【技术实现步骤摘要】
本专利技术涉及计算机视觉和灾害分析，尤其涉及一种自适应分割大规模灾害场景的方法及设备。
技术介绍
1、随着遥感技术的发展，灾害场景的快速准确解释变得越来越重要。然而，灾害场景通常具有复杂的地理环境和多变的灾害特征，使得灾害场景的自动解释成为一个具有挑战性的任务。目前深度学习分割算法在处理大规模、高分辨率的灾害图像时，往往存在计算量大、效率低、分割精度差等问题。因此，开发一种能够自适应处理大规模灾害图像，并能准确分割灾害区域的算法，对于快速准确理解自然灾害场景具有重要意义。
2、随着科技的快速发展，人工智能（ai）和机器学习技术在灾害管理和应急响应中的应用越来越广泛。其中，自适应模型分割算法在灾害场景解释中发挥着重要作用。该算法能够实现对灾害现场图像或视频的自动分割，从而提取出关键信息，为灾害评估、预警和救援提供有力支持[1]。灾害中目标分割算法在灾害场景解释中的方法现状呈现出以下几个特点：算法模型日益复杂化和精细化[2]。随着深度学习技术的发展，自适应分割模型算法在灾害场景解释中的应用越来越依赖于大规模数据集和高性能计算资源...
【技术保护点】
1.一种自适应分割大规模灾害场景的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述自适应分割大规模灾害场景的方法，其特征在于，所述对灾害场景数据进行预处理包括图像去噪、图像增强和图像标准化操作；
3.根据权利要求1所述自适应分割大规模灾害场景的方法，其特征在于，所述从经过预处理的灾害场景数据中提取特征包括提取灾害场景中目标的纹理、灾害场景中目标的形状、灾害场景中目标的文本特征、灾害场景中目标的灾害热力图，用于后续的参数选择器和特征筛选器的提示信息：
4.根据权利要求1所述自适应分割大规模灾害场景的方法，其特征在于，所述采用基...
【技术特征摘要】
1.一种自适应分割大规模灾害场景的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述自适应分割大规模灾害场景的方法，其特征在于，所述对灾害场景数据进行预处理包括图像去噪、图像增强和图像标准化操作；
3.根据权利要求1所述自适应分割大规模灾害场景的方法，其特征在于，所述从经过预处理的灾害场景数据中提取特征包括提取灾害场景中目标的纹理、灾害场景中目标的形状、灾害场景中目标的文本特征、灾害场景中目标的灾害热力图，用于后续的参数选择器和特征筛选器的提示信息：
4.根据权利要求1所述自适应分割大规模灾害场景的方法，其特征在于，所述采用基于参数选择器和特征筛选器的自适应大规模分割算法对提取的特征进行训练，生成分割灾害区域的模型包括：
5.根据权利要求4所述自适应分割大规模灾害场景的方法，其特征在于，所述将训练好的模型应用于待解释的灾害图像，实现自动分割包括：采用自适应大规模灾害场景分割算法对提取的特征进行训练，并调整模型参数...
【专利技术属性】
技术研发人员：赵婕乐，王海峰，尹航，王紫樒，黄和，胡成超，曹伟男，杨光义，
申请(专利权)人：武汉大学，
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。