[发明专利]基于单时相图像的灾情评估方法及装置

权利要求书

1.一种基于单时相图像的灾情评估方法，其特征在于，所述方法包括：

获取未标注历史灾后图像及已标注历史灾后图像，对所述未标注历史灾后图像进行两次图像增强处理，分别生成第一增强图像及第二增强图像；

将所述第一增强图像及第二增强图像输入至预设的初始评估模型中进行模型训练，得到第一训练模型；

将所述已标注历史灾后图像输入至所述第一训练模型，并将所述第一训练模型的输出结果输入至预设的初始全连接模型中进行处理，根据所述初始全连接模型的输出结果对所述第一训练模型及初始全连接模型进行更新，得到灾情评估模型及训练后的全连接模型；

将获取的实际灾后图像输入至所述灾情评估模型，并将所述灾情评估模型输出的结果输入至训练后的全连接模型中进行处理，得到灾情评估结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述未标注历史灾后图像进行两次图像增强处理，分别生成第一增强图像及第二增强图像包括：

从预设的多个图像增强方式中，随机选取两个图像增强方式对所述未标注历史灾后图像进行图像增强处理，分别生成第一增强图像及第二增强图像；其中，所述图像增强方式包括颜色扰动处理、高斯模糊处理、随机剪裁处理、缩放处理、对比度变换处理及翻转平移处理。

3.根据权利要求1所述的方法，其特征在于，所述初始评估模型包括初始特征模型及分类模型。

4.根据权利要求3所述的方法，其特征在于，所述将所述第一增强图像及第二增强图像输入至预设的初始特征模型中进行模型训练，得到第一训练模型包括：

将所述第一增强图像及第二增强图像输入至初始特征模型中进行处理，得到所述第一增强图像对应的第一特征向量，以及所述第二增强图像对应的第二特征向量；

将所述第一特征向量及第二特征向量输入至分类模型中进行处理，得到所述第一特征向量对应的第一结果向量，以及所述第二特征向量对应的第二结果向量；

根据所述第一结果向量、第二结果向量及预设的第一损失函数，对所述初始特征模型进行更新，得到特征提取模型，并将所述特征提取模型作为第一训练模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一结果向量、第二结果向量及预设的第一损失函数，对所述初始特征模型进行更新，得到特征提取模型包括：

将所述第一结果向量及所述第二结果向量输入至所述第一损失函数进行计算，得到图像相似性及相似概率；

根据所述图像相似性及相似概率，得到图像损耗值，并将最小化图像损耗值作为约束条件，对所述初始特征模型进行更新，得到特征提取模型。

6.根据权利要求1所述的方法，其特征在于，所述根据所述初始全连接模型的输出结果对所述第一训练模型及初始全连接模型进行更新，得到灾情评估模型及训练后的全连接模型包括：

根据所述初始全连接模型的输出结果、已标注历史灾后图像中的标签以及预设的第二损失函数，对所述第一训练模型及初始全连接模型进行更新，得到灾情评估模型及训练后的全连接模型。

7.一种基于单时相图像的灾情评估装置，其特征在于，所述装置包括：

图像增强模块，用于获取未标注历史灾后图像及已标注历史灾后图像，对所述未标注历史灾后图像进行两次图像增强处理，分别生成第一增强图像及第二增强图像；

第一模型训练模块，用于将所述第一增强图像及第二增强图像输入至预设的初始评估模型中进行模型训练，得到第一训练模型；

第二模型训练模块，用于将所述已标注历史灾后图像输入至所述第一训练模型，并将所述第一训练模型的输出结果输入至预设的初始全连接模型中进行处理，根据所述初始全连接模型的输出结果对所述第一训练模型及初始全连接模型进行更新，得到灾情评估模型及训练后的全连接模型；

评估结果模块，用于将获取的实际灾后图像输入至所述灾情评估模型，并将所述灾情评估模型输出的结果输入至训练后的全连接模型中进行处理，得到灾情评估结果。