[发明专利]基于单时相图像的灾情评估方法及装置

说明书

一种基于单时相图像的灾情评估方法及装置，可用于灾情评估领域或其他领域。方法包括：对未标注历史灾后图像进行两次图像增强处理，生成第一及第二增强图像；将第一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；将已标注历史灾后图像输入至第一训练模型，将其输出结果输入至预设的初始全连接模型中进行处理，根据其输出结果对模型进行更新，得到灾情评估模型及训练后的全连接模型；将实际灾后图像输入至所述灾情评估模型，将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。本发明减少对有标注图像的依赖，有效提取图像信息，具有很好的实时性，及时掌握复杂灾情情况，优化救援资源。

技术领域

本发明涉及灾情评估技术领域，尤指一种基于单时相图像的灾情评估方法及装置。

背景技术

洪灾、山火、地震之类的自然灾害，总是威胁着人们的生命财产安全。现有的地面监测体系，覆盖率和便捷度不足，无法满足更精细化的监控需求。目前常采用基于无人机图像的监督学习算法处理灾情卫星图像，比如通过训练需要大量有标注灾后图像，得到具有较好特征提取能力的神经网络。但实际上，对灾后图像的标注是十分耗费精力的，另一方面，不同季节不同地域发生灾情后的状况也有所不同，如果要对每种气候地区都准备这样一套数据集，未免有点不切实际。

传统的灾情评估模型多采用自监督学习模型，需要大量的标注数据才能获得较好的效果。但人工标签相对数据来说本身是稀疏的，蕴含的信息不如数据内容丰富，并且人工标注需要巨大工作量。因此，存在对数据集的准备提出了很高的要求，实际上很难收集大量的带标签图像，也存在难以收集每个区域的灾前卫星图像等问题。

发明内容

针对现有技术中存在的问题，本发明实施例的主要目的在于提供一种基于单时相图像的灾情评估方法及装置，提高灾情评估的效率和准确率。

为了实现上述目的，本发明实施例提供一种基于单时相图像的灾情评估方法，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。

可选的，在本发明一实施例中，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。

可选的，在本发明一实施例中，所述初始评估模型包括初始特征模型及分类模型。

可选的，在本发明一实施例中，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；