基于DeepLab V3+深度学习的无人机影像建筑物变化检测研究

郝 明，田 毅，张 华，郑南山

(1.江苏省资源环境信息工程重点实验室，江苏 徐州 221116；2.中国矿业大学环境与测绘学院，江苏 徐州 221116)

0 引 言

随着城镇化进程不断加快，中国城镇化水平已从1995年的29.0%提高到2019年的60.6%[1]。建筑物作为城市中最重要的地物类型之一，其拆除、新增、改扩建等与城市规划、基础建设和居民切身利益等密切相关。建筑物变化检测广泛应用于城市地图数据库更新、城市规划、三维建模以及“数字城市”和“智慧城市”等方面[2]。

相较于传统的人工巡查，高分辨率遥感影像具有覆盖范围广、成本低、地物细节丰富等优势，被越来越多地用于城市精细变化检测[3]。季顺平和袁修孝提出一种基于阴影检测的建筑物变化检测方法[4]。近年融合多特征的建筑物变化检测取得进展。张志强等提出一种基于像素级和对象级结果融合的建筑物变化检测方法，一方面利用随机森林分类器对多维影像特征分类，获取像元级建筑物变化检测结果；另一方面对后时相遥感影像分割获得影像对象，通过二者融合识别变化建筑物[5]。李军胜等在影像分割基础上，利用变化矢量分析法生成两期影像的光谱、纹理和形态学建筑物指数等差异特征，并利用证据理论对各类特征的变化概率进行融合，通过设置规则检测变化建筑物[6]。深度学习研究遥感影像建筑物变化检测日益成为热点。王明常等提出一种基于深度学习模型的高分辨率遥感影像建筑物变化检测方法，将残差结构和特征金字塔网络融合到Unet模型中，建立了特征提取更优且具有多尺度分析能力的FPN Res-Unet模型，在所用数据集的实验中准确率、召回率、F1三种指标均达到了90%以上[7]。……