基于U-net模型的遙感影像建筑物提取

孫尚彪，張海明，熊靈華，張雨涵，鐘林汕，王民水，王明常,2

1.吉林大學 地球探測科學與技術學院，長春 130026；2.自然資源部 城市國土資源監測與仿真重點實驗室，廣東 深圳 518000

0 引言

在高分辨率遙感影像的城市區域中，超過80%的地物是建筑物和道路，使用這些信息可以進行城市建設的變化檢測和三維城市重建等[1]。近年來，隨著遙感技術的發展，高分辨率遙感影像能夠更加清晰地呈現建筑物的紋理特征和形狀特征，但依舊存在“同物異譜”和“同譜異物”的現象[2]，且現代建筑物的輪廓更加復雜，傳統遙感影像分類方法已難以滿足對復雜建筑物的提取[3]。

深度學習的飛速發展，為遙感影像的分類提供技術參考。其中，卷積神經網絡(convolutional neural networks，CNN)表現出強大的分類能力，但是傳統的CNN進行像素分類時因數據冗余造成內存開銷急劇增加，而只能判定整張遙感影像的類別，不能進行語義分割任務，因此并不適用于遙感影像的分類[4]。而全卷積神經網絡(fully convolutional networks, FCN)對CNN模型進行了改進，采用反卷積層取代了CNN中的全連接層，使得可以輸出與原始影像相同分辨率大小的分類結果，實現像素級別的分類[1]。

但FCN容易丟失細節信息且只能輸入固定的尺寸影像[5]。目前已有許多分割模型對FCN進行了改進，其中代表性的模型有SegNet模型[6]、DeconvNet模型[7]、Deeplab模型[8]和U-net模型[9]。為表現改進后的模型在影像分類中的優越性，本研究采用U-net模型進行建筑物提取，該模型采用了對稱的U型結構設計，融合了低維與高維的特征，同時考慮到影像的全局信息和細節信息，最后得到每個像元的分類結果，極大提升了建筑物的分類精度。目前，國內外學者針對U-net模型開展了一系列研究工作，王寧等[4]基于U-net模型對遙感影像中的水體進行提取，其結果優于隨機森林模型；陳進等[5]基于U-net模型對含雜水稻籽粒進行影像分割，能夠有效識別影像中的谷物和莖稈等信息；林旭[10]等利用空洞卷積改進U-net模型，提高了對植被的提取精度；洪漢玉等[11]基于U-net模型快速檢測出影像中的繩帶信息；蘇健民等[12]驗證了U-net網絡的精度比SegNet網絡和DeconvNet網絡的精度更高。Buslaev et al.[13]將Resnet34作為U-net模型的編碼器，并選用兩種損失函數進行加權求和，對土地覆蓋進行分割，交并比達到64%?；谝陨戏治?，U-net模型表現出強大的影像分割能力，因此本文使用U-net模型進行遙感影像分類，并采用公開的Massachusetts建筑物數據集進行模型訓練和驗證，再和傳統方法提取的建筑物結果進行對比，比較其提取結果和分類精度，旨在選擇一種高效的建筑物提取方法，為快速獲得建筑物的分布信息以及城市建設規劃的需要提供參考。

1 原理與方法

1.1 傳統監督分類法

本實驗采用5種傳統遙感影像分類方法進行建筑物提取和精度對比的分析實驗，包括最大似然法、馬氏距離法、最小距離法、神經網絡和支持向量機。以下詳細描述了傳統分類方法的基本原理。

最大似然法是一種典型的基于影像統計的監督分類方法，又稱為貝葉斯分類[14]。該方法的思想是假設每一個波段的每一類統計都呈正態分布，計算給定像元屬于某一訓練樣本的似然度，像元最終被歸并到似然度最大的一類當中。

馬氏距離法是計算輸入影像到各訓練樣本的協方差距離，最終計算協方差距離最小的，即為此類別，但要求輸入的波段數據是正態分布的，否則會引起分類誤差[14]。

最小距離法與馬氏距離法的原理是相似的，利用訓練樣本數據計算出每一類的均值向量和標準差向量，然后以均值向量作為該類在特征空間中的中心位置，計算輸入影像中每個像元到各類中心的距離大小來決定其類別[15]。

神經網絡指用計算機模擬人腦的結構，用許多小的處理單元模擬生物的神經元，用算法實現人腦的識別、記憶和思考過程。在網絡學習階段，網絡通過調整權重來實現輸入樣本與其正確類型的對應，具有較好的預測分類能力。

支持向量機(support vector machine, SVM)是一種建立在統計學習理論(statistical learning theory, SLT)基礎上的機器學習方法，可以自動尋找那些對分類有較大區分能力的支持向量，由此構造出分類器，可以將類與類之間的間隔最大化，因而有較好的推廣性和較高的分類準確率，在解決小樣本、非線性和高維模式識別中具有獨特的優勢[16]。

1.2 U-net卷積神經網絡

U-net模型是一個沒有全連接層的全卷積神經網絡，為U型對稱的編碼器-譯碼器結構，由卷積層、最大池化層、反卷積層以及ReLu非線性激活函數組成，其輸入和輸出均為相同分辨率的影像[17]。它沿用了FCN進行影像語義分割的思想[18]，可以利用少量的數據學習到一個對邊緣提取具有十分良好的魯棒性的模型[19]，即利用卷積層、最大池化層進行特征提取，再利用反卷積層還原影像尺寸。而且U型結構的設計，可以使裁剪和拼接過程更加直觀、合理；高層特征圖與底層特征圖的拼接以及卷積的反復、連續操作，使得模型能夠從上下文信息和細節信息的組合中得到更加精確的輸出特征圖。

該模型網絡結構如圖1所示，其中，藍/白色框表示特征圖，藍色箭頭表示3×3卷積，用于特征提取，灰色箭頭表示跳躍連接，用于特征融合，紅色箭頭表示最大池化，用于降低維度，綠色箭頭表示上采樣，用于恢復維度，青色箭頭表示1×1卷積，用于輸出結果。模型由左半邊的壓縮通道和右半邊的擴展通道組成，壓縮通道是一個解碼器，用于逐層提取影響的特征，它重復采用2個卷積層和1個最大池化層的結構，輸入的遙感影像每進行一次池化操作后，特征圖的維數就增加1倍；擴展通道是一個解碼器，用于還原影像的位置信息，它先進行一次反卷積操作，使特征圖的維數減半，然后拼接對應壓縮通道裁剪得到的特征圖，重新組成一個2倍大小的特征圖，再采用2個卷積層進行特征提取，并重復這一結構，在最后的輸出層，用2個卷積層將64維的特征圖映射成2維的輸出圖。

圖1 U-net模型結構Fig.1 Structure of U-net model

2 評價指標

本實驗以公開數據集中的標簽數據作為模型精度評定標準，采用準確率、召回率和F1值進行結果評價(表1)。

準確率(accuracy)表示預測符合標簽的樣本與總樣本的比例，準確率值越大，模型預測的結果越準確，其表達式如下：

(1)

表1 混淆矩陣

召回率(recall)表示正確預測正樣本占正樣本的比例，其表達式如下：

(2)

F1值是精確率和召回率的調和平均值，F1值越高，模型越穩健，其表達式如下：

(3)

3 實驗分析與驗證

實驗采用Massachusetts建筑數據集，該數據集由151組航拍影像和相應的單通道標簽影像組成，其中訓練部分為137組，測試部分為10組，驗證部分為4組。數據集中所有影像的像素大小為1 500×1 500，空間分辨率為1 m。每幅影像覆蓋了2.25 km2的區域，整個數據集大約覆蓋340 km2[20]。影像數據和標簽數據如圖2所示。

a.原始遙感影像；b.對應的標簽數據。圖2 實驗所采用的部分數據Fig.2 Some data used in experiments

首先，實驗使用軟件根據遙感影像建立ROI感興趣區域，分為建筑物和非建筑物兩類，然后采用監督分類中的最大似然法、馬氏距離法、神經網絡、最小距離和支持向量機分別進行建筑物的分類(圖3)。

a.最大似然法；b.馬氏距離法；c.神經網絡；d.最小距離法；e.支持向量機。圖3 傳統分類方法提取數據集中建筑物的結果圖Fig.3 Results of extracting buildings from dataset using traditional classification methods

由圖3可見，傳統遙感提取的結果中建筑物的輪廓不完整，且將部分道路等與建筑物材質相似的區域錯分為建筑物。五種分類方法的結果相差較小，整體上均呈現出建筑物的分布范圍，但局部區域的建筑物信息分類不準確。

然后使用深度學習的方法進行建筑物分類，首先將數據集導入至U-net模型中，先后對遙感影像進行訓練和驗證，得到訓練和驗證的損失、準確度曲線圖(圖4)。利用數據集對模型進行訓練，選擇參數最優的模型，并進行建筑物的提取驗證，得到的提取結果如圖5所示。

圖4 損失和準確度曲線Fig.4 Loss and accuracy curves

a.訓練預測圖；b.對應的標簽數據。圖5 模型驗證結果Fig.5 Model validation results

由圖5可見，采用深度學習的方法能夠有效避免道路和陰影造成的影響，且沒有細碎的噪聲斑塊，建筑物輪廓清晰，沒有發生斷續現象。

依據評定標準，計算U-net方法和傳統遙感分類方法提取建筑物的準確度、召回率和F1值(表2)。

表2 分割結果對比

由表2可見，由于建筑物和道路的材質相似和陰影等造成的影響，傳統方法在進行分類時未進行有效分割，而將道路和建筑物分為一類，因此造成準確度、召回率和F1值相比U-net較低，準確度均為60%±10%，召回率為20%±6%，F1值為25%±6%。而U-net網絡模型可以有效提高建筑物分類精度，準確度達到95%以上，召回率為88.109%，F1值為82.123%。因此，本文采用的深度學習方法對建筑物提取具有一定的可行性。

4 結論

(1)傳統分類方法需要人工建立ROI區域，提取分類特征，人工提取分類特征的優劣直接影響建筑物的提取精度。

(2)U-net模型能夠通過對大量樣本進行訓練，不斷更新權值，能夠很好地學習分類特征，提取地物的本質特征，極大地提高了建筑物提取的精度。

(3)深度學習網絡需要大量的樣本數據，而建筑物數據集的有限，容易出現過擬合的現象，且網絡參數的調整依賴于多次試驗，對深度學習在地物提取上的應用帶來一定的挑戰。