灾情信息公开研究论文提纲

论文题目：深度学习在洪涝灾害评估方面的关键技术研究

摘要：我国地势西高东低,盆地、丘陵等错落分布,同时年际降雨量分配不均匀,强降雨无法及时排出,导致洪涝灾害频发,使得农作物受灾减产,房屋等建筑物损坏,威胁到人民的生命和财产安全。因此,及时准确的洪涝灾害评估技术,能够给政府决策者提供准确的数据支持,对于挽救人们的生命财产安全具有重要意义。卫星遥感是一种非接触式的遥远感知手段,通过传感器对目标进行远距离探测,具有快速、大尺度、高精度等特点,可以满足洪水淹没范围提取过程中大范围、实时的需求,目前已较为广泛的应用在洪涝灾害领域。但是当下基于遥感图像的洪涝灾害信息提取方法还存在着精度低、效率低等难题。随着计算机和人工智能技术的发展,深度学习在信息提取方面显示出了强大的优势,在目标检测、图像分类等多个领域出色的完成了任务。因此,本文基于遥感卫星图像,开展了深度学习在洪涝灾害评估方面的关键技术研究,主要工作和创新点如下:1、本文调研了洪涝灾害评估相关的国内外研究现状,通过遥感图像对洪涝灾害的受灾范围和受灾区地物类型的两个信息提取进行研究,从受灾面积与受灾地物两个方面对灾情进行评估。为了解决灾害期间云层厚,光学遥感影像难成像的问题,灾情期间使用雷达图像对受灾区的范围进行提取;使用灾害发生前的高光谱图像对同一地区进行地物分类,通过叠加分析,获取受灾区的地物类型。本文重点研究通过深度学习方法在受灾区地物类型提取方面的应用。2、提出了一种基于雷达图像的受灾区范围提取算法流程,针对灾害发生前后的雷达数据,由于水体与背景在图像中显示较大差异,使用大津法（Otsu）作为水淹区与背景的分割方法,能够自动获取图像最优阈值,节省了人工决定阈值的时间,相比于直方图阈值分割法、分水岭算法,具有更好的效果,更高精度的将水与背景分离,同时结合帧差法和多种图像去噪算法,去除雷达成像、校正过程中带来的误差,能够准确获取受灾区的范围。3、提出了一种基于分离卷积（Separable convolution）与密集连接（Dense connection）的轻量级神经网络SDLN模型,用于受灾区地物类型的识别。使用Indian Pines等3个公开数据集和珠海一号高光谱数据,从算法准确率、运行时间两方面进行实验,相比于其他SOTA神经网络算法和经典机器学习算法,取得了最优结果,整体精度平均提高约2%,训练时间与测试时间缩短10%以上,证明该深度学习算法模型的优越性;同时设置网络输入大小实验、消融实验,验证了9×9大小的输入数据效果最好,也验证了分离卷积和密集连接的有效性。4、基于得到的受灾范围和受灾区的地物类别信息,根据图像分辨率,统计每一类地物被水淹没的面积,得到像素级别的洪涝灾害损失结果,最后使用灾情强度评估公式,对灾情进行初步估计。

关键词：洪涝灾害;损失评估;深度学习;遥感影像;分离卷积

学科专业：计算机技术（专业学位）

摘要

abstract

1 绪论

1.1 课题背景与意义

1.2 国内外研究现状

1.2.1 洪涝灾害损失评估研究现状

1.2.2 受灾范围提取研究现状

1.2.3 地物分类研究现状

1.3 存在的问题

1.4 研究内容与技术路线

1.4.1 研究内容

1.4.2 技术路线

1.5 论文组织结构

1.6 本章小结

2 相关技术理论

2.1 雷达图像洪水范围提取

2.1.1 雷达成像与水体提取原理

2.1.2 图像二值化算法

2.1.3 图像滤波算法

2.1.4 图像形态学操作

2.2 基于深度学习的高光谱图像地物分类

2.2.1 高光谱图像与地物分类

2.2.2 卷积神经网络

2.2.3 经典分类网络

2.3 洪涝灾害损失评估标准

2.4 本章小结

3 研究区域与数据源

3.1 研究区概况

3.2 数据源

3.2.1 Cosmo雷达图像

3.2.2 高光谱图像

3.3 样本数据集建设

3.3.1 珠海一号高光谱图像数据预处理

3.3.2 高光谱图像Arc GIS标注

3.4 本章小结

4 水体提取与地物分类算法设计

4.1 雷达图像水体提取算法

4.1.1 大津法阈值分割

4.1.2 帧差法叠加分析

4.1.3 水体变化监测算法流程

4.2 高光谱图像地物分类算法

4.2.1 可分离卷积

4.2.2 密集连接

4.2.3 Dropout

4.2.4 Mish激活函数

4.2.5 算法网络结构

4.3 本章小结

5 实验和结果分析

5.1 实验环境与配置

5.2 评价指标

5.3 实验结果与分析

5.3.1 雷达图像水淹区提取结果

5.3.2 基于深度学习的高光谱图像地物分类实验

5.3.3 像素级的洪涝灾害损失统计评估

5.4 本章小结

6 总结与展望

6.1 总结

6.2 创新工作

6.3 展望

参考文献

致谢