-
-
建成区是人类活动的重要场所,受到人口增长和社会经济发展的影响,展现出多种变化,如新增、拆除和重建。准确地获取建成区的变化信息,尤其是在较高的空间分辨率下,对可持续的城市发展和生态环境保护有着重要意义。然而,常用的全监督变化检测方法严重依赖大量高质量的像素级样本,这些样本通常具有较高的获取代价。对此,引入3种弱样本,即无样本、图像级样本（一张图像对应一个标签）和众源样本,开展高分辨率建成区变化检测方法研究。采用资源三号高分辨率多视角卫星,制作了对应3种弱样本的变化检测数据集,用于训练和测试。主要研究内容和结论如下：
1）提出了平面和垂直特征融合的无监督建成区变化检测方法。在无样本场景下,传统方法依赖人工设计特征,而这些特征通常仅从空间或时间维度出发,较难全面描述建成区。针对这一问题,提出了平面和垂直特征融合的策略。此外,引入多时序影像（每年一景）,设计了面向对象的时序改正算法,获取到时空一致的多时序特征。并提出了基于二阶差分的多时序变化检测方法,实现了自动的建成区变化区域及变化时间检测。实验结果表明,所提方法在建成区变化区域检测上获取到约90%的F1值,在变化时间检测上达到了约92%的总体精度（一年容忍度匹配）。实例说明,所提方法有潜力应用于建成区的自动监测。
2）提出了多尺度特征融合的图像级监督建成区变化检测方法。在图像级样本场景下,针对现有的图像级语义分割方法通常依赖单尺度的深层特征,未充分利用建成区的多尺度特性的问题,提出多尺度类激活图算法,获取到像素级建成区伪标签,并对该伪标签进行在线噪声改正,以稳健地训练建筑提取网络。该网络被迁移到多时序影像上以生成变化伪标签,用于优化建成区变化检测网络。实验结果显示,所提方法在建成区变化检测上达到了78.6%（上海）和82.4%（北京）的F1值,与常用的分类后比较方法相比,分别提升了14.0%和11.4%。实例说明,所提方法能够较好地利用图像级样本实现像素级的建成区变化检测,有潜力应用于像素级样本有限的场景。
3）提出了全层特征融合的众源监督建筑变化检测方法。首先,在众源样本场景下,针对来自高德地图的众源样本包含噪声、极易降低网络的泛化性能的问题,提出了噪声稳健的网络训练策略,以优化建筑提取网络参数。然后,将该参数迁移至多时序影像,生成可靠的变化伪标签,以优化全层特征融合的建筑变化检测网络。实验结果表明,所提方法在建筑变化检测上获取到78.3%（上海）和81.7%（北京）的F1值,与常用的变化向量法相比,分别提升了16.1%和13.6%。实例说明,众源样本能够缓解参考样本获取代价较高的问题,有潜力应用于参考样本有限或者完全缺乏的场景。
http://ch.whu.edu.cn/cn/article/doi/10.13203/j.whugis20240447
计量
- 文章访问数: 15
- HTML全文浏览量: 6
- PDF下载量: 6
下载:
