从遥感影像自动识别城市土地覆盖类型能够为土地利用、快速制图提供高效的手段；从分类结果中自动发现土地覆盖变化能够为城市地图更新、城市规划、经济发展预测等提供高效、廉价的技术途径。因此近年来，土地覆盖分类和变化检测在遥感领域受到了广泛研究^[1-4]。

经典的遥感影像分类方法主要利用遥感影像的低层次特征信息，如光谱特征、植被指数、纹理特征、几何特征等^[5]，采用不同的分类器，如主成分分析^[6-7]、支持向量机（support vector machine，SVM）^{[2, 8-9]}、随机森林^[10]、人工神经网络^[11]等，实现遥感影像的地物分类。Zhong等^[12]利用多分类器分割高光谱影像；Morsy等^[13]对多光谱LiDAR (light detection and ranging)数据进行点云分类；Pullanagari等^[14]采用SVM和人工神经网络提升了异源影像的土地覆盖分类精度。近年来，一些研究将深度学习应用在遥感影像分类中^[15]，采用卷积神经网络^[16]或深度信念网络^[17]等实现遥感影像分类。如Zhang等^[18]融合了卷积神经网络与马尔可夫随机场的优势；Maggiori等^[19]采用全卷积神经元网络（fully convolutional neural network, FCN）实现了遥感影像的像素级分类；Scott等^[20]结合迁移学习，克服了遥感影像数据集标注缺乏的困境。

变化检测的方法可以分为直接预测变化^[21-23]和先分类后发现变化^[24-25]的方法，也可分成经典的机器学习方法^[26-27]和基于深度学习的方法^[28-29]。Walter^[25]对GIS数据库中的像素对象先进行分类，再得到变化结果；Gu等^[30]提出了一种基于改进的马尔可夫随机场的变化检测方法。Cao等^[31]在没有训练参数的情况下进行变化/未变化区域的提取；Lv等^[27]提出了混合条件随机场模型；Amin等^[28]使用卷积神经网络从两期遥感影像中提取特征，将提取的特征串联并计算特征图欧氏距离，最终得到变化检测图。Liu等^[32]利用无监督深度卷积耦合网络，实现了光学影像和雷达影像异源数据之间的变化检测。在城市土地覆盖GIS数据库的更新中，由于变化后的地物类别也是必要信息，一般采用先分类后变化检测的方法。

目前，利用深度学习算法实现高分辨率航空和航天影像的大区域（如城市级）土地利用分类及变化检测的有关研究依然较少，部分研究也仅限于一幅或几幅测试影像。本文针对城市级的高分辨率遥感影像，研究了基于深度学习的分类和变化检测方法。特别地，提出了一种全空洞卷积神经元网络（fully atrous convolutional neural network, FACNN），实现地物的精细分类。基于分类结果和往年GIS矢量图，进一步生成变化图，并对变化图的像素级和对象级精度以及预测误差作了详细分析。

1 研究区域

武汉市是中国中部一座快速发展的城市，覆盖约8 000 km²土地和1千万人口。城市土地覆盖/土地利用的GIS数据库需要每年更新，且都是通过全人工方法绘制。采用基于深度学习的先进方法是否能代替人工方法发现一些变化区域，降低劳力成本和提升效率，是本文关注的研究点。

本文采用2014年和2017年全武汉市的高分辨率遥感影像及其对应年份的土地覆盖GIS矢量图作为实验数据，GIS矢量图由测绘单位的作业员通过人工解译采集得到，符合国家成图规范。本文研究的土地覆盖类型与全国第一次地理国情普查的土地覆盖一级地物类型保持一致，包括7类地物——种植土地、林草覆盖、房屋建筑、铁路与道路、构筑物、人工堆掘地、水域，如图 1所示。

2014年武汉市的影像由491张航空影像拼接而成，地面分辨率为0.5 m。为统一两期影像的分辨率，将2014年影像重采样为1 m分辨率（见图 1（a））。2017年武汉市的影像由国产北京2号卫星获取，经过后处理得到1 m地面分辨率的RGB影像（图 1（c））。图 1（b）、图 1（d）是两期影像对应的土地覆盖矢量图，图 1（e）是真实的变化图（黑色区域为变化区域）。

本文选择4 200个具有代表性的512×512像素的影像块样本，用于不同方法间的评价，如图 2所示。其中，3 500个影像块（蓝色）用于各种神经网络模型的训练和验证，700个影像块（红色）用于测试。

对于本文方法，在更大范围的区域进行土地覆盖分类和变化检测实验。图 1(c)中红色方框外为训练区域，用于训练深度学习的模型；红色方框内为测试区域，该区域数据用于评估本文方法在土地覆盖分类和变化检测中的表现。

实验所采用的硬件、平台和深度学习超参数设置为：所有的代码在Keras框架下（后端为TensorFlow）实现，硬件配置为Intel 8 GB CPU，NVIDIA 1080Ti 11 GB GPU；学习速率为1×10^-4，优化器为Adam方法，迭代30次。

2 土地覆盖分类及变化检测方法 2.1 全空洞卷积神经元网络

本文在FCN^[33]的基础上，通过引入恰当的空洞卷积，提出利用FACNN进行城市土地覆盖分类，与一般FCN的区别在于，本文在编码阶段将普通卷积全部替代为空洞卷积^[34]。根据不同的空洞率，卷积发生在间隔一定像素的像元上，而非普通卷积中的相邻像素，这有助于在不增加参数量的情况下扩大卷积神经网络的局部视野，从而使得卷积层包含更广阔的空间特征。此外，采用一种空洞卷积空间金字塔池化策略（atrous spatial pyramid pooling, ASPP）^[34]，即在同一个卷积层中使用不同的采样率，并将使用不同采样率卷积后的特征图串联，这有助于对多尺度信息的精细表达。

本文引入空洞卷积的目的主要包括两方面：（1）顾及高分辨率影像中物体的尺度效应。例如小建筑与超大建筑都属于同一建筑物类别，小池塘与湖面同样属于水的类别。空洞卷积有助于从不同空间尺度上学习地物的特征，即使它们具有极大的尺度差异。（2）顾及城市土地覆盖/土地利用的GIS矢量图中可能含有不同精细程度（level of detail, LOD）的地物表达，如图 3所示。图 3（b）居民区中的地物被统一绘制成建筑物（蓝色），而在图 3（d）中，居民区则被细致地绘制为建筑物（蓝色）、植被（绿色）和构筑物（青色）。土地覆盖GIS矢量图的不同精细程度意味着同类型地物可能有多个标签。例如图 3（c）中的草地标签是林草覆盖（见图 3（d）），而图 3（a）中的草地所对应的标签则是房屋建筑区（见图 3（b））。虽然这两幅图都满足城市土地覆盖GIS图的绘制要求，但标签的差异给机器学习方法造成了困扰。若以图 3（d）的精细程度为标准，图 3（b）中林草覆盖、构筑物所对应的标签则是错误的；但在更高语义层次上，这样的区域可以被人们理解为一个完整的地物。这种人机间的理解差异对机器学习方法而言是很大的挑战。在实际生产中，无法保证所有的土地覆盖GIS图都能达到图 3（d）所示的精细程度，因此本文引入空洞卷积，试图从整体上把握特征的同时顾及局部信息，从一定程度上降低了LOD的影响。

本文提出的FACNN结构如图 4所示。FACNN基于FCN中经典的U-Net^[35]框架，包括一个编码阶段（左侧）和解码阶段（右侧）。同一尺度下的编码空间特征被串联到解码特征，用于学习更好的特征表达。本文与U-Net的区别在于，将编码阶段所有的普通卷积替代为一系列的空洞卷积。前3层中（大小从512×512像素到128×128像素），每一层分别采用rate=1, 2, 3的空洞卷积，每一层的上方数字表示特征图的个数。此处采样率的设计借鉴了Wang等^[36] Hybrid Dilated Convolution的设计思路，即将堆叠的空洞卷积的采样率设计成锯齿状结构（例如本文所采用的[1，2，3，1，2，3]循环结构）。这种锯齿状结构在减少空洞卷积格网效应的同时，有助于兼顾不同大小物体的分割需求，即较小的采样率关注小尺度信息，而较大的采样率关注大尺度信息。在第4层中进行一次ASPP，从而得到包含不同感受野信息的特征。

2.2 基于分类结果的变化检测

本文由FACNN的分类结果为前提，提出一种变化检测方法，其结构如图 5所示。首先，利用已有的影像及对应的土地覆盖GIS矢量图制作训练样本，并训练FACNN；然后，采用FACNN对当前的影像进行分类，得到土地覆盖分类图；最后，与往年的土地覆盖GIS矢量图对比，若前后两期影像中同一地区地物类型不同，则判定该区域发生变化，从而得到变化图。本文采用两种方式统计变化检测的效果和精度：（1）统计像素级的精度，即直接在变化图上统计；（2）统计对象级的变化检测精度，即将一个完整的变化区域视为一个变化对象，统计变化对象的精度。

1）像素级变化检测。对比前后期影像每个像素的土地覆盖类型，若地物类型不同，则为变化。图 5为像素级变化结果。

2）对象级变化检测。对象级变化检测用来表达识别出多少处变化区域（对象），一个变化区域（对象）由空间上连续的变化像素组成（滤除小于最小测图单元的图斑，本文最小图斑取为400像素），若该对象中，35%以上的像素发生了真实变化，则认为该区域是一个正确识别的变化对象。

3 实验与分析

由于整个武汉市影像数据量大，且计算机性能有限，首先选用4 200个具有代表性的512×512像素的影像块样本，用于不同方法间的对比，以验证本文方法FACNN的先进性；然后采用全武汉市数据并利用FACNN进行土地覆盖分类实验，评估本文方法的有效性及实用性；最后在土地覆盖分类结果的基础上进行变化检测。

3.1 块样本土地覆盖分类实验

采用2017年的3 500个块样本（图 2中的蓝色块）训练本文的FACNN网络，并对700个样本进行土地覆盖分类（红色块）。同时，对其他先进的深度学习方法进行比较实验，见表 1。从表 1可知，本文FACNN法在各个地物类别上的精度都高于其他方法，除了在铁路道路类别上与U-Net相当；其总体精度（overall accuracy, OA）也远高于其他方法，比Dense-Net高出近4%。

图 6显示了本文方法与其他方法土地覆盖分类结果的区别。可以看出，FCN-16和U-Net产生了较大范围的种植土地（黄色）分类错误。Dense-Net方法在第2张影像中错误分类了大量的林草覆盖（绿色），在最后一张影像中错误分类了大量的人工堆掘地（粉红色）。对比这些方法，本文方法得到的结果最接近于参考影像，说明本文的FACNN能够有效处理复杂场景的分类问题。

3.2 全武汉市土地覆盖分类实验

采用块样本验证了本文方法FACNN明显优于其他算法后，将FACNN应用于全武汉市数据的训练和测试。用图 1（c）红框外的全部区域（训练区域）训练FACNN网络，对红框内的区域（测试区域）进行土地覆盖分类，分析土地覆盖的分类精度。首先，将训练、测试区域影像无缝切分为大小512×512像素的影像块，利用训练区域的影像数据训练FACNN网络模型；然后，用训练好的FACNN对测试区域的影像块进行土地覆盖分类；最后，将测试区域的影像块拼接成完整影像。在本实验所采用的硬件配置条件下，训练时间约20 h，预测时间约45 min。表 2为测试数据土地覆盖的混淆矩阵、类别精度和总体精度（OA）。

由表 2可知，借助于更多的训练数据，OA达到了76.6%，相对于表 1的73.1%要高出3.5%。由混淆矩阵可知，除了作物和林草覆盖外，其他地物具有较好的区分度；作物和林草覆盖具有较大的混淆度，这与常识也是相容的。图 7显示了FACNN对测试数据进行土地覆盖分类的结果。

3.3 像素级变化检测结果

采用图 5所示的变化检测方法得到测试区域的变化图，即由FACNN得到的2017年测试区域土地覆盖分类图（图 7）与2014年土地覆盖类别真值（图 1(b)对应区域）进行差值对比，判断每个像素的土地覆盖类型是否变化并得到变化结果图。

表 3显示了像素级变化检测结果。可见，在未变化的区域上，各类统计指标（精度、召回率和F1（F1是一种标准的算法评分标准））都很高；而在变化的区域上，各类统计指标精度都有一定程度的降低。由于未变化区域占了绝大部分，因此OA达到了0.963。图 8显示了本文像素级的变化检测结果。

3.4 对象级变化检测结果

由于像素级的统计与核查并不适合人工作业方式（即不可能人工逐像素核查），且会引入一些误检测，因此本文进一步以变化区域为目标对象，统计变化检测精度，即将检测出的某个变化图斑作为目标对象，统计分析变化区域的检测精度。

如表 4所示，本文从1 839个真实变化区域中正确检测出1 772个，即真阳性（true positive, TP）为96.4%；错误检测个数为620，故假阳性（false positive, FP）为25.9%。漏检率即假阴性（false negative, FN）为3.6%，对象级变化检测的精度为74.1%，召回率为96.4%。而以像素级统计的变化区域的检测结果（表 3），精度仅为67.7%，召回率仅为37.8%。

图 9是整个预测区域的对象级变化检测结果图。可见，正确检测出的变化区域（绿色）占据所有变化区域的主要部分，误检区域（红色）占到25.9%（表 4），漏检部分（蓝色）非常少。

4 结语

本文研究了基于高分辨率遥感影像的城市土地覆盖分类和变化检测，提出了一种全空洞全卷积神经元网络，用于城市地区的土地覆盖分类；基于分类结果和往年地表覆盖GIS矢量图，发现了当前影像的变化，并统计了像素级和对象级的变化检测精度。通过全武汉市土地覆盖分类和变化检测实验，结果表明，本文的分类算法明显优于当前的主流深度学习影像分割方法；在分类结果的基础上还发现，对象级的变化检测结果比像素级变化检测精度更高，更适用于人工核查与土地覆盖的地图更新。本文算法已成功应用于2018年武汉市城市土地覆盖GIS数据库的更新，有望为城市土地覆盖变化检测及GIS数据库的更新提供较好的技术辅助手段。