【技术实现步骤摘要】
本专利技术属于灾害管理与应急领域领域，具体涉及一种面向语义表达的自适应灾害等级地图快速综合方法。
技术介绍
1、卫星遥感在广泛覆盖区域和连续空间观测方面具有显著优势，是大范围地表异常检测的最有效手段。然而，在灾害事件发生后，即时从卫星检测结果中提取语义信息，为户提供的灾情文字播报、协助有关部门和受灾群众提供地面应急支持面临巨大挑战。这些挑战主要体现在以下两个方面。首先，遥感检测获取的灾害栅格数据量大，灾害信息太过丰富，不经简化直接从中提取语义知识是一项巨大挑战。其次，不同类型的灾害具有多样性，并在空间上呈现不同分布特征，因此一种通用方法适应所有情况具有极大的挑战性。
技术实现思路
1、专利技术目的：为了克服现有技术中存在的不足，提供一种面向语义表达的自适应灾害等级地图快速综合方法，旨在提高地图语义表达的效率，为灾害应急工作提供迅速而有效的信息支持。
2、技术方案：为实现上述目的，本专利技术提供一种面向语义表达的自适应灾害等级地图快速综合方法，包括如下步骤：
3、s1：提取受灾斑块：基于灾害栅格地图，使用k-means聚类提取受灾斑块，以去除背景值的影响；
4、s2：自适应提取灾害核心区域：使用开闭运算，通过斑块数量的变化来动态调整运算核的大小，实现自适应提取灾害核心区域，确保最终提取到的受灾斑块位置准确且斑块数量少；
5、s3：灾害等级划分：以所得的灾害核心区域为掩膜，提取待综合区域的栅格数据，根据该栅格数据的值和分类数n，进行灾害等
6、s4：综合灾害结果的生成和融合：采用开闭运算，由高等级至低等级生成每个等级的灾害结果，在此过程中，根据灾害等级调整运算核大小，将各等级灾害叠加融合，最终生成一幅综合后的灾害等级图；
7、s5：根据面积筛选斑块：在综合后的灾害等级图上，计算每个斑块的面积，并删除面积小于设定阈值的斑块，生成最终用于语义表达的灾害图。
8、面积的特定阈值可自行设置，默认为row×col×1％。
9、进一步地，所述步骤s1中提取受灾斑块的具体过程为：
10、s1-1：读取栅格数值的最大值，记为maxvalue；
11、s1-2：将row行col列的图像读取为row×col行1列的数组，其中数组的值为对应栅格的数值，接着对该数组进行k-means聚类，将数据分为两个聚类类别，分别为0和1；
12、s1-3：将maxvalue对应的类别标记为受灾斑块，赋值为1，另一类赋值为0，得到灾害聚类图。
13、进一步地，所述步骤s2中开闭运算的顺序为：首先进行开运算，即先进行腐蚀操作后接上膨胀操作，以去除图像中的小噪声，填充斑块中的小孔洞，在此基础上进行闭运算，用于连接相近的斑块，并平滑灾害区域的边界；
14、所述运算核的形状为圆形核，核的初始半径为r。
15、进一步地，所述步骤s2中自适应提取灾害核心区域的过程为：
16、s2-1：设置运算核的形状和初始大小kernel_size，设置斑块数量阈值num，对灾害聚类图进行第一次开闭运算；
17、s2-2：计算第一次开闭运算的斑块数量，如果斑块数量小于等于num，则第一次开闭运算运算结果为灾害核心区域；如果斑块数量大于num，则使kernel_size增大，进行第二次开闭运算，运算后再计算斑块数量，重复调整核大小，直到斑块数量小于等于num为止，灾害核心区域提取完成，返回提取结果核kernel_size的最终值。
18、斑块数量的阈值num取值范围为大于或等于1的正整数。一般情况下，较小的num值有利于后续的语义表达。然而，在某些情况下，例如当灾害斑块之间的分布较为分散且距离较远时，过小的num值可能会降低本方法的处理效率。因此，针对这类情况，可以考虑适度增加num的值以提高处理效率。
19、进一步地，所述步骤s3中灾害等级划分根据使用者的需求或数据特点选取，划分方法具体包括：
20、等间隔分级法，将数据值范围等分为若干个区间，每个区间的宽度相等。这种方法适用于数据分布相对均匀的情况，但在处理极端值时可能不够灵活。；
21、自然断点分级法，适用于数据具有明显的分布模式，有助于突出数据的内在结构，但可能不适用于均匀分布的数据；
22、自定义间隔分级法，允许用户自定义每个区间的间隔。这种方法适用于用户希望根据特定需求或领域知识来定义区间间隔的情况；
23、标准差分级法，允许用户自定义每个区间的间隔。这种方法适用于用户希望根据特定需求或领域知识来定义区间间隔的情况；
24、分位数分级法，将数据分为相等的百分比或分位数，通常是四分位数(分别是25％、50％、75％和100％)。
25、进一步地，所述步骤s4中灾害结果的生成方法为：提取最高等级，即等级为n的像元，并对其执行先开后闭操作，将运算结果中的像元标记为1，其余像元标记为0，生成第n级的灾害图，随后，提取等级大于等于n-1的像元，进行开闭运算，同样将运算结果中的像元标记为1，其余像元标记为0，生成第n-1级的灾害图，逐级处理，按照上述步骤处理剩余的n-2、n-3等级像元，直至处理完第1等级的像元，最终生成共计n张不同等级的灾害图，每张图对应一个特定等级的灾害情况。
26、进一步地，所述步骤s4中各等级灾害叠加融合的方法为：将生成的n张不同等级的灾害图进行叠加运算，即对应像元相加，得到最终的灾害等级图。
27、进一步地，所述步骤s4中各等级综合过程开闭运算核大小的设置方法为：第n级灾害综合时，开闭运算的核大小为灾害核心区域提取时返回的kernel_size，随着等级的降低，运算核的大小递增，每次的递增量可自行指定，默认为5个像素。
28、有益效果：本专利技术与现有技术相比，充分利用地图综合的优点，以高效简化地图信息为目标，与依赖庞大神经网络模型不同，本专利技术方法采用了基于图像处理和运算核的动态调整策略，通过动态调整运算核大小，实现自适应不同灾害等级的地图。通过综合减少图像斑块数量，从而减少图像到语义信息转换的计算量，缩短语义信息提取时间，此外，过于复杂和破碎的图斑不利于图像语义的表达，通过本专利技术实现了对图像中众多离散图斑的综合，能快速筛选和表达出最重要、最本质的灾害信息，提高了地图语义表达的效率，为灾害应急工作提供迅速而有效的信息支持。
本文档来自技高网...【技术保护点】
1.一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤S1中提取受灾斑块的具体过程为：
3.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤S2中开闭运算的顺序为：首先进行开运算，即先进行腐蚀操作后接上膨胀操作，以去除图像中的小噪声，填充斑块中的小孔洞，在此基础上进行闭运算，用于连接相近的斑块，并平滑灾害区域的边界；
4.根据权利要求3所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤S2中自适应提取灾害核心区域的过程为：
5.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤S3中灾害等级划分的方法包括等间隔分级法、自然断点分级法、自定义间隔分级法、标准差分级法、分位数分级法。
6.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤S4中灾害结果的生成方
7.根据权利要求6所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤S4中各等级灾害叠加融合的方法为：将生成的n张不同等级的灾害图进行叠加运算，即对应像元相加，得到最终的灾害等级图。
8.根据权利要求6所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤S4中各等级综合过程开闭运算核大小的设置方法为：第n级灾害综合时，开闭运算的核大小为灾害核心区域提取时返回的kernel_size，随着等级的降低，运算核的大小递增，每次的递增量可自行指定。
...【技术特征摘要】
1.一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤s1中提取受灾斑块的具体过程为：
3.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤s2中开闭运算的顺序为：首先进行开运算，即先进行腐蚀操作后接上膨胀操作，以去除图像中的小噪声，填充斑块中的小孔洞，在此基础上进行闭运算，用于连接相近的斑块，并平滑灾害区域的边界；
4.根据权利要求3所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤s2中自适应提取灾害核心区域的过程为：
5.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征在于，所述步骤s3中灾害等级划分的方法包括等间隔分级法、自然断点分级法、自定义间隔分级法、标准差分级法、分位数分级法。
6.根据权利要求1所述的一种面向语义表达的自适应灾害等级地图快速综合方法，其特征...
【专利技术属性】
技术研发人员：张翎，高丽娜，陈昊烜，吕开来，张峰极，龙毅，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：
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。