题。如今，无人机、卫星遥感都被引用到了灾害救援和灾后重建工作中。其中，卫星遥感技术成为一种必要的补充，其高重复频率和大范围同步的信息采集能力，更大限度地填补过往监控的空白部分，为目标区域的受灾范围、程度等指标提供辐射面更广、更准确的实时数据。
[0005]但是，现有的基于神经网络的灾情评估方法，仅依赖于灾后图像记性训练，不能获取灾情前后差异信息，对于卫星图像来说范围太广，无法对复杂灾情进行准确的评估预测，难以为工作人员提供有效建议。

技术实现思路

[0006]针对现有技术中存在的问题，本专利技术实施例的主要目的在于提供一种基于多时相图像的灾情评估方法及装置，提升灾情预测准确率。
[0007]为了实现上述目的，本专利技术实施例提供一种基于多时相图像的灾情评估方法，所述方法包括：
[0008]获取历史灾前图像及历史灾后图像，将所述历史灾前图像及历史灾后图像输入至预设的初始评估模型中进行处理，得到灾情预测结果；
[0009]根据所述灾情预测结果，对所述初始评估模型进行更新，得到灾情评估模型；
[0010]将获取的实际灾前图像及实际灾后图像输入至所述灾情评估模型中进行处理，得到灾情评估结果。
[0011]可选的，在本专利技术一实施例中，所述初始评估模型包括初始特征模型及初始语义模型。
[0012]可选的，在本专利技术一实施例中，所述将所述历史灾前图像及历史灾后图像输入至
预设的初始评估模型中进行处理，得到灾情预测结果包括：
[0013]将所述历史灾前图像及历史灾后图像输入至预设的初始特征模型中进行处理，得到所述历史灾前图像对应的第一特征图，以及所述历史灾后图像对应的第二特征图；
[0014]利用通道拼接方式，对所述第一特征图及所述第二特征图进行拼接，得到特征拼接图；
[0015]将所述特征拼接图输入至预设的初始语义模型中进行处理，得到所述灾情预测结果。
[0016]可选的，在本专利技术一实施例中，所述灾情预测结果包括所述特征拼接图中每一像素坐标对应的灾情预测等级。
[0017]可选的，在本专利技术一实施例中，所述根据所述灾情预测结果，对所述初始评估模型进行更新，得到灾情评估模型包括：
[0018]根据所述灾情评估结果及预设的损失函数，对所述初始特征模型及所述初始语义模型进行更新，得到特征提取模型及语义分割模型，并将所述特征提取模型及语义分割模型作为所述灾情评估模型。
[0019]可选的，在本专利技术一实施例中，所述将获取的实际灾前图像及实际灾后图像输入至所述灾情评估模型中进行处理，得到灾情评估结果包括：
[0020]将获取的实际灾前图像及实际灾后图像输入至所述特征提取模型中进行处理，得到灾前特征图及灾后特征图；
[0021]对所述灾前特征图及灾后特征图进行特征图拼接处理，得到的灾情特征图；
[0022]将所述灾情特征图输入至所述语义分割模型中进行处理，得到所述灾情评估结果；其中，所述灾情评估结果包括所述灾情特征图中每一像素坐标对应的灾情预测等级。
[0023]本专利技术实施例还提供一种基于多时相图像的灾情评估装置，所述装置包括：
[0024]历史图像模块，用于获取历史灾前图像及历史灾后图像，将所述历史灾前图像及历史灾后图像输入至预设的初始评估模型中进行处理，得到灾情预测结果；
[0025]评估模型模块，用于根据所述灾情预测结果，对所述初始评估模型进行更新，得到灾情评估模型；
[0026]评估结果模块，用于将获取的实际灾前图像及实际灾后图像输入至所述灾情评估模型中进行处理，得到灾情评估结果。
[0027]可选的，在本专利技术一实施例中，所述初始评估模型包括初始特征模型及初始语义模型。
[0028]可选的，在本专利技术一实施例中，所述历史图像模块包括：
[0029]特征图单元，用于将所述历史灾前图像及历史灾后图像输入至预设的初始特征模型中进行处理，得到所述历史灾前图像对应的第一特征图，以及所述历史灾后图像对应的第二特征图；
[0030]图像拼接单元，用于利用通道拼接方式，对所述第一特征图及所述第二特征图进行拼接，得到特征拼接图；
[0031]预测结果单元，用于将所述特征拼接图输入至预设的初始语义模型中进行处理，得到所述灾情预测结果；其中，所述灾情预测结果包括所述特征拼接图中每一像素坐标对应的灾情预测等级。
[0032]可选的，在本专利技术一实施例中，所述评估模型模块还用于根据所述灾情评估结果及预设的损失函数，对所述初始特征模型及所述初始语义模型进行更新，得到特征提取模型及语义分割模型，并将所述特征提取模型及语义分割模型作为所述灾情评估模型。
[0033]可选的，在本专利技术一实施例中，所述评估结果模块包括：
[0034]特征提取单元，用于将获取的实际灾前图像及实际灾后图像输入至所述特征提取模型中进行处理，得到灾前特征图及灾后特征图；
[0035]灾情特征图单元，用于对所述灾前特征图及灾后特征图进行特征图拼接处理，得到的灾情特征图；
[0036]评估结果单元，用于将所述灾情特征图输入至所述语义分割模型中进行处理，得到所述灾情评估结果；其中，所述灾情评估结果包括所述灾情特征图中每一像素坐标对应的灾情预测等级。
[0037]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法。
[0038]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
[0039]本专利技术通过同时使用灾前卫星图像和灾后卫星图像来训练模型，使得灾情评估模型可以有效提取前后差异，提升对复杂灾情的评估预测准确率，为工作人员提供有效参考。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多时相图像的灾情评估方法，其特征在于，所述方法包括：获取历史灾前图像及历史灾后图像，将所述历史灾前图像及历史灾后图像输入至预设的初始评估模型中进行处理，得到灾情预测结果；根据所述灾情预测结果，对所述初始评估模型进行更新，得到灾情评估模型；将获取的实际灾前图像及实际灾后图像输入至所述灾情评估模型中进行处理，得到灾情评估结果。2.根据权利要求1所述的方法，其特征在于，所述初始评估模型包括初始特征模型及初始语义模型。3.根据权利要求2所述的方法，其特征在于，所述将所述历史灾前图像及历史灾后图像输入至预设的初始评估模型中进行处理，得到灾情预测结果包括：将所述历史灾前图像及历史灾后图像输入至预设的初始特征模型中进行处理，得到所述历史灾前图像对应的第一特征图，以及所述历史灾后图像对应的第二特征图；利用通道拼接方式，对所述第一特征图及所述第二特征图进行拼接，得到特征拼接图；将所述特征拼接图输入至预设的初始语义模型中进行处理，得到所述灾情预测结果；其中，所述灾情预测结果包括所述特征拼接图中每一像素坐标对应的灾情预测等级。4.根据权利要求3所述的方法，其特征在于，所述根据所述灾情预测结果，对所述初始评估模型进行更新，得到灾情评估模型包括：根据所述灾情评估结果及预设的损失函数，对所述初始特征模型及所述初始语义模型进行更新，得到特征提取模型及语义分割模型，并将所述特征提取模型及语义分割模型作为所述灾情评估模型。5.根据权利要求4所述的方法，其特征在于，所述将获取的实际灾前图像及实际灾后图像输入至所述灾情评估模型中进行处理，得到灾情评估结果包括：将获取的实际灾前图像及实际灾后图像输入至所述特征提取模型中进行处理，得到灾前特征图及灾后特...

【专利技术属性】
技术研发人员：王贺，高园，颜世杰，夏冬，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：