基于深度学习的倾斜摄影建筑物表面损毁信息提取.pdf
《基于深度学习的倾斜摄影建筑物表面损毁信息提取.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的倾斜摄影建筑物表面损毁信息提取.pdf(11页珍藏版)》请在咨信网上搜索。
1、书书书第 卷第 期()年 月中 国 地 震 罗嘉琦,帅向华,李继赓 基于深度学习的倾斜摄影建筑物表面损毁信息提取 中国地震,():基于深度学习的倾斜摄影建筑物表面损毁信息提取罗嘉琦)帅向华,)李继赓)中国地震局地震预测研究所,北京 )中国地震台网中心,北京 )深圳防灾减灾技术研究院,广东深圳 摘要建筑物受损信息是地震受灾程度评估的基础,针对传统建筑物表面信息识别人工成本高、效率低等问题,受深度学习提取建筑物影像的启发,提出利用无人机倾斜摄影模型与深度学习相结合的方法提取震后建筑物表面破损信息。以 年长宁 级地震为例,选用双河镇震后倾斜摄影模型切片图为数据源,对比分析面向对象分类方法、模型和 模
2、型对建筑物表面损毁信息的提取结果。分析结果表明,针对建筑物表面破损信息的提取,尤其是细小裂缝的提取,语义分割网络 模型具有较强的优势(准确率 、召回率 、总体精度 ),可实现建筑物表面破损信息的有效提取,具有较强的应用价值。关键词:深度学习倾斜摄影 建筑物表面破损信息 文章编号 ()中图分类号 文献标识码 收稿日期 修定日期 项目类别 地震传感器信息准实时汇聚与地震影响场动态判定()资助 作者简介 罗嘉琦,女,年生,硕士研究生,主要从事 应用和遥感应用工作。:帅向华,通讯作者,女,年生,研究员,主要从事震害预测、地震灾害应急、应用和遥感应用研究。:引言建筑物损毁信息作为震害信息中较为典型的特征
3、,是进行地震风险评估的重要数据之一。众多研究表明,震中建筑物的损毁和倒塌是造成人员伤亡的最主要因素。房屋倒塌导致民众被掩埋,这也是震后救援的一大难点。相关研究表明,人员伤亡情况与建筑物倒损情况呈函数关系(柳稼航等,;王晓青等,;袁小祥等,;朱达邈等,)。因此,灾后进行损毁建筑物的快速评估十分必要,其既可以指导灾后救援工作的开展,也能最大限度地减少各类损失(马玉宏等,;陈文凯等,;赵琪等,;程希萌等,)。对于建筑物的损毁情况调查,目前我国采用的方法多为传统的实地调研、基于高分辨率遥感卫星影像或基于无人机影像等。传统的实地调研方法虽然准确度高,但安全性差且费时费力,不符合地震灾后应急“时间就是生命
4、”的紧迫性(刘耀辉,);卫星遥感影像则主要是基于震前、震后影像对建筑物震前、震后的阴影信息或边界角点等进行对比,从而获取 中国地震 卷建筑物的破损情况,然而,其大多只能针对倒塌的建筑物或建筑物顶面有明显塌陷的情况,并不适用于提取建筑物的表面破损信息,且合适的震前遥感影像较难获取,还要考虑季节和植被遮盖等的问题(杜妍开等,;石颉等,)。随着无人机技术的不断发展,无人机倾斜摄影技术解决了传统遥感影像只能从顶面观察的问题,同时其响应迅速,符合灾后救援和评估对于时间的紧迫要求。无人机低空飞行,能够提供高精度的建筑物细节信息,对于低烈度区的建筑物轻微受损信息也可识别,极大地提高了建筑物受损信息的提取精度
5、(李玮玮,;李玮玮等,;袁小祥等,)。然而,目前利用无人机遥感影像对建筑物进行损毁评估时,大多研究还停留在对倒塌建筑物的提取及破损等级的判定,对建筑物表面破损信息有所忽略。随着经济的发展,各类建筑物的坚固性和防震级别得到了很大的提升,除非遇到特大强震或刚好处于震中位置等情形,较少会出现房屋直接倒塌或大面积塌陷的现象,多数情况为从顶面或卫星图像看似完好无损,实际墙壁立面等已出现裂缝或墙体脱落等,这将形成较大的安全隐患,严重时更会导致事故的发生(帅向华等,)。近年来,深度学习的出现与人工智能的飞速发展,为建筑物信息提取提供了更多的可能。随着机器学习和深度卷积网络的不断优化和改进,其展示出了强烈的优
6、越性。目前深度学习技术在遥感影像处理领域已被广泛应用,取得了极大的成就,已有越来越多的学者将其应用于建筑物识别领域(,;于坤,;赵若辰等,)。基于以上讨论并根据实际需求,本文提出利用无人机倾斜摄影模型与深度学习网络对建筑物表面破损信息进行自动化提取,以期提高对建筑物表面破损信息检测的效率。以 年长 宁 级 地 震 后 双 河 镇 无 人 机 航 拍 影 像 作 为 数 据 源,选 用 模 型、模型以及面向对象分类方法,对震后建筑物表面破损信息进行提取,并对其结果进行对比分析。研究结果可为灾后建筑物损毁评估提供参考数据,同时也为针对性地部署地震修复重建工作提供数据支撑。基于深度学习的建筑物提取方
7、法目前,建筑物识别可以分为三个方向:目标检测、语义分割和实例分割。针对建筑物提取常用的方法主要有 、系列网络、以及 系列等神经网络模型作为基础的算法模型。经过对比分析,除面向对象分类法外,本文另外选用了两种具有代表性的模型来对本文的样本集进行训练,分别为各种图像分类软件最常用的 模型和语义分割 模型。通过对这三种方法最终得到的训练结果进行对比分析,选出对提取建筑物表面图像损毁信息较为高效的一种。模型 模型是目前市场上大多深度学习提取软件中常用的模型之一,也是 网络中运用较为频繁和广泛的模型之一。其网络结构简洁,效果较佳,可在其基础上进行多方面的优化和改进,这也是其广受欢迎的原因之一。并且,训练
8、后的 模型参数在官网开源,更有利于广大学者分析运用。基于此,众多学者利用其进行其他数据的迁移学习,大大改善了因样本不足而导致的分类精度较低的问题(荆帅军,;夏坚等,)。期罗嘉琦等:基于深度学习的倾斜摄影建筑物表面损毁信息提取 模型 模型是典型的 模型(图 )。系列网络(,)最初是基于全卷积神经网络()改进的,在 网络的基础上引入了 结构,利用空洞卷积(,)方式增大感受野的同时,使用双线性插值和全连接条件随机场()对网络进行优化;(,)在此基础上加入空洞空间卷 积池 化 金字 塔(,);(,)提出级联并行的结构,在优化 结构的同时去除了条件随机场;(,)则在上述的基础上对整体网络进行了优化,并压
9、缩了模型,减少了模型的参数,从而减少了计算量。图 模型整体架构(据 等()模型拥有 网络的优势,而且其基于 利用不同的感受野和上采样,从而实现多尺度提取特征,故得到的特征图不仅语义丰富且相对较为精细,可以直接通过插值恢复到原始的分辨率,解决了因多次池化带来的信息丢失、小目标信息无法有效提取等问题。因此,其在针对小目标检测分割上具有较强的优势(程擎等,;郝明等,)。研究方法根据无人机倾斜摄影数据的特点和深度学习的关键步骤,本文针对建筑物表面墙体破损信息的提取技术路线如图 所示,总体分为数据采集及预处理、模型训练两大部分。建筑物表面破损图像数据采集及预处理通常情况下,无人机获取的影像为建筑物的顶面
10、影像(袁小祥等,),且由于无人机在对建筑物进行采集的过程中飞行高度较低,会遇到视线遮挡等问题,最终采集的影像会出现畸变、倾斜等问题。因此,本文在选取建筑物影像时,选用的是无人机倾斜影像预先生成研究区域的三维模型,再从中获取建筑物表面墙体不同视角的切片图(于坤,),这不仅能有效过滤掉一些畸变的建筑物墙体影像,还能从多角度更清晰地获取建筑物表面墙体的 中国地震 卷图 建筑物表面破损信息提取技术路线破损信息,从而为模型提供高质量的样本。样本构建面向对象分类方法有别于传统面向像元的分类方法,其并非把每个像元作为分类的最小单元,而是选择将具有“同质均一”的像元合并为一个影像对象,以不同的影像对象作为分类
11、的最小单元,对影像的光谱、形状、空间纹理等信息进行特征分析。该方法不仅突出了影像中语义信息的优势,还避免了同谱异物及同物异谱等分类错误的出现,极大地提高了分类的精度(吴浩霖,;李琦,)。基于此,本文首先采用多尺度分割与面向对象分类相结合的方法,基于简译软件对建筑物表面影像进行破损信息的提取,为提高精准度,再辅以人工校正,采用人机交互处理的方法对样本区建筑物表面影像进行破损信息提取,以制作样本数据(图 )。图 面向对象分类流程图为提高提取的精度,要求结合数据影像选择最优的分割尺度。由于影像中裂缝和墙体脱落均较小,且考虑到不同影像内地物类型的差异,通过对比分析不同分割尺度结果,本研 期罗嘉琦等:基
12、于深度学习的倾斜摄影建筑物表面损毁信息提取究选用分割尺度为 ,具体数据依不同的影像情况而定(荆帅军等,)。对于分类特征参数的选择,本研究选用影像的光谱、形状和空间纹理等特征参数进行不同信息类别的提取,主要分为破损信息和其他信息。破损信息主要包含裂缝和墙体脱落,部分塌陷等;其他信息则是植被、道路、车辆以及完好的建筑物面等。针对不同影像的差距,本研究选用不同分类特征的不同组合,如亮度、同质度、对比度等。影像分类完成后,辅以人工目视校正,随后以每个被标记分类过的图斑为中心,对其进行裁剪切割,从而生成模型训练所需的样本数据,如图 所示。由于具有破损信息的样本数量较少,为减少因样本数量不足导致的最终提取
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 倾斜 摄影 建筑物 表面 损毁 信息 提取
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。