本申請涉及圖像識別領域，具體而言，涉及一種建筑災害評估方法、裝置、存儲介質及電子設備。

背景技術：

1、近年來，全球地震頻發(fā)，破壞力極大的地震災害給人類生命財產安全造成了巨大損。除了關注地震災害本身的災變機理以及開展災前監(jiān)測預警外，進行震后災情評估以及時有效地獲取震后災情信息同樣十分重要。傳統(tǒng)的震害信息獲取的主要手段是現(xiàn)場實地調查，盡管這種方法獲取信息的可信度高，但在較大區(qū)域內開展往往存在工作量大、效率低等不足。鑒于此，相關技術中提出了基于圖像識別的災害評估技術，旨在通過自動化的圖像處理手段，提高災情評估的效率與覆蓋范圍。這些技術能夠迅速捕捉和分析震區(qū)的圖像信息，為災情管理決策提供關鍵依據。

2、研究發(fā)現(xiàn)，目前基于圖像識別的災害評估方法多從圖像紋理的角度進行評估，但實踐過程中發(fā)現(xiàn)，不同類型的災害對建筑物在災前與災后的紋理變化影響并不一致。這意味著并非所有災害情況下，建筑物的紋理特征都會發(fā)生顯著的變化。

技術實現(xiàn)思路

1、為了克服現(xiàn)有技術中的至少一個不足，本申請?zhí)峁┮环N建筑災害評估方法、裝置、存儲介質及電子設備，具體包括：

2、第一方面，本申請?zhí)峁┮环N建筑災害評估方法，所述方法包括：

3、獲取建筑區(qū)域災前的紋理特征、光譜特征以及災后的紋理特征、光譜特征；

4、通過預先訓練的災害評估模型對所述災前紋理特征、光譜特征以及災后紋理特征、光譜特征進行處理，得到所述建筑區(qū)域的受災程度。

5、結合第一方面的可選實施方式，所述光譜特征包括至少一個預設波段的光譜特征；

6、每個所述預設波段的光譜特征包括本波段的均值、標準差、最大差異值以及亮度值中的至少一種；

7、所述光譜特征包括hog特征、lbp特征、ssim特征、glcm特征中的至少一種。

8、結合第一方面的可選實施方式，所述建筑區(qū)域位于待評估區(qū)域，待評估區(qū)域中包括多個所述建筑區(qū)域，所述方法還包括：

9、根據每個所述建筑區(qū)域的受災程度，確定所述建筑區(qū)域的災害標記色；

10、在所述待評估區(qū)域的圖像中將每個所述建筑區(qū)域以對應的災害標記色進行覆蓋。

11、結合第一方面的可選實施方式，建筑區(qū)域位于待評估區(qū)域，待評估區(qū)域中包括多個所述建筑區(qū)域，所述獲取建筑區(qū)域災后的紋理特征、光譜特征，包括：

12、根據所述待評估區(qū)域的災前圖像，確定出每個所述建筑區(qū)的位置；

13、根據每個所述建筑區(qū)域的位置從所述待評估區(qū)域的災后圖像中，確定出每個所述建筑區(qū)域的災后圖像；

14、根據每個所述建筑區(qū)域的災后圖像，得到每個所述建筑區(qū)域災后的紋理特征；

15、根據每個所述建筑區(qū)域的位置從所述待評估區(qū)域的災后光譜圖像中，確定出每個所述建筑區(qū)域的災后光譜圖像；

16、根據每個所述建筑區(qū)域的災后光譜圖像，得到每個所述建筑區(qū)域災后的光譜特征。

17、結合第一方面的可選實施方式，所述根據所述待評估區(qū)域的災前圖像，確定出每個所述建筑區(qū)域的位置，包括：

18、將對所述待評估區(qū)域的災前圖像進行對象級分割，得到所述待評估區(qū)域的災前圖像的對象分割結果；

19、將所述待評估區(qū)域的災前圖像進行像素級分割，得到所述待評估區(qū)域的災前圖像的像素分割結果；

20、將所述對象分割結果與所述像素分割結果進行融合，得到每個所述建筑區(qū)域的位置。

21、結合第一方面的可選實施方式，將所述待評估區(qū)域的災前圖像進行像素級分割，得到所述待評估區(qū)域的災前圖像的像素分割結果，包括：

22、通過u-net衍生模型對所述待評估區(qū)域的災前圖像進行處理，得到所述待評估區(qū)域的災前圖像的像素分割結果，其中，所述u-net衍生模型中每個解碼層輸入的特征圖為上級解碼層輸出的解碼特征圖與同級編碼層輸出的編碼特征圖之間的融合特征圖，所述解碼特征圖與所述編碼特征圖之間具有相同的尺寸；

23、所述u-net衍生模型的每個編碼層將輸入的特征圖經過不同大小的卷積核下采樣后，融合為編碼特征圖；

24、所述u-net衍生模型的每個解碼層將輸入的特征經過不同大小的卷積核上采樣后，融合為解碼特征圖。

25、結合第一方面的可選實施方式，所述將對所述待評估區(qū)域的災前圖像進行對象級分割，得到所述待評估區(qū)域的災前圖像的對象分割結果，包括：

26、通過sam模型對所述待評估區(qū)域的災前圖像進行處理，得到所述待評估區(qū)域的災前圖像的對象分割結果。

27、第二方面，本申請還提供一種建筑災害評估裝置，所述裝置包括：

28、特征提取模塊，用于獲取建筑區(qū)域災前的紋理特征、光譜特征以及災后的紋理特征、光譜特征；

29、受災評估模塊，用于模塊通過預先訓練的災害評估模型對所述災前紋理特征、光譜特征以及災后紋理特征、光譜特征進行處理，得到所述建筑區(qū)域的受災程度。

30、第三方面，本申請還提供一種存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)所述的建筑災害評估方法。

31、第四方面，本申請還提供一種電子設備，所述電子設備包括處理器以及存儲器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)所述的建筑災害評估方法。

32、相對于現(xiàn)有技術而言，本申請具有以下有益效果：

33、本申請?zhí)峁┮环N建筑災害評估方法、裝置、存儲介質及電子設備。該方法中，電子設備獲取建筑區(qū)域災前的紋理特征、光譜特征以及災后的紋理特征、光譜特征；通過預先訓練的災害評估模型對所述災前紋理特征、光譜特征以及災后紋理特征、光譜特征進行處理，得到所述建筑區(qū)域的受災程度。如此，通過利用建筑區(qū)域災前、災后紋理以及光譜特征的變化，提高對建筑災害程度的識別精度。

技術特征：

1.一種建筑災害評估方法，其特征在于，所述方法包括：

2.根據權利要求1所述的建筑災害評估方法，其特征在于，所述光譜特征包括至少一個預設波段的光譜特征；

3.根據權利要求1所述的建筑災害評估方法，其特征在于，所述建筑區(qū)域位于待評估區(qū)域，待評估區(qū)域中包括多個所述建筑區(qū)域，所述方法還包括：

4.根據權利要求1所述的建筑災害評估方法，其特征在于，建筑區(qū)域位于待評估區(qū)域，待評估區(qū)域中包括多個所述建筑區(qū)域，所述獲取建筑區(qū)域災后的紋理特征、光譜特征，包括：

5.根據權利要求4所述的建筑災害評估方法，其特征在于，所述根據所述待評估區(qū)域的災前圖像，確定出每個所述建筑區(qū)域的位置，包括：

6.根據權利要求5所述的建筑災害評估方法，其特征在于，將所述待評估區(qū)域的災前圖像進行像素級分割，得到所述待評估區(qū)域的災前圖像的像素分割結果，包括：

7.根據權利要求5所述的建筑災害評估方法，其特征在于，所述將對所述待評估區(qū)域的災前圖像進行對象級分割，得到所述待評估區(qū)域的災前圖像的對象分割結果，包括：

8.一種建筑災害評估裝置，其特征在于，所述裝置包括：

9.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，實現(xiàn)權利要求1-7任意一項所述的建筑災害評估方法。

10.一種電子設備，其特征在于，所述電子設備包括處理器以及存儲器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執(zhí)行時，實現(xiàn)權利要求1-7任意一項所述的建筑災害評估方法。

技術總結
本申請?zhí)峁┮环N建筑災害評估方法、裝置、存儲介質及電子設備。該方法中，電子設備獲取建筑區(qū)域災前的紋理特征、光譜特征以及災后的紋理特征、光譜特征；通過預先訓練的災害評估模型對所述災前紋理特征、光譜特征以及災后紋理特征、光譜特征進行處理，得到所述建筑區(qū)域的受災程度。如此，通過利用建筑區(qū)域災前、災后紋理以及光譜特征的變化，提高對建筑災害程度的識別精度。

技術研發(fā)人員：楊瑞,張金龍,祁元,王宏偉,張娟,馬超,馬曉芳
受保護的技術使用者：中國科學院西北生態(tài)環(huán)境資源研究院
技術研發(fā)日：
技術公布日：2025/1/9