基于二次变分因果贝叶斯推断的InSAR影像多类地震建筑损伤评估
计算机视觉与模式识别
2025-02-27 v1 机器学习
摘要
干涉合成孔径雷达（InSAR）技术利用卫星雷达检测地表形变模式，监测地震对建筑物的影响。虽然对紧急响应规划至关重要，但从InSAR数据中提取多类建筑损伤分类面临挑战：损伤特征与环境噪声重叠、多类场景下的计算复杂度，以及需要快速进行区域规模处理。我们提出的新型多类变分因果贝叶斯推断框架采用二次变分下界，提供严格的近似同时确保高效性。通过整合InSAR观测数据、USGS地面失效模型和建筑物脆弱性函数，本方法在保持计算效率的同时分离建筑损伤信号，通过策略性修剪实现。评估包括海地2021年、波多黎各2020年、扎贾布2020年、意大利2016年和雷金塞斯2019年等五次重大地震，显示损伤分类精度得到提高（AUC: 0.94-0.96），在现有方法上实现最高35.7%的改进。该方法在所有损伤类别中保持高准确率（AUC > 0.93），同时通过40%以上地减少计算开销，无需大量地面真值数据。
引用
@article{arxiv.2502.18546,
title = {Multi-class Seismic Building Damage Assessment from InSAR Imagery using Quadratic Variational Causal Bayesian Inference},
author = {Xuechun Li and Susu Xu},
journal= {arXiv preprint arXiv:2502.18546},
year = {2025}
}
备注
Submitted to Remote Sensing and Environment