摘要：

在遙感影像建筑物變化檢測研究中，非相關(guān)目標干擾和雙時相特征交互不足等問題長期制約著檢測精度的提升。為解決該技術(shù)難題，本文提出了一種基于深度學(xué)習(xí)的遙感影像建筑物變化檢測方法。該方法的核心在于多尺度特征融合機制的構(gòu)建，其結(jié)構(gòu)由3 個關(guān)鍵部分組成：用于多層次特征獲取的特征提取模塊、負責(zé)特征差異分析的計算模塊以及執(zhí)行特征重建的上采樣模塊。首先，設(shè)計了一種兼顧計算效率和模型簡潔度的特征提取方案，在保持特征表征能力的同時優(yōu)化了計算資源的使用；其次，將時間維度特征交互與空間維度特征聚合相結(jié)合，形成時空特征協(xié)同機制，不僅降低了非相關(guān)目標的影響，還促進了雙時相特征的深度整合；最后，設(shè)計一種漸進式多尺度差異特征掩膜上采樣技術(shù)，提升變化區(qū)域的重建質(zhì)量。為評估方法的性能，研究選取了大規(guī)模地球視覺圖像變化識別建筑物變化檢測數(shù)據(jù)集（LEVIR-CD）和武漢大學(xué)變化檢測數(shù)據(jù)集（WHU-CD）兩個公開基準數(shù)據(jù)集進行驗證。結(jié)果表明，所提出的方法在LEVIR-CD 數(shù)據(jù)集的F1值達到了92.15%，在WHU-CD 數(shù)據(jù)集上達到了90.47%，均優(yōu)于現(xiàn)有主流方法，有力證實了該方法的價值和實際應(yīng)用前景。

關(guān)鍵詞：遙感影像；建筑物變化檢測；多尺度特征融合；差異特征掩膜

引言

在城鄉(xiāng)空間構(gòu)成中，建筑物扮演著不可或缺的角色，是人類生活環(huán)境中的核心要素。為了有效監(jiān)測建筑物的動態(tài)變化，對其進行變化檢測是重要手段之一。隨著遙感技術(shù)的發(fā)展，影像數(shù)據(jù)在空間分辨率、光譜特征和時間維度等方面取得了顯著進步，為地表覆蓋變化的精確監(jiān)測奠定了堅實基礎(chǔ)［1-2］。從技術(shù)發(fā)展的脈絡(luò)來看，傳統(tǒng)變化檢測方法包括基于像素和對象的分析方法［3-4］。前者雖然具有算法實現(xiàn)簡便的優(yōu)勢，但其逐像素運算模式不僅計算效率低下，而且檢測結(jié)果中常出現(xiàn)離散噪聲點，制約了識別準確度的提高。相較而言，后者以影像分割后的對象為基本處理單元，能夠充分挖掘影像的上下文信息，有效降低了由單一像素光譜變異導(dǎo)致的誤判風(fēng)險。但這種方法的檢測效果與圖像分割質(zhì)量密切相關(guān)，當面對建筑物等具有復(fù)雜結(jié)構(gòu)的場景時，其應(yīng)用性能往往會受到一定制約。

隨著人工智能技術(shù)的發(fā)展，深度學(xué)習(xí)在自動化數(shù)據(jù)處理領(lǐng)域取得了突破性進展，特別是在降低人工標注成本和提升學(xué)習(xí)效率方面表現(xiàn)出色［5-6］。在遙感變化檢測領(lǐng)域，文獻［7］提出了一種網(wǎng)絡(luò)架構(gòu)，該架構(gòu)充分利用了時序影像間的關(guān)聯(lián)特性，設(shè)計出具有權(quán)重共享機制的雙分支網(wǎng)絡(luò)模型。這種基于卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計不僅確保了特征提取的有效性，還通過參數(shù)共享機制顯著降低了計算復(fù)雜度，從而提高了模型訓(xùn)練效率。針對遙感影像中復(fù)雜背景等難題，文獻［8］提出一種基于變換器（Transformer）技術(shù)的解決方法，該方法通過對時間序列影像執(zhí)行語義分割操作，旨在生成差異特征圖；文獻［9］將視覺幾何群16 層網(wǎng)絡(luò)（visual geometry group 16，VGG16）深度網(wǎng)絡(luò)組件整合進處理流程，顯著提升了時序影像在細節(jié)特征提取中的能力。當前，在變化檢測研究領(lǐng)域，研究者正面臨若干亟待解決的關(guān)鍵問題，主要包括雙時態(tài)特征提取過程復(fù)雜、特征交互受限以及非目標對象干擾等。為應(yīng)對這些挑戰(zhàn)，本文設(shè)計了一種基于類U型網(wǎng)絡(luò)（U shape network，U-Net）框架的多尺度特征融合方法，重點解決建筑物變化檢測問題，并為檢測流程的各個環(huán)節(jié)提供解決方法。在特征提取環(huán)節(jié)，采用經(jīng)過預(yù)訓(xùn)練的移動翻轉(zhuǎn)瓶頸卷積（mobile inverted bottleneck convolution，MBConv）模塊作為基礎(chǔ)單元，該設(shè)計顯著提升了特征提取效能并降低了計算成本。在差異特征提取方面，結(jié)合了分組卷積（group convolution，GConv）和通道混洗（channel shuffle，CS），通過時間注意力機制的引入，有效增強了真實差異特征的識別精度。為了更有效地削弱非目標元素的干擾，通過引入十字交叉注意力機制（criss-cross attention，CCA），從而保證了全局上下文信息的緊密連接。在特征提升階段，通過構(gòu)建特征掩碼并與原始輸入特征進行逐級融合，最終借助解碼器完成分類，并輸出檢測結(jié)果［10］。為驗證所提模型及各模塊的有效性，本文設(shè)計并實施對比實驗和消融實驗，同時結(jié)合模型可視化技術(shù)進行了深入分析與討論。

模型結(jié)構(gòu)與方法

01

基準模型

孿生式U 形網(wǎng)絡(luò)（SiamUnet）特征在于采用雙分支編碼器-解碼器結(jié)構(gòu)，并實現(xiàn)了對稱參數(shù)共享機制［11］。首先，利用特征提取模塊提取初步特征；其次，通過下采樣模塊，特征逐漸由局部細節(jié)擴展至全局結(jié)構(gòu)，實現(xiàn)了特征維度的提升；再次，這些分階段獲取的雙時態(tài)特征被傳遞至解碼器，以精確區(qū)分兩者間的微小差異；最后，利用上采樣模塊將差異信息從微觀層面整合至宏觀層面，得到最終的變化檢測結(jié)果［12-13］。

02

本文方法

本文提出的變化檢測算法包含了差異特征提取、模型訓(xùn)練及結(jié)果評價，技術(shù)路線如圖1所示。

圖1 本文技術(shù)路線

SiamUnet 在編碼階段對復(fù)雜語義分割模型的過度應(yīng)用，造成計算資源浪費，同時在解碼階段引入復(fù)雜差異特征提取模塊，導(dǎo)致模型結(jié)構(gòu)復(fù)雜化［14］。因此，本文對SiamUnet 架構(gòu)進行重構(gòu)，將其劃分為雙時態(tài)特征提取、差異特征分析及解碼器三大核心模塊。

圖2 直觀地展示了該網(wǎng)絡(luò)的運行步驟，首要操作是利用移動翻轉(zhuǎn)瓶頸卷積技術(shù)，從雙時態(tài)影像數(shù)據(jù)中提取多尺度特征信息。為了增強差異特征的辨識力，專門設(shè)計一個模塊來加深雙時態(tài)特征間的關(guān)聯(lián)性，并融合了空間特征聚合（spatial fusion，SF）模塊，以提升目標識別的精確度。在上采樣階段，根據(jù)最高維度特征，逐步融合各階段的差異特征，實現(xiàn)了從全局到局部的多層次差異特征提取。

圖2 本文模型網(wǎng)絡(luò)結(jié)構(gòu)

2.1 特征提取模塊

在深度學(xué)習(xí)領(lǐng)域，VGG16 和Transformer 等預(yù)訓(xùn)練模型因其出色的特征提取能力而得到廣泛應(yīng)用。這類模型通常采用增加網(wǎng)絡(luò)層級和擴展通道數(shù)量的方式提升性能表現(xiàn)［15］。然而，研究揭示了網(wǎng)絡(luò)架構(gòu)設(shè)計中的一個關(guān)鍵現(xiàn)象：當網(wǎng)絡(luò)在深度或?qū)挾热我痪S度持續(xù)擴展時，其性能增益呈現(xiàn)邊際遞減效應(yīng)，因此提出高效網(wǎng)絡(luò)（EfficientNet）結(jié)構(gòu)，該架構(gòu)在模型復(fù)雜度與性能表現(xiàn)之間實現(xiàn)了優(yōu)化平衡。

2.2 差異特征生成模塊

本文構(gòu)建的差異特征生成模塊包含3個關(guān)鍵環(huán)節(jié)。

1）雙時態(tài)語義差異引導(dǎo)?？紤]變化檢測任務(wù)與圖像語義分割任務(wù)的差異，特別關(guān)注從不同時相影像中有效抽取差異目標的語義信息。為此，設(shè)計一種基于自注意力機制的雙時態(tài)關(guān)聯(lián)模塊，該模塊能夠顯著提高雙時態(tài)影像在語義差異層面的交互能力，確保時間維度上的差異信息能夠準確傳遞。

在特征提取階段，首先從原始數(shù)據(jù)中獲取兩個時態(tài)特征和，并將其整合至輸入特征值V中。為構(gòu)建關(guān)鍵特征表示，采用平均池化方法對和進行融合處理，所得結(jié)果與權(quán)重矩陣Wk進行矩陣運算，從而生成關(guān)鍵字K，同時，分別對和實施平均池化操作。其次通過權(quán)重矩陣和的線性變換，得到對應(yīng)的查詢向量Q1和Q2。為了提升特征的表達能力，引入基于多層感知器（multilayer perceptron，MLP）的自注意力機制評估通道間的相關(guān)性，并將這些相關(guān)性權(quán)重與輸入特征的對應(yīng)通道進行逐通道乘法運算。最后獲得優(yōu)化后的雙時態(tài)特征和，計算公式為

式中，C1、C2均為通道權(quán)重向量。

2）雙時態(tài)特征融合。針對雙時態(tài)特征在差異提取前的相互獨立難題，本文提出了一種雙時態(tài)特征融合模塊，其核心在于實現(xiàn)特征的高效與精確整合，從而提升差異信息的提取能力。此模塊融合了改良的分組卷積和混洗模塊，盡管分組卷積通過分割通道提升了計算速度，但也可能導(dǎo)致特征間聯(lián)系減弱。為解決這一問題，引入通道混洗策略，它在減少模型參數(shù)和計算量的同時，確保了特征的高質(zhì)量表達。在實際操作中，首先根據(jù)時態(tài)信息對通道執(zhí)行分組卷積，然后通過通道混洗對特征進行重組，以獲得融合的特征。這兩種卷積操作的計算公式為

式中，flops1 為分組卷積操作1；flops2 為分組卷積操作2；H1、W1分別為高度、寬度；C1為分組卷積操作1 通道數(shù)；C2為分組卷積操作2 通道數(shù)；k 為卷積核大小。通過對式（1）、式（2）對比分析可以發(fā)現(xiàn)，在相同輸入輸出條件下，傳統(tǒng)卷積的計算量是分組卷積的兩倍。本模塊采用3層級聯(lián)的分組卷積結(jié)構(gòu)，并通過通道混洗實現(xiàn)特征連接，從而實現(xiàn)了特征的高效融合。

3）空間特征聚合。針對雙時態(tài)特征中存在的冗余信息問題，建立高效的空間特征交互機制對提高目標檢測精度尤為重要［16］。本文設(shè)計一種基于十字交叉注意力機制的特征融合方法，該機制依據(jù)距離度量準則，在水平和垂直方向構(gòu)建十字形信息通道，實現(xiàn)了特征的高效整合?？臻g特征聚合模塊由雙層十字交叉注意力結(jié)構(gòu)組成。與傳統(tǒng)方法需要逐像素建立全局關(guān)聯(lián)不同，本方法僅通過兩次十字交叉操作即可為每個像素構(gòu)建完整的空間關(guān)聯(lián)網(wǎng)絡(luò)，在保證計算效率的同時顯著提升了特征融合效果。

2.3 上采樣模塊

在模型設(shè)計上，本文設(shè)計一個輕量級上采樣模塊，該模塊接收特征數(shù)據(jù)后，首先，利用3×3 卷積將特征圖尺寸擴大一倍，并進行批量歸一化處理；其次，通過1×1 卷積的逐點操作，將通道數(shù)減半，對處理后的特征與差異特征掩碼進行逐點相乘操作；最后，上采樣后的特征被遞送給分類器，以產(chǎn)生最終的檢測結(jié)果。該設(shè)計在維持檢測性能的同時，顯著降低了參數(shù)數(shù)量和計算負荷。

實驗與設(shè)計

01

實驗數(shù)據(jù)及預(yù)處理

本研究選取LEVIR-CD 和WHU-CD 兩個公開數(shù)據(jù)集進行驗證，以評估所提方法在建筑物變化檢測中的性能，其中，LEVIR-CD 數(shù)據(jù)集包含637 組RGB 影像，空間分辨率為0.5 m，單幅影像尺寸為1 024×1 024像素。考慮計算效率，將原始影像裁剪為16 個256×256 像素的子圖像。按照標準實驗設(shè)置，將7 120 對子圖像（占總樣本70%）用于訓(xùn)練，1 024對（10%）用于驗證，2 048對（20%）用于測試。

WHU-CD數(shù)據(jù)集包含一對高分辨率多光譜影像，涵蓋紅、綠、藍三個波段，空間分辨率為0.2 m，影像尺寸為32 507×15 354 像素。原始影像被裁剪為512×512像素的子圖像，共包含1 260對訓(xùn)練樣本和690 對測試樣本。此外，每幅512×512 像素圖像被進一步劃分為4 個無重疊的256×256 像素子區(qū)域。同時，隨機從訓(xùn)練集中抽取了10%的樣本構(gòu)建驗證集。經(jīng)過上述處理，最終得到了一個包含4 536對訓(xùn)練樣本、504對驗證樣本和2 760對測試樣本的數(shù)據(jù)集。

02

實驗參數(shù)

實驗均在PyTorch 框架下完成，具體實驗參數(shù)如表1所示。

表1 參數(shù)設(shè)置

在優(yōu)化模型的過程中，本研究選用交叉熵損失函數(shù)（cross entropy，CE）作為評估指標，表示為［17］

式中，L（）為交叉熵損失函數(shù)；G為實際變化區(qū)域；為模型預(yù)測區(qū)域；Gi為實際變化結(jié)果；?為預(yù)測變化結(jié)果；N為預(yù)測像元數(shù)量。

03

評價指標

為全面評估模型性能，本文采用4 項核心指標：精確度P、召回率R、F1值和交并比（intersection over union，IoU）UIo。分別表示為［18］

式中，TP、FP分別為正確劃分、錯誤劃分的變化像素數(shù)量；FN為錯誤劃分的未變化像素數(shù)量。

04

對比模型

為評估模型性能，本研究選取了4 種網(wǎng)絡(luò)模型進行對比分析［19-20］。

1）全卷積早期融合（fully convolutional early fusion，F(xiàn)C-EF）模型。該模型采用早期融合策略，將雙時相影像融合后輸入U-Net 的編碼器-解碼器結(jié)構(gòu)進行處理。

2）時空注意力神經(jīng)網(wǎng)絡(luò)（spatial-temporal attention neural network，STANet）模型。該模型結(jié)合度量學(xué)習(xí)，利用孿生全卷積網(wǎng)絡(luò)優(yōu)化特征提取。

3）智能融合網(wǎng)絡(luò)（intelligent fusion network，IFN）模型。該模型整合多源遙感影像信息，增強圖像分析的準確性和細節(jié)表現(xiàn)。

4）大遷移（big transfer，BiT）模型。該模型通過深度監(jiān)督機制有效提升變化檢測的精度和魯棒性。

結(jié)果分析

01

定量分析

根據(jù)表2 和表3 的量化結(jié)果，本文提出的方法在LEVIR-CD 數(shù)據(jù)集上展現(xiàn)了出色的性能，F(xiàn)1值和IoU 指標分別達到了91.15%和83.66%。與FC-EF、STANet、IFN 和BiT 模型進行對比分析，F(xiàn)1值分別取得了7.64%、3.78%、1.51%和0.89%的提升。在WHU-CD 數(shù)據(jù)集上，其F1值和IoU 分別達到了89.47%和81.88%，優(yōu)于對比模型。實驗結(jié)果表明，本文方法在2 個數(shù)據(jù)集上均取得了最優(yōu)性能。IFN 模型雖具有較高的精確度，但其召回率偏低；STANet 模型的召回率雖略高，但精確度不足。相比之下，本文方法在精確度和召回率之間實現(xiàn)了更好的平衡，獲得了最高的F1值。在對比模型中，基于Transformer 的BiT 模型表現(xiàn)較好，而FC-EF模型的整體性能相對較弱。

表2 LEVIR-CD數(shù)據(jù)集檢測精度

表3 WHU-CD數(shù)據(jù)集檢測精度

02

定性分析

圖3 為LEVIR-CD 數(shù)集的檢測結(jié)果，圖4 為WHU-CD 數(shù)據(jù)集的檢測結(jié)果。分析圖3 和圖4 發(fā)現(xiàn)：在建筑物變化檢測任務(wù)中，本文提出方法表現(xiàn)出色，檢測結(jié)果與真實情況高度一致，能夠精確繪制建筑物邊界，顯著降低誤檢和漏檢率。

圖3 LEVIR-CD數(shù)據(jù)集檢測結(jié)果

圖4 WHU-CD數(shù)據(jù)集檢測結(jié)果

FC-EF 模型檢測性能存在顯著不足，易受偽變化因素的干擾，頻繁引發(fā)誤報和漏報。STANet和IFN 模型由于視野范圍的限制，難以精確識別建筑物的細微變化特征。盡管BiT 模型在檢測性能方面與本文方法相當，但其上采樣過程中的特征圖尺寸縮減導(dǎo)致了中低層細節(jié)信息的丟失。綜上所述，本文提出的方法能夠準確預(yù)測建筑物在不同尺寸的變化，成功解決了大尺寸建筑物檢測中的碎片化與不完整性挑戰(zhàn)。在檢測精確度和輪廓細節(jié)的表達上，本文方法相較于其他對比方法表現(xiàn)出明顯的優(yōu)越性。

03

消融實驗

為系統(tǒng)評估特征提取模塊、差異特征生成模塊、上采樣模塊對網(wǎng)絡(luò)性能的影響機制，基于LEVIR-CD 數(shù)據(jù)集，設(shè)計5 組對照實驗，實驗設(shè)計中，“×”標記表示禁用相應(yīng)模塊，“√”標記則表示啟用該模塊。同時，為建立可靠的性能參照系，本文構(gòu)建了一個未包含上述3 個模塊的基礎(chǔ)網(wǎng)絡(luò)（SiamUnet），實驗結(jié)果如表4 所示。

表4 消融實驗定量結(jié)果

實驗數(shù)據(jù)表明，特征提取模塊、差異特征生成模塊、上采樣模塊的引入均顯著提升了SiamUnet 的性能。當任意模塊被移除時，模型的檢測精度均出現(xiàn)不同程度的下降。需要注意的是，由于SiamUnet未包含上述3個模塊，其精度指標明顯低于其他實驗組，該結(jié)果有力證實了這些模塊對模型性能提升的重要貢獻。

深入分析消融實驗結(jié)果發(fā)現(xiàn)，差異特征生成模塊的缺失對模型性能影響最為顯著，導(dǎo)致F1值和IoU 值分別下降1.19%和1.98%。這一現(xiàn)象凸顯了差異特征生成模塊在模型中的核心作用，其通過促進雙時態(tài)影像間真實差異部分的提取，顯著提升了不同尺度建筑物的變化檢測精度。特征提取模塊的移除則使F1值和IoU 值分別降低1.14%和1.90%，其影響程度僅次于差異特征生成模塊，表明特征提取模塊通過預(yù)訓(xùn)練的移動翻轉(zhuǎn)瓶頸卷積模塊，對變化檢測效果的優(yōu)化具有重要作用。上采樣模塊的移除導(dǎo)致F1值和IoU值分別下降0.46%和0.76%，雖然影響相對較小，但仍證實了該模塊在提升特征提取效果的價值。實驗結(jié)果表明，3 個模塊在提升建筑物變化檢測性能方面均發(fā)揮著重要作用，為后續(xù)網(wǎng)絡(luò)優(yōu)化提供了重要的理論依據(jù)和實踐指導(dǎo)。

結(jié)束語

針對深度學(xué)習(xí)在遙感影像建筑物變化檢測任務(wù)中存在的復(fù)雜難題，本文提出一種變化檢測模型。為驗證模型性能，研究選取了兩個公開的遙感數(shù)據(jù)集進行系統(tǒng)性實驗評估。實驗結(jié)果表明，相較于現(xiàn)有模型，本文方法在建筑物變化區(qū)域的識別精度和定位準確性方面均取得了顯著突破，尤其在應(yīng)對復(fù)雜多變的實際場景以及處理多尺度建筑物變化檢測任務(wù)時表現(xiàn)出優(yōu)異的性能。通過消融實驗的定量分析，進一步驗證了模型各功能模塊的有效性?；诋斍把芯砍晒罄m(xù)研究將著重探索更優(yōu)化的模型結(jié)構(gòu)設(shè)計，以持續(xù)提升模型的實際應(yīng)用價值和技術(shù)潛力。

來源：北京測繪雜志社