基于因果信息的 InSAR 影像大规模飓风后建筑损伤快速检测
机器学习
2023-10-04 v1 信息检索
图像与视频处理
摘要
及时准确地评估飓风引起的建筑损伤对于有效的飓风后响应和恢复工作至关重要。近来，遥感技术在灾害事件后立即提供大尺度光学或干涉合成孔径雷达（InSAR）影像数据，可便捷地用于开展快速建筑损伤评估。与光学卫星影像相比，合成孔径雷达可穿透云层，并在各种天气条件下提供受损区域更完整的空间覆盖。然而，这些 InSAR 影像常包含由共现或共位的建筑损伤、洪水、洪水/风致的植被变化以及人类活动引起的高噪声和混合信号，使得准确提取建筑损伤信息具有挑战性。本文中，我们介绍了一种从 InSAR 影像进行飓风后建筑损伤快速检测的方法。该方法使用整体因果贝叶斯网络对风、洪水、建筑损伤和 InSAR 影像之间复杂的因果依赖关系进行编码。基于因果贝叶斯网络，我们进一步通过将 InSAR 影像的信息与洪水和风先验物理模型融合，联合推断大尺度未观测建筑损伤，无需地面真实标签。此外，我们在一个真实世界的灾难性飓风——2022 年 Hurricane Ian 中验证了估计结果。我们收集并标注了佛罗里达州 Lee County 的建筑损伤地面真实数据，并将所介绍方法的估计结果与地面真实数据进行比较，且与最先进模型基准测试以评估我们提出方法的有效性。结果表明，我们的方法实现了快速准确的建筑损伤检测，与传统人工检查方法相比处理时间显著减少。
引用
@article{arxiv.2310.01565,
title = {Causality-informed Rapid Post-hurricane Building Damage Detection in Large Scale from InSAR Imagery},
author = {Chenguang Wang and Yepeng Liu and Xiaojian Zhang and Xuechun Li and Vladimir Paramygin and Arthriya Subgranon and Peter Sheng and Xilei Zhao and Susu Xu},
journal= {arXiv preprint arXiv:2310.01565},
year = {2023}
}
备注
6 pages, 3 figures