精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大，近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展，然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分，难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network，ASCP-Net）。该模型将空洞空间金子塔池化（Atrous Spatial Pyramid Pooling, ASPP）和空间与通道注意力 （Spatial and Channel Attention, SCA）模块融入到编码器-解码器结构中，通过ASPP模块来捕获和聚合多尺度上下文信息，采用SCA模块选择性增强特定位置和通道中更有用的信息，并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集（WHU Building Dataset）上进行实验，结果表明：文章提出的方法总体精度和F1评分分别达到了97.4%和94.6%，相比其他模型能够获得更清晰的建筑物边界，尤其对图像边缘不完整建筑的提取效果较好，有效提升了建筑物提取的精度和完整性。
高分辨率遥感影像 双注意力机制 空洞卷积 建筑物提取 high-resolution remote sensing images dual attention mechanism atrous convolution building extraction
1 西安测绘研究所地理信息工程国家重点实验室，陕西 西安 710054
2 武汉轻工大学电气与电子工程学院，湖北 武汉 430048
3 武汉大学遥感信息工程学院，湖北 武汉 430079
4 湖北大学资源环境学院，湖北 武汉 430062
建筑物轮廓线是各类应用的数据源，但散乱、不规则激光点云数据给轮廓线提取带来了难度。针对上述问题，提出一种基于多层级最小外包矩形规则建筑物轮廓线提取方法，首先使用迭代区域增长算法对轮廓点进行分组，根据点数最多的一组确定初始最小外包矩形。再对初始最小外包矩形进行多层级分解，使轮廓点与不同层级最小外包矩形重合，最后根据不同层级最小外包矩形生成轮廓线。使用Vaihingen城区中规则建筑物进行实验，实验结果表明：与最小面积方法与最大重叠度方法相比，所提方法能准确确定初始最小外包矩形，且提取效率得到略微提高。提取的轮廓线角点均方根误差为0.71 m，优于其他4种方法。所提方法可快速提取规则建筑物轮廓线，有利于后续三维重建。
机载激光雷达 建筑物 最小外包矩形 多层级分解 轮廓线提取 激光与光电子学进展
2024, 61(8): 0837013
1 河海大学地球科学与工程学院，江苏 南京 211000
2 江苏省测绘工程院，江苏 南京 211000
针对传统语义分割网络变化检测结果易受阴影及其他地物干扰、建筑物边界分割较为粗糙的问题，提出一种轻量级双侧输入的变化检测网络D-WNet。新网络从W-Net出发，采用深度可分离卷积块和空洞空间金字塔池化模块代替原本繁琐的卷积和下采样过程，利用右侧线特征编码器加强高低维特征的融合，同时在解码器上采样部分引入通道和时空注意力机制获取网络在不同维度下的有效特征，得到的D-WNet在性能方面有明显提升。在公开的WHU和LEVIR-CD建筑物变化检测数据集上进行实验，并与W-Net、U-Net、ResNet、SENet和DeepLabv3+语义分割网络进行对比。实验结果表明，D-WNet在交并比、F1值、召回率、准确率和运行时间等5项指标中综合表现优异，对阴影干扰及建筑物边缘区域具有更精确的变化检测结果。
航空遥感 建筑物变化检测 D-WNet 双侧输入 轻量级网络 激光与光电子学进展
2024, 61(8): 0828003
昆明理工大学国土资源工程学院，云南 昆明 650093
高分辨率遥感影像建筑物提取是遥感影像解译的一个重要研究方向。针对传统提取方法中小型建筑物容易丢失和大型建筑物边界模糊问题，以Unet为基础，提出一种基于多模块建筑物提取网络（MM-Unet）。首先在网络的编码和解码部分引入多尺度特征组合模块（MFCM）以获取并补充更多的空间信息。之后在解码器末端加入多尺度特征增强模块（MFEF）以增强多尺度特征的提取。在跳跃连接完成后引入双重注意力模块（DAM），使网络能够自适应地学习通道和空间位置的特征重要性，减小不同深度特征的差异。为了验证所提网络的有效性，分别在空间分辨率为1 m、0.3 m、0.09 m的Massachusetts、WHU以及Vaihingen建筑物数据集上进行实验，MM-Unet的交并比分别达到73.42%、90.11%和85.21%，相比于Unet分别提高2.21个百分点、1.25个百分点和1.55个百分点。结果表明，MM-Unet对于不同尺度的建筑物表现出较高的提取精度和较强的泛化能力。
遥感影像 建筑物提取 多尺度 注意力机制 特征组合 激光与光电子学进展
2024, 61(4): 0428004
艳洲电站大桥位于艳洲枢纽工程新建船闸、电站及泄水闸拟建坝址上, 根据工程建设进度安排, 对该桥予以拆除。艳洲电站大桥为双曲拱桥, 桥梁全长180.0 m, 桥面宽8 m, 其地处彭山旅游风景区, 周边有多处名胜古迹、企业厂房, 环境复杂, 与紧临既有电站大坝最近处为8 m, 与电站大坝箱梁桥紧接并共用一个桥台。限于现场作业条件, 最终决定采用爆破拆除工艺。为确保整个桥体可靠倒塌且解体充分、钢筋混凝土分离, 采取抛掷爆破装药炸碎拱肋、拱柱、连梁等构件, 单耗为1.2~1.5 kg/m3。采用加强松动爆破炸毁桥墩, 最大单墩药量为480 kg, 按照左重右轻的原则, 使整桥似骨牌式向右岸方向倒塌。采用孔内延时孔外接力传爆网路, 即孔内雷管采取MS12段, 孔外工业电子雷管并联, 起爆顺序为由左岸向右逐跨、墩起爆, 保证桥体平稳逐跨有序垂直塌落, 且不会对左岸桥台形成挤压冲击。通过在靠近左岸电站、滚水坝沿线100 m水下, 预先敷设漏气PVC, 用空压机向管内打压形成气泡帷幕, 有效减小水击波超压, 从而降低了爆破振动和水击波对周边建(构)筑物的影响。
双曲拱桥 爆破拆除 紧临建筑物 抛掷爆破 气泡帷幕 double-curved arch bridge demolition by blasting adjacent building throwing blasting bubble curtain
1 天津城建大学 计算机与信息工程学院，天津300384
2 天津城建大学 地质与测绘学院，天津300384
针对高分辨率遥感影像中建筑物形状多样、大小不一引起建筑物提取精度低及传统分割模型存在参数量大等问题，提出一种基于编码-解码的轻型多尺度差异网络LMD-Net（Lightweight Multi-scale Difference Network）。首先，为了避免单一的特征处理单元堆叠使得模型性能弱化而产生无效参数，通过融合编解码结构的功能差异性，设计出一种轻型差异模型优化性能。其次，引入一种多尺度膨胀感知模块（Multi-Scale Dilation Perception，MSDP）来增强网络捕捉多尺度目标特征的能力。最后，通过双融合机制有效聚合深层跳跃连接和深层解码器两组的特征信息，从而实现增强解码器的特征恢复能力。为验证轻型多尺度差异网络LMD-Net的有效性和适用性，以开源WHU building dataset数据集作为数据源，对LMD-Net网络与常用语义分割网络及近年相关文献研究成果进行了精度、效率方面的评估实验。结果表明：LMD-Net网络在效率与精度两方面均表现出明显优势，不仅很大程度上减少模型的参数量和计算量，而且交并比、准确率分别提高了3.23%，2.57%。表明在基于高分辨率遥感影像建筑物提取领域中，该模型所表现的优势具有良好的城市空间信息库价值。
高分辨率遥感影像 多尺度 建筑物提取 编码-解码 轻型 high resolution remote sensing image multi-scale building extraction coding-decoding light weight 光学 精密工程
2023, 31(22): 3371
1 长江大学地球科学学院，湖北 武汉 430100
2 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室，江西 南昌 330013
3 内蒙古自治区测绘地理信息中心，内蒙古 呼和浩特 010050
针对从高分遥感影像中提取建筑物易受阴影和植被等遮挡而导致错误检测的问题，提出一种建筑物轮廓双向驱动自适应分割重构的规则化方法。首先采用基于最小外接矩形（MBR）的平直旋转变换算法，旋转建筑物轮廓至水平或竖直状态，减少轮廓图形学显示上的锯齿表征；然后设计MBR和Shi-Tomasi联合双向驱动建筑物轮廓自适应分割算法，将轮廓化整为零精准分割形成局部片段；最后提出基于局部最优权拟合的轮廓重构算法，依次对局部片段进行属性分配、约束重组、最优权拟合与坐标重组，实现建筑物轮廓的规则化。实验结果表明，与初始提取结果相比，经所提方法规则化的轮廓视觉效果更好。与同类基于栅格填充、角点校正、最优外接矩形拟合和主方向的4种轮廓规则化方法相比，所提方法在保证规则化效率的同时，精度也更高，具有更广泛的适用性，对常见包含不同角度变化的复杂建筑物均能得到更加规整的轮廓，可作为建筑物提取后处理规则化的参考手段。
建筑物轮廓规则化 双向驱动 自适应分割重构 最小外接矩形 Shi-Tomasi角点 激光与光电子学进展
2023, 60(20): 2028002
1 石家庄铁道大学 信息科学与技术学院，河北石家庄050043
2 河北省电磁环境效应与信息处理重点实验室，河北石家庄050043
遥感图像建筑物高效提取在城市规划、灾害救援、**侦察等领域发挥着重要作用。基于深度学习的建筑物提取方法虽然具有很高的精准度，但通常是由复杂的卷积运算和极大的网络模型实现的，提取速度低，难以满足现实需求。为此，设计了一种遥感图像建筑物快速提取方法。在STTNet模型的特征提取网络中引入多尺度卷积，在同一卷积层内提取多尺度特征，进一步提高模型的特征提取能力。改进空间稀疏特征提取器结构，在带有空间注意力权值的特征图中应用通道注意力，有效学习通道注意力权值，进而解决使用骨干网络输出特征图学习时通道注意力权值浮动的问题。为降低模型参数量，加快模型的运算速度，将STTNet模型由并联结构改为串联结构。INRIA建筑物数据集上的实验表明，本文方法在保证精度和IoU的前提下速度比STTNet提升了18.3%，明显优于主流方法。
遥感图像 建筑物提取 多尺度卷积 稀疏特征提取器 remote sensing image building extraction multi-scale convolution sparse feature extractor 光学 精密工程
2023, 31(11): 1700
江西师范大学地理与环境学院，江西 南昌 330022
针对历史栅格地图、遥感影像和LiDAR点云数据中提取的建筑物轮廓存在锯齿、边界不规则和位置不准确等问题，提出了一种普适的建筑物轮廓优化方法。首先，利用改进的Douglas-Peucker算法对轮廓进行初步简化，其中采用凸包法获取轮廓线的起止点并使用垂距法获取轮廓简化的距离阈值。其次，利用最小二乘法进行直线拟合和直线求交，对轮廓进一步优化。再其次，对定义的特征边和特征角进行规则化处理。然后，根据建筑物主方向与每条轮廓边的夹角关系进行直角化处理。最后，设计了一种基于最大面积重叠度的方法实现轮廓位置的精准化。利用多源建筑物轮廓矢量数据进行了实验，结果表明所提方法有效，且与当前主流方法相比，具有更高的建筑物轮廓精度和较强的普适性。
遥感 建筑物轮廓优化 轮廓简化 规则化 位置精准化 光学学报
2023, 43(12): 1228012
