申请/专利权人：桂林理工大学

申请日：2021-12-30

公开（公告）日：2024-04-16

公开（公告）号：CN114359724B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/46;G06V10/56;G06N3/0464;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.05.03#实质审查的生效;2022.04.15#公开

摘要：本发明公开了一种基于色彩‑参数迁移的遥感建筑物震害信息提取方法。方法包括：源域震害遥感影像的获取；源域样本集的创建划分和扩充增强；设计提取震后完整建筑物、损毁建筑物的深度卷积神经网络层深结构；利用参数随机初始化的方式获取最优层深结构模型和参数；目标域震害遥感影像的获取；目标域影像色彩迁移处理；目标域样本集的创建划分和扩充增强；利用目标域小样本结合最优源域模型参数进行目标域模型的训练；目标域影像建筑物震害信息的提取以及提取精度和效率的评价。公开的方法可以降低传统深度学习的模型获取成本，提高震害信息提取的精度和效率，满足抗震减灾部门快速准确获取震后灾损信息的需求。

主权项：1.一种基于色彩-参数迁移的遥感建筑物震害信息提取方法，其特征在于，包括以下步骤：1源域震害遥感影像获取：从防震减灾部门或遥感数据网站获取某一地区震后高分辨率历史遥感影像，作为迁移学习的源域影像数据；2源域样本集创建划分和扩充增强；3网络层深结构设计：设计提取震后完整建筑物、损毁建筑物的层深增长卷积神经网络结构；4源域模型训练：设置模型训练参数，在深度学习框架下完成模型训练，保存训练好的模型与参数；5获取最优层深结构模型和参数：针对扩充的源域样本集，按照层深增长网络结构对模型的层深结构进行调整，分别训练不同层深结构下的网络模型；结合源域测试集比较不同层深结构模型对建筑物震害信息的提取性能，并保存提取精度和模型训练时间最佳的网络层深结构和模型参数；6目标域震害遥感影像获取：从防震减灾部门或遥感数据网站获取另一地区的地震后高分辨率遥感影像，作为迁移学习的目标域影像数据；7影像色彩迁移处理：利用源域震害影像数据，提取源域影像的色彩统计特征对目标域震害影像进行色彩迁移处理，使处理后的目标域影像具有与源域影像相近的色彩统计特征；8目标域样本集创建划分和扩充增强；9目标域模型训练：采用最优源域模型，以该模型参数作为初始值结合目标域样本集训练目标域深度学习模型；10目标域影像建筑物震害信息提取与精度评价：利用目标域模型进行目标域影像建筑物震害信息的提取，完成提取结果精度效率评价。

全文数据：

权利要求：

百度查询： 桂林理工大学 一种基于色彩-参数迁移的遥感建筑物震害信息提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD