[发明专利]一种基于层次化密集架构搜索的遥感灾害场景制图方法

权利要求书

1.一种基于层次化密集架构搜索的遥感灾害场景制图方法，其特征在于，包括以下步骤：

步骤1，构建灾害场景地表覆盖分类影像样本库，收集灾害受击后的高分辨率遥感影像，按比例划分训练集、验证集与测试集，并对所有影像数据进行归一化，对训练集进行数据增强；

步骤2，构建层次化密集搜索空间用于解码架构搜索，层次化密集搜索空间包含密集连接的层级搜索空间与多尺度算子集搜索空间；通过结合现有优秀的深度编码模型，在训练集上实现解码架构可微分搜索，并利用多尺度融模块对解码架构输出的多尺度特征进行融合，获取最终制图概率输出；

步骤3，基于编码器权重迁移的模型训练，通过步骤2中搜索到的解码器架构参数，利用广度优先算法解码最优解码架构，结合编码器模型权重，在特定灾害任务上实现模型重训练；

步骤4，基于训练后的编码-解码模型，对未标记大范围灾害场景进行地表覆盖制图与损毁评估，预测分类概率获取制图结果。

2.根据权利要求1所述的一种基于层次化密集架构搜索的遥感灾害场景制图方法，其特征在于：步骤1的具体实现包括如下子步骤，

步骤1.1，根据典型自然灾害：飓风、洪涝、地震、火山喷发，利用无人机或者卫星平台收集灾后区域高分辨率遥感影像；

步骤1.2，根据受灾后感兴趣地物进行损毁评级，并进行像素级标注，包含以下类别：废墟、水域、未受损建筑物、中度受损建筑物、高度受损建筑物、完全损毁建筑物、车辆、船舶、道路、树木、泳池、沙土；

步骤1.3，对所有影像与标注掩膜进行裁剪，并划分为训练、验证与测试集，对所有影像数据进行归一化，并利用随机翻转、随机色彩扰动、随机尺度放缩对训练集进行数据增强。

3.根据权利要求1所述的一种基于层次化密集架构搜索的遥感灾害场景制图方法，其特征在于：步骤2的具体实现包括如下子步骤，

步骤2.1，设计密集连接的层级搜索空间，该空间用于寻找解码架构中最优的特征空间分辨率转移路径；现有深度学习编码器均具有四种尺度的特征输出，分别为：{c₁,c₂,c₃,c₄}，其空间分辨率分别为原始图像的{1/4,1/8,1/16,1/32}，所述密集连接的层级搜索空间涵盖各种尺度特征交互的所有路径，针对该空间第一层连接，可以表示为：其中α为架构参数，表示前层输出的权重或者连接强度，代表多尺度算子融合策略，每一层有四个不同尺度的节点；针对第二层或更多后续层l，则其中节点连接表达公式如下：

其中l≥1，代表当前层在搜索空间中深度，α基于softmax函数归一化，n_i代表前层节点的特征输出{n_i|i＝5,6,7,...,4l}，i代表前层输出编号；

步骤2.2，设计多尺度算子集搜索空间，该空间中特征空间分辨率保持不变，用于搜索微观层次，即节点中多尺度算子的最优融合策略每一个节点的算子选择与融合策略都是相互独立的，从可选算子集合中选择：全局平均池化、3×3可分离卷积、5×5可分离卷积、7×7可分离卷积；因此，在某节点内部搜索空间表示如下：

其中β用来表示每个算子的重要程度，x表示节点输入特征，O_j则为具体操作算子，j代表可选搜索算子编号；

步骤2.3，设计多尺度融合模块，对解码架构的多尺度输出进行融合处理；解码架构的输出{d₁,d₂,d₃,d₄}也分为四个尺度，分别为原始图像的{1/4,1/8,1/16,1/32}，针对四个尺度的输出，分别用不同数量的上采样模块U_×2(·)进行尺度变换，U_×2(·)包含3×3卷积、归一化层、ReLU激活函数以及一个可选的×2双线性上采样函数；因此{d₁,d₂,d₃,d₄}分别由1个U_×1(·)、1个U_×2(·)、2个U_×2(·)、3个U_×2(·)处理，将尺度统一为原始图像的1/4；然后将处理后的同尺度特征进行相加融合，最终利用×4双线性上采样函数恢复为原始图像分辨率大小，然后利用1×1卷积将通道降维至类别数，通过SoftMax实现分割图概率输出；

步骤2.4，在密集连接的层级搜索空间中，所有的权重与网络架构参数α与β均可微分，能够利用梯度下降算法实现端到端优化。