(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111653588.7 (22)申请日 2021.12.3 0 (71)申请人 桂林理工大 学 地址 541004 广西壮 族自治区桂林市七 星 区建干路12号 (72)发明人 李百寿　张越　张琼　 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/46(2022.01) G06V 10/56(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于 色彩-参数迁移的遥感建筑物震害 信息提取方法 (57)摘要 本发明公开了一种基于 色彩‑参数迁移的遥 感建筑物震害信息提取方法。 方法包括： 源域震 害遥感影像的获取； 源域样本集的创建划分和扩 充增强； 设计提取震后完整建筑物、 损毁建筑物 的深度卷积神经网络层深结构； 利用参数随机初 始化的方式获取最优层深结构 模型和参数； 目标 域震害遥感影像的获取； 目标域影像 色彩迁移处 理； 目标域样本集的创建划分和扩充增强； 利用 目标域小样本结合最优源域模型参数进行目标 域模型的训练； 目标域影像建筑物震害信息的提 取以及提取精度和效率的评价。 公开的方法可以 降低传统深度学习的模型获取成本， 提高震害信 息提取的精度和效率， 满足抗震减灾部门快速准 确获取震后灾损信息的需求。 权利要求书2页 说明书8页 附图5页 CN 114359724 A 2022.04.15 CN 114359724 A 1.一种基于色彩 ‑参数迁移的遥感建筑物震害信 息提取方法， 其特征在于， 包括以下步 骤： (1)源域震害遥感影像获取： 从防震减灾部门或遥感数据网站获取某一地区震后高分 辨率历史遥感影 像， 作为迁移学习的源域影 像数据； (2)源域样本集创建划分和扩充增强； (3)网络层深结构设计： 设计提取震后完整建筑物、 损毁建筑物的层深增长卷积神经网 络结构； (4)源域模型训练： 设置模型训练参数， 在深度学习框架下完成模型训练， 保存训练好 的模型与参数； (5)获取最优层深结构模型和参数： 针对扩充的源域样本集， 按照层深增长网络结构对 模型的层深结构进行调整， 分别训练不同层深结构下 的网络模型； 结合源域测试集比较不 同层深结构模型对建筑物震害信息的提取性能， 并保存提取精度和模型训练 时间最佳的网 络层深结构和模型参数； (6)目标域震害遥感影像获取： 从防震减灾部门或遥感数据网站获取另一地区的地震 后高分辨 率遥感影 像， 作为迁移学习的目标域影 像数据； (7)影像色彩迁移处理： 利用源域震害影像数据， 提取源域影像的色彩统计特征对目标 域震害影像进 行色彩迁移处理， 使处理后的目标域影像具有与源域影像相近的色彩统计特 征； (8)目标域样本集创建划分和扩充增强； (9)目标域模型训练： 采用最优源域模型， 以该模型参数作为初始值结合目标域样本集 训练目标域深度学习模型； (10)目标域影像建筑物震害信息提取与精度评价： 利用目标域模型进行目标域影像建 筑物震害信息的提取， 完成提取 结果精度效率评价。 2.根据权利要求1所述的一种基于色彩 ‑参数迁移的遥感建筑物震害信 息提取方法， 其 特征在于， 步骤(1)、 (6)中所述的获取源域和目标域震害遥感影像对应的地震事件、 震区、 遥感器高度类型、 成像时间不同， 既可包括源域高空间分辨率卫星影像到目标域高空间分 辨率航空影像的色彩 ‑参数迁移处理， 也可包括源域为高空间分辨率航空影像到目标域高 分卫星影 像的色彩 ‑参数迁移处 理。 3.根据权利要求1所述的一种基于色彩 ‑参数迁移的遥感建筑物震害信 息提取方法， 其 特征在于， 步骤(3)中所述的网络层深结构设计中采用了层深增长网络结构优化震害信息 提取性能和效率， 层深增长网络结构中网络输入层可输入RGB三波段震害样本集数据， 通过 层深调节、 逐层 对称增加 编码器和解码器的层深结构， 包括逐层 对称增加卷积层、 池化层和 上采样层。 4.根据权利要求1所述的一种基于色彩 ‑参数迁移的遥感建筑物震害信 息提取方法， 其 特征在于， 步骤(5)中所述的为了实现网络层深结构优化， 采用步骤(3)中设计的层深增 长 网络结构进 行优化， 获取最优层深结构模型， 记录下最优模型权重与偏置量， 同时记录训练 该模型的参数， 包括学习率、 冲量、 权 重衰减值作为待迁移参数。 5.根据权利要求1所述的一种基于色彩 ‑参数迁移的遥感建筑物震害信 息提取方法， 其 特征在于， 步骤(9)中所述的目标域模型训练采用与源域完全相同的网络层深结构和模型权　利　要　求　书 1/2 页 2 CN 114359724 A 2训练参数， 网络层深结构包括网络输入输出层、 卷积层层深及 对应的卷积核大小 数量， 池化 层池化核和上采样层上采样核 大小， 卷积滑动步长、 填充方式； 训练参数包括学习率、 冲量、 权重衰减值； 目标域模型参数的初始 值使用步骤(5)中获取的源域模 型最优参数； 源域参数 包括模型权重与偏置量参数； 为了减少目标域模型的训练 时间， 仅调少训练的迭代次数， 损 失函数、 激活函数、 批次大小其 他模型训练参数与步骤(4)中源域模型训练完全相同。 6.根据权利要求1所述的一种基于色彩 ‑参数迁移的遥感建筑物震害信 息提取方法， 其 特征在于， 步骤(7)中所述的图像 色彩迁移处理， 先将原始图像由RGB色彩空间变换至 ι α β 色 彩空间， 在 ι α β 色彩空间中采用Reinhard算法将源域色彩统计特征迁移至目标域图像， 进而 能保障目标域图像和源域图像具有相近的色彩统计特 征。 7.根据权利要求1所述的一种基于色彩 ‑参数迁移的遥感建筑物震害信 息提取方法， 其 特征在于， 步骤(10)中所述的目标域影像建筑物震害信息提取结果精度评价， 对完整建筑 物和损毁建筑物 提取结果计算 综合精确率和综合召回率， Micr o‑F1由综合精确率和综合召 回率综合计算得到 。权　利　要　求　书 2/2 页 3 CN 114359724 A 3