买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南昌航空大学

摘要：本发明提供了一种城市监控视角下基于去噪扩散模型的内涝检测方法与装置，包括：（1）运用去噪扩散模型降低建筑物、树木纹理各背景噪声干扰，增强内涝积水区域水体颜色、对比度及水体边缘特征；（2）构建监控内涝积水语义分割模型，高精度提取视域内涝区域的边界和空间分布形态；（3）对单视点识别的积水图斑进行坐标转换，并将多视点同步检测获取的积水图斑进行空间对齐和融合拼接，得到城市监控范围的内涝时空分布图；（4）给出城市监控视角下基于去噪扩散模型的内涝检测装置，利用城市已部署监控网络，对监控覆盖区域实时进行内涝的快速准确检测，获取低成本、高时空分辨率的内涝分布数据，为城市规划、应急响应等领域提供技术支撑。

主权项：1.一种城市监控视角下基于去噪扩散模型的内涝检测方法，其特征在于，所述方法包括如下步骤：步骤（1）运用去噪扩散模型抑制监控视频图像内涝区域内的目标噪声，并降低背景噪声干扰，提高图像清晰度和质量，增强内涝区域积水水体颜色、对比度及水体边缘特征；步骤（2）基于编码模块、骨干网络和解码模块，融入多尺度信息和空间注意力机制以捕捉不同尺度下积水的特征信息并提高语义分割模型对内涝区域的关注，构建监控内涝积水语义分割模型，提取视域内涝区域的边界和空间分布形态；步骤（3）通过对单个视点识别的积水图斑进行目标定位和几何校正，将其相机坐标转化为世界坐标；将多视点同步检测获取的积水图斑进行空间对齐和融合拼接，得到城市监控范围的内涝时空分布图；步骤（4）给出城市监控视角下基于去噪扩散模型的城市内涝检测装置，利用城市已部署监控网络，对监控探头覆盖区域实时进行内涝的检测，获取内涝积水分布数据；步骤（1）的具体实施步骤如下：步骤（1-1）依据天气预报信息和历史降雨数据，设置降雨量阈值，筛选有效降雨事件的开始帧和结束帧，并利用公式（1）动态计算图像采集频次： （1）其中，为内涝图像采集频次，分别为降水量、降水强度、持续时间的统一量纲归一化表示；步骤（1-2）将积水图像输入去噪扩散模型，通过多次迭代优化，抑制监控视频图像内涝区域水面波纹和涟漪各目标噪声，并降低建筑物、树木纹理各背景噪声干扰，提高图像清晰度和质量，增强内涝积水区域水体颜色、对比度及水体边缘特征；步骤（1-2-1）利用去噪扩散模型的前向过程，对初始内涝视频图像，逐步添加高斯噪声，模拟内涝监控图像受降雨、水波、光照变化各因素干扰影响，最终生成噪声图像，该噪声图像符合各向同性高斯分布N0,I，在前向过程的每个时间步长t中，根据前向分布过程添加噪声，具体噪声操作定义如下： （2）其中，......表示T时间步数的马尔科夫链，噪声调度控制每一步添加的噪声方差；步骤（1-2-2）采用去噪扩散模型的反向过程，从受损的视频图像开始，通过去噪操作，逐步恢复原始内涝视频图像，确保内涝区域的特征得到有效保留和增强，在每个时间步骤，利用去噪模型模拟反向分布： （3）其中，为反向过程正态分布的预测平均值；参数θ通过最小化所有时间步长的前向和反向分布之间的KL散度得到；在优化过程中从分布采样，模拟噪声扩散过程，按照公式（4），通过边际化中间潜在变量来推导出给定的的边际分布： （4）其中，是前个时间步的所有参数的累积乘积，在马尔可夫假设下，利用公式（2）和公式（4），得出后验分布： （5）其中，μ为后验分布的均值，为后验分布的协方差： （6） （7）步骤（1-2-3）通过最小化损失函数优化去噪扩散模型的参数，恢复内涝图像的水体边界、水面纹理、颜色各细节特征；优化目标是使模型生成的图像与原始图像之间的差异最小化，其中噪声图像输入的生成过程如公式（8）所示，优化的损失函数如公式（9）所示： （8） （9）其中，，是服从均值为零，协方差矩阵为单位矩阵的正态分布随机噪声，表示对和执行期望操作，是模型生成的图像与随机噪声项之间的欧几里得范数的平方；步骤（1-2-4）执行反向马尔可夫推断过程，从高斯噪声开始，按照公式（10），在每个时间步对迭代去噪，得到： （10）其中，z是均值为0，方差为I的高斯噪声；步骤（2）的具体实施步骤如下：步骤（2-1）对经过去噪扩散模型处理后的时序积水图像进行去噪和对比度增强预处理，突出图像水体特征，增强内涝区域可见性；步骤（2-2）采用语义分割模型对步骤（2-1）预处理后的时序积水图像进行语义分割，提取和标记图像中内涝区域；步骤（2-3）进行语义分割模型的训练与测试：将所构建的城市积水监控图像数据集用语义分割模型训练，保存最优的训练结果；步骤（3）包括以下具体实施步骤：步骤（3-1）在目标区域中选择3个及以上非共线参考点，辅助相机定位和校准；步骤（3-2）通过相机标定技术，获取各监控相机的内参包括摄像头的焦距、光心各参数；获取外参包括摄像头的位置、高度、朝向各参数，同时通过公式（14）、（15）利用相机的焦距和感光元件大小计算出视场角； （14） （15）其中，和为水平视场角和垂直视场角，和是感光元件宽和高，和是水平方向和竖直方向的焦距；步骤（3-3）将步骤（2-3）语义分割模型处理后的时序掩膜图的像素坐标转换为图像坐标，其像素坐标与图像坐标的转换公式如下： （16）其中，是相机光轴与成像平面的交点，和是每个像素在横轴和纵轴上的物理尺寸；步骤（3-4）将内涝图像坐标转换成相机坐标，属于透视投影关系，由2D转换到3D，其图像坐标与相机坐标转换关系如下： （17）步骤（3-5）利用监控探头的外参矩阵，将相机坐标转换为世界坐标，其中外参矩阵公式如（18）所示，相机坐标与世界坐标转换关系如公式（19）所示： （18） （19）其中，表示相机的坐标系相对于世界坐标系的旋转矩阵,表示相机的坐标系相对于世界坐标系的平移矩阵；步骤（3-6）对多个监控视角内涝区域图像进行影像镶嵌，重叠部分取平均值，其中正值为积水区域，零值为非积水区域，最终生成监控区域积水分布图；步骤（3-7）将步骤（3-6）生成的监控区域积水分布图与同区域的常态水体图层相减，得到监控区域的内涝图层，其中正值表示内涝区域，零值表示非内涝区域；步骤（3-8）循环执行步骤（3-2）至（3-7），对多台监控相机不同时刻记录的时序图像进行空间处理，推导出积水区域边界和分布情况，得到城市监控范围的内涝时空分布图。

全文数据：

权利要求：

百度查询： 南昌航空大学 城市监控视角下基于去噪扩散模型的内涝检测方法与装置