[发明专利]一种震后目标实物的损毁评估方法、装置、设备及介质有效
| 申请号: | 201811407266.2 | 申请日: | 2018-11-23 |
| 公开(公告)号: | CN109543616B | 公开(公告)日: | 2022-05-03 |
| 发明(设计)人: | 刘臻;慈天宇 | 申请(专利权)人: | 北京师范大学 |
| 主分类号: | G06V20/13 | 分类号: | G06V20/13;G06V10/44;G06N20/00;G06Q10/06;G06Q50/26 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 罗满 |
| 地址: | 100875 北*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 目标 实物 损毁 评估 方法 装置 设备 介质 | ||
1.一种震后目标实物的损毁评估方法,其特征在于,包括:
获取待评估区域地震前后的遥感影像,并从各遥感影像中提取待评估建筑物的矢量轮廓;
根据所述待评估建筑物地震前后的矢量轮廓数据和各自对应的遥感影像计算各自的预设特征参数,以构成目标特征参数集;
将所述目标特征参数集输入至预先构建的损毁评估模型,得到所述待评估建筑物的损毁评估结果;
其中,所述损毁评估模型输出的损毁评估结果为所述待评估建筑物的损毁等级;所述损毁评估模型为利用机器学习算法训练特征参数集所得,所述特征参数集为由利用特征选择算法从包含至少两种以上不同损毁级别的建筑物样本的样本训练集中选取每个建筑物样本的预设特征参数构成;所述特征参数集中的特征参数的类别包含目标特征参数集中的特征参数类别;所述待评估建筑物的损毁等级为损毁级别中的一种;
在所述从各遥感影像中提取待评估建筑物的矢量轮廓之后,还包括:
利用几何校准和重采样对各遥感影像进行地理配准,以使各遥感影像中的地理坐标与待评估建筑物的矢量轮廓相匹配;
所述根据所述待评估建筑物地震前后的矢量轮廓数据和各自对应的遥感影像计算各自的预设特征参数,以构成目标特征参数集包括:
根据地震前后遥感影像计算梯度相似度;
根据所述待评估建筑物地震前后的矢量轮廓数据计算轮廓匹配度;
根据地震前后的遥感影像计算各自的均值、方差、相关性、对比度、角二阶矩、同质度和熵,并分别计算地震前后的遥感影像的均值、方差、相关性、对比度、角二阶矩、同质度和熵的差异值;
根据地震前遥感影像计算待评估区域的面积;
将计算得到的各个特征参数值构成目标特征参数集;
所述根据所述待评估建筑物地震前后的矢量轮廓数据计算轮廓匹配度包括:
根据下述公式计算所述待评估建筑物在地震前后的轮廓匹配度:
式中,N为所述待评估建筑物轮廓对应像素数,d为地震前后所述待评估建筑物中每个相对应像素间的Hausdorff距离,ρ为代价函数,所述代价函数定义为:
式中,r为用于剔除出格点的阈值。
2.根据权利要求1所述的震后目标实物的损毁评估方法,其特征在于,所述损毁评估模型输出的损毁评估结果为完全倒塌、严重损毁、一般损毁及完好中的任意一种。
3.根据权利要求2所述的震后目标实物的损毁评估方法,其特征在于,所述损毁评估模型为利用机器学习算法训练特征参数集所得包括:
利用最优优先搜索算法选择用于训练所述损毁评估模型的特征参数;
将选择得到的特征参数导入SVM机器学习分类器中进行训练。
4.根据权利要求1所述的震后目标实物的损毁评估方法,其特征在于,所述根据地震前后遥感影像计算梯度相似度包括:
根据下述公式计算地震前后遥感影像的梯度相似度:
式中,s(x,y)为地震前后遥感影像的梯度相似度,gx为震前遥感影像对应的梯度图像;gy为震后遥感影像对应的梯度图像;C4为非零常数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京师范大学,未经北京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811407266.2/1.html,转载请声明来源钻瓜专利网。





