基于高分辨率遙感影像的建筑物毀損評估方法研究.pdf

1、建筑物毀損評估對于地震應急響應、災后重建都有十分重要的意義，其問題的關鍵在于如何在有限的時間和數據保障條件下獲得可靠的建筑物毀損情況評估結果。由于在實際應用中，震前影像以及相應地理信息系統的數據很難保證，因此開展僅有震后影像數據的建筑物毀損評估方法研究更具實用價值。論文在前人工作的基礎上，針對震后高分辨率遙感影像中的建筑物毀損評估方法展開了研究，主要研究內容如下：
　　針對震后遙感影像數據本身的特點，提出了在低分辨率多光譜圖像中檢

2、測建筑物區(qū)域用于排除干擾，然后利用全色圖像融合的方式得到更高分辨率的建筑物區(qū)域圖像的方法。該方法在提升建筑物毀損評估精度的基礎上，也兼顧了檢測效率。
　　在建筑物區(qū)域提取階段，提出了一種基于全連接網絡的建筑物區(qū)域提取算法，該算法不僅能夠實現端到端的輸出，而且借助GPU加速能夠達到較高的效率。為了解決震后遙感影像數據量大，標注數據少的問題，研究了一種先預訓練后參數微調的兩階段訓練方法，并采用基于GoogleMap和OpenStree

3、tMap數據合成大規(guī)模標注數據的方法，該方法能夠借助大規(guī)模的在線數據提高模型精度，解決了標注數據不足的問題。最后，針對建筑物區(qū)域提取本身的需求，研究了基于數學形態(tài)學的后處理方法用于得到完整的感興趣區(qū)域以及去除小面積區(qū)域的干擾。
　　在建筑物毀損評估階段，提出一種基于遷移學習的面向對象影像分類方法。該方法在通常的面向對象影像分類框架中引入了基于卷積神經網絡遷移學習的特征提取方法，本文對比了幾種遷移學習方式的異同，并給出了最適于面向對