基于深度學習模型的遙感圖像分割方法

許玥 馮夢如 皮家甜 陳勇

摘 要：利用遙感圖像快速準確地檢測地物信息是當前的研究熱點。針對遙感圖像地表物的傳統人工目視解譯分割方法效率低下和現有基于深度學習的遙感圖像分割算法在復雜場景下準確率不高、背景噪聲多的問題，提出一種基于改進的U-net架構與全連接條件隨機場的圖像分割算法。首先，融合VGG16和U-net構建新的網絡模型，以有效提取具有高背景復雜度的遙感圖像特征;然后，通過選取適當的激活函數和卷積方式，在提高圖像分割準確率的同時顯著降低模型預測時間;最后，在保證分割精度的基礎上，使用全連接條件隨機場進一步優化分割結果，以獲得更加細致的分割邊緣。在ISPRS提供的標準數據集Potsdam上進行的仿真測試表明，相較于U-net，所提算法的準確率、召回率和均交并比（MIoU）分別提升了15.06個百分點、29.11個百分點和0.3662，平均絕對誤差（MAE）降低了0.02892。實驗結果驗證了該算法具備有效性和魯棒性，是一種有效的遙感圖像地表物提取算法。

關鍵詞：深度學習;卷積神經網絡;深度可分離卷積;全連接條件隨機場

中圖分類號：TP391.4

文獻標志碼：A

Abstract： To detect surface object information quickly and accurately by using remote sensing images is a current research hot spot. In order to solve the problems of inefficiency of the traditional manual visual interpretation segmentation method as well as the low accuracy and a lot of background noise of the existing remote sensing image segmentation based on deep learning in complex scenes， an image segmentation algorithm based on improved U-net network architecture and fully connected conditional random field was proposed. Firstly， a new network model was constructed by integrating VGG16 and U-net to effectively extract the features of remote sensing images with highly complex background. Then， by selecting the appropriate activation function and convolution method， the image segmentation accuracy was improved while the model prediction time was significantly reduced. Finally， on the basis of guaranteeing the segmentation accuracy， the segmentation result was further improved by using fully connected conditional random field. The simulation test on the standard dataset Potsdam provided by ISPRS showed that the accuracy， recall and the Mean Intersection over Union （MIoU） of the proposed algorithm were increased by 15.06 percentage points， 29.11 percentage points? and 0.3662 respectively， and the Mean Absolute Error （MAE） of the algorithm was reduced by 0.02892 compared with those of U-net. Experimental results verify that the proposed algorithm is an effective and robust algorithm for extracting surface objects from remote sensing images.Key words：? deep learning; Convolutional Neural Network （CNN）; depth separable convolution; fully connected conditional random field

0 引言

對地物分割的研究已有幾十年的歷史，國內外學者針對不同的應用場景和數據源，提出并發表了眾多方法和研究成果。傳統的分割方法多基于閾值設定，所以針對不同地物的分布、形狀、結構、紋理與色調信息，[1]采用的方法也不一。

針對植被分割，巫兆聰等[2]結合光譜紋理和形狀結構信息分割森林植被，改善了分割質量;Yuan等[3]提出結合光譜和紋理特征的遙感圖像分割方法提高了不同地物目標的分割效率和準確度;Palenichka等[4]提出基于視覺注意的森林植被多尺度分割方法。針對不透水表面分割有最近鄰[5]、支持向量機[6]、隸屬度函數[7]、形態學濾波[8]、矢量化[9]等方法。針對建筑物分割有均質區域識別[10]、形態學房屋指數計算[11]、聚類提取城市變化[12]、先驗形狀約束水平集模型[13]等方法和模型。

以上方法只能分割單一種類地物，針對某種地物的信息特征采用對應方法，所以以上方法不能用于解決本文的多分類問題。

現階段深度學習被普遍應用在計算機視覺領域，其中卷積神經網絡（Convolutional Neural Network， CNN）[14]以其局部權值共享的特殊結構以及良好的容錯能力、并行處理能力和自學習能力被廣泛地應用于圖像分類[15]、對象檢測[16]、語義分割[17]、人臉識別[18]等諸多計算機視覺領域。

在Long等[17]提出了全卷積網絡（Fully Convolutional Network， FCN）原理之后，卷積神經網絡的分類目標由對象精確至像素，拓展到了語義分割領域，這種end-to-end的全卷積神經網絡被用來解決PASCAL VOC2012和Microsoft COCO等數據集的像素分類問題，達到了很好的效果并被作為基準。這些數據集來自日常人類視角的生活場景，而在本文中所使用的是地球觀測數據，因同為語義分割任務則選用與FCN同樣是全卷積神經網絡的encoder-decoder結構的U-net[19]作為基礎構架，但由于U-net構架較淺不能明確表征復雜的地物特征，所以在基礎構架上增加網絡層數以表征更高維的特征信息，構建為D-Unet;針對U-net的激活函數——線性整流函數（Rectified Linear Unit， ReLU）[20]易使神經元失活的問題，在D-Unet中使用ELU（Exponential Linear Units）函數[21]替換;針對加深網絡層而導致的模型體積與參數量激增的問題，使用深度可分離卷積（Depthwise Separable Convolution）[22-23]替換標準卷積構建新的輕量級網絡模型DS-Unet，降低訓練與預測時的計算量，提高模型運行效率;針對神經網絡過擬合問題，使用Dropout[13]降低網絡層節點間的關聯性，提高了模型泛化能力;最后將神經網絡輸出結果作為全連接條件隨機場（Fully Connected Conditional Random Field）[24]的輸入，對分割結果進一步優化，進行對比實驗。改進的模型擁有很強的學習能力，擁有較強的泛化能力，性能穩定、魯棒性強。

1 數據集及其預處理

研究采用國際攝影測量與遙感學會（International Society for Photogrammetry and Remote Sensing， ISPRS）提供的機載圖像數據集2D Semantic Labeling Potsdam。Potsdam是一座典型的歷史悠久的城市，擁有大型建筑、狹窄的街道和密集的沉降結構，這為遙感圖像地物測繪提供了先決條件。該數據集包括高分辨率的真實正射影像（True Ortho Photo， TOP）和從密集圖像匹配技術派生的數字表面模型（Digital Surface Model， DSM）[25]。TOP和DSM的地面采樣距離為5cm，這為分割后依據像素點統計分類目標地物提供先決條件。該數據集包含38個（相同大小的）TOP區塊（6000×6000像素），如圖1所示。

1.1 基準值處理

本文分割目標為4類（植被、不透水表面、建筑、背景）。因Potsdam數據集提供的gt共分為6類（不透水表面、建筑、低植被、樹木、車輛、背景），而本文所探討的是遙感圖像地物測繪，不透水表面上的車輛并不作為地物信息所統計，因車輛與不透水表面在二維空間上重合，則車輛類歸類為不透水表面類。本文主要探討卷積模型的優化改進，卷積神經網絡的輸入只有R、G、B三個通道，沒有使用數據集所提供的DSM;又因低植被與樹木的光譜、形狀、空間信息相似，必須借助于DSM作為分類的依據，則最終把樹木與低植被歸為植被類，用以統計植被覆蓋。不透水表面與車輛、低植被與樹木的類別合并后詳見表2。

數據集中提供的gt的每個通道的光譜分辨率為8位，而深度學習框架需要輸入的gt為灰度圖像，通過對RGB圖像的R、G、B三個分量進行加權平均（加權平均算法）達到灰度化處理的目的，加權平均算法如式（1）所示：

1.2 使用eCognition標注未標注數據

原數據集提供38個區塊的TOP，僅部分TOP提供標記的gt，其余場景的gt未發布，所以使用eCognition對未標注的14個TOP進行標注。

eCognition采用面向對象的分類技術對像素進行分類，這是一種基于目標對象的分類方法，因其能充分利用遙感圖像的光譜、紋理、形狀、空間信息、相鄰關系等特征對像素分類，所以精度相對較高，能夠接近人工目視解譯精度，所以本文采用此方法標注剩余數據。面向對象的技術有兩個重要特征和技術關鍵：選取合適的分割尺度對圖像進行分割，使檢測的地物能在最合適（圖像首先被分割成一個個object，然后進行sample標記，最合適意味著用最少的object表達最為精確的地物邊緣）的分割尺度中凸顯出來;選取分割對象的多種典型特征建立地物的分類規則進行檢測或分類。[26]

本文首先使用eCognition中的multiresolution segmentation算法根據不同圖像的特征設定不同的參數對地物信息進行初始分割，遙感圖像（圖3（a））的部分區域（圖4（a））的初始分割結果如圖4（b）所示，此圖像采用的參數Scale Parameter、Shape及Compactness分別為100、0.1與0.5。其中Scale Parameter表示分割的區塊大小，一般參數設置越小，區塊越小，分割越為精細;Shape表示形狀參數，它與color（顏色參數）的權重和為1;compactness代表緊湊度，它與smoothness（平滑度）的權重和為1。然后選取合適的特征作為地物的分類規則，本文針對不同地物的光譜反射不同選擇Layer Values特征，依據不透水表面與建筑物的面積、長寬差異度大而選定Area（Pxl）、Length/Width特征，依據植被與其他地物的邊界光滑性差異度大而選擇shape index（地物邊長與其面積開四次方的比值）特征。最后使用eCognition中的classification算法對每個像素點進行分類，得到gt，如圖3（b）所示。

2 遙感圖像語義分割模型

本文改進的遙感圖像語義分割深度神經網絡命名為D-Unet與DS-Unet，用于從遙感圖像中提取有效的地物信息。2.1 基于改進U-net的遙感圖像語義分割模型

2.1.1 改進U-net構架

U-net常被用于醫學圖像的分割，它所處理的醫學圖像背景單一、復雜度低，所以使用低復雜度的基礎模型U-net能夠達到很高的精度且在精度與復雜度之間達到平衡，U-net的網絡架構如圖5所示。

本文所使用的Potsdam遙感圖像數據背景復雜，包含豐富的地物種類，且遙感光譜范圍廣泛，U-net并不能有效地提取復雜的遙感圖像的像素特征，所以通過加深U-net的深度構建D-Unet以提取更加復雜的光譜特征。D-Unet的網絡架構如圖6所示。

網絡的左半部分為下采樣模塊，依據VGG16所構建，它是卷積神經網絡中的一種典型結構，通過逐漸縮減輸入數據的空間維度以提取高維特征。其核心為5組conv與MaxPooling，其中第1、2組采用2次3×3的卷積運算，卷積核數量分別是64與128，第3、4、5組采用3次3×3的卷積運算，卷積核數量分別為256、512、512。在每一個卷積運算以后加入BN（Batch Normalization）層，對網絡層的每一層的特征都做歸一化，使得每層的特征分布更加均勻，在提高模型收斂速度的同時又能夠提高模型的容錯能力。[26]

網絡的右半部分與左半部分呈中心對稱，它由一系列的上采樣層構成，其核心為與下采樣相對應的5組Upsampling與conv，每一組conv的輸入除了上一層進行Upsampling得到的深層抽象特征外，還有與其對應的下采樣層輸出的淺層局部特征，將深層特征與淺層特征通過Concatente方式融合，從而恢復了特征圖細節并保證其相應的空間信息維度不變。[26]

從圖7可看出：相對于ReLU函數，ELU函數在輸入為負值時有輸出，而且這部分輸出還具有一定的抗干擾能力，這樣可以消除在反向傳播過程中的神經元失活問題。由于其特性，使用ELU激活函數替換ReLU函數構建的D-Unet（ELU）模型的分類的準確率比D-Unet（ReLU）高。

2.1.3 更改卷積方式

在2.1.1節中為了增強網絡的特征提取能力加深網絡層，導致模型參數急劇增加，使得模型訓練、預測時計算時間冗長，受到的Xception[22]與MobileNet[23]的啟發，使用深度可分離卷積替代標準卷積以減少網絡模型的參數量。[26]Xception[22]中指出，對于卷積來說卷積核可以看作是一個三維的濾波器：通道維+空間維（Feature Map的寬和高），常規的卷積操作其實就是實現通道相關性和空間相關性的聯合映射。在深度可分離卷積中提出將通道和區域分離，也就是對空間信息和深度信息進行去耦，將空間信息與深度信息分開映射能夠達到更好的效果，并且在此過程中通過拆分標準卷積有效地減少了參數量，降低了模型的復雜度，同時提高了模型的泛化能力[26]。圖8為標準卷積核。

當卷積核大小為3×3時，理論上深度可分離卷積的計算量為標準卷積的1/9。

本文主要利用深度可分離卷積降低參數量的特性，在D-Unet（ELU）基礎上構建輕量級模型DS-Unet（ELU），其參數量大致減為原參數量的1/6，模型的預測時間大致為原時間的1/3。

2.1.4 預防過擬合

過擬合是所有深度模型在訓練過程中都會遇到的問題，一般可以采用Dropout正則化解決。Dropout是以某個概率值暫時丟棄隱藏層的神經元來達到對網絡進行“瘦身”的目的以降低網絡的復雜度。

當某一節點在某次迭代中被隨機選為拋棄點，那么神經網絡在此次迭代中的forward過程會將此節點輸出設為0，在backward過程中不會更新其權重和偏置項，則在某次迭代中節點隨機失活不會參與訓練，減弱了神經元節點間的聯合適應性，增強了泛化能力。在此模型中添加rate=0.5的Dropout層用以防止過擬合。

2.2 基于全連接條件隨機場的細分割

全卷積神經網絡雖然能夠實現像素級別的分類，但是得到的分割結果往往不夠精細，存在邊界不平滑和像素點定位不準確等問題，主要原因在于全卷積網絡在像素點分類過程中很難考量到像素與像素之間的空間關系，導致像素級分類結果缺乏空間一致性。已有研究表明，使用全卷積網絡得到像素級分類結果之后，再使用條件隨機場（Conditional Random Field， CRF）綜合圖像的空間信息，能夠得到更加精細并且具有空間一致性的結果[24，27]。針對本文中的分割問題，使用條件隨機場考量像素點之間的空間位置關系，可進一步改進像素分割結果。條件隨機場試圖對多個變量在給定觀測值后的條件概率進行建模。具體來說，若令

條件隨機場的能量函數E（Y|X）主要由一階勢函數φ1和二階勢函數φ2組成。在像素級分類任務中，通過訓練使條件隨機場的勢能最小，則可以使相似的像素有較大的概率分為同一類別，定義如式（10）所示：

3 實驗與分析

3.1 實驗

3.1.1 實驗環境

本文實驗環境分為網絡訓練和網絡測試兩個部分。

網絡訓練部分使用TeslaV100，內存16GB，共享內存8GB;軟件環境為Ubuntu16.04，Python3.5，TensorFlow1.9.0，Keras2.2.4。

網絡測試部分使用MacBookPro，CPU 2.2GHz Intel Core i7，內存16GB，顯卡Intel Iris Pro 1536MB;軟件環境為MacOSMojave10.14.3，Python3.5，Tensorflow1.9.0，Keras2.2.4。

3.1.2 數據增強

在第1章中的38張TOP及其對應的gt中隨機選取24張進行隨機切割、旋轉、鏡像、模糊、光照調整以及噪聲（高斯噪聲、椒鹽噪聲）等數據增強處理，生成30萬張256×256大小的訓練及驗證集，剩余的14張TOP及其對應的gt用作測試集。

3.1.3 模型訓練

在3.1.1節中的實驗環境下對圖5所示的網絡模型進行訓練。模型在使用Tensorflow作為后臺的Keras深度學習框架下訓練。權值初始化采用Glorot等[28]提出的方法。模型訓練采用批處理方式，將300000×0.75（75%的圖片作為訓練集，其余作為驗證集）張圖片每32張作為一個批次（batch）輸入模型進行訓練，總共需要3984個批次完成一個epoch，設定模型總共遍歷數據集50輪。訓練時使用multi_gpu_model（）函數同時調用4個GPU進行，優化器選用sgd，損失函數使用多分類的對數損失函數。在模型訓練的過程中使用Callbacks函數中的ModelCheckpoint存儲最優模型，設定監測對象為準確率，當它最大時自動保存最優權值;訓練時使用Callbacks函數中的EarlyStopping監測模型訓練情況，當達到指標時可提前終止訓練，節省時間并且能夠預防過擬合;訓練過程中的學習率使用Callbacks函數中的ReduceLROnPlateau自適應調整，以適應訓練過程中的動態變化，如圖12所示;訓練過程使用Tensorboard監測并可視化。訓練模型的部分參數如表3所示。

從圖13～14可看出，隨著迭代次數的增加，曲線波動減小，準確率與訓練損失變化趨于平緩，模型趨于收斂。圖15～16反映了隨著迭代次數的增加，驗證集的準確率與損失值變化趨于平緩，損失函數基本收斂，表明模型達到了最優。

3.1.4 數據可視化

使用訓練模型預測的結果被寫入灰度圖中，像素值位于0～3，將其轉化為RGB圖像，轉化關系如表4所示。

3.1.5 基于像素的面積測算

數據集Potsdam的地面采樣距離為5cm，為依據像素點數量進行面積測算提供了先決條件，每個像素點所表示的面積為5×5cm2，則只要統計像素數量即可進行遙感圖像主要地物信息的面積測算，如式（13）所示：

其中：g為地面采樣距離;n為像素點數量。

3.2 分析

3.2.1 性能評價

對分類后的遙感圖像，使用混淆矩陣[29-30]、均交并比（Mean Intersection over Union， MIoU）與平均絕對誤差（Mean Absolute Error， MAE）進行評估。遙感圖像信息提取被視為一種多分類問題，可用混淆矩陣將預測輸出的分類結果和gt進行像素級比較，評價每個像素的預測輸出結果，即該像素分類結果取真陽性（True Positive，TP）、假陽性（False Positive，FP）、真陰性（True Negative，TN）、假陰性（False Negative，FN）四種結果中的一種，然后根據這四個指標計算以下指標：

3.2.2 結果分析

圖17前兩列為TOP、gt以及使用不同方法分割并可視化的結果，其中D-Unet（ELU）_CRF相對于D-Unet（ELU）是在粗分割的基礎上使用CRF進行了細分割。

對比D-Unet（ReLU）與U-net（ReLU）的分割結果可看出：U-net網絡構架改進后能夠更精確地對地物像素點進行分類;在使用ELU函數替換ReLU函數后，D-Unet（ELU）的分割結果明顯優于D-Unet（ReLU）;在使用深度可分離卷積代替標準卷積構建為DS-Unet（ELU）后，模型分割準確率會略微下降，但是其由于網絡參數少，預測時間減少很多，可用于對預測精度要求不高但有時效性要求的場景下。

對比D-Unet（ELU）_CRF與D-Unet（ELU）的分割結果可看出：在使用全連接條件隨機場對粗分割結果進行優化后，在保證地物區域完整性的前提下精細化邊界區域，增強了地物信息的完整性，得到了更為優異的分割結果。

圖17后六列是對前兩列的局部細節展示，分別是各個模型對植被、不透水表面（白色區域為不透水表面）與建筑物的分割結果。從中可看出：D-Unet（ELU）_CRF所得結果在精確度、邊緣明晰度上要明顯優于其他方法。在使用全連接條件隨機場細分割后，對于D-Unet（ELU）存在的明顯錯分類進行了糾正，邊緣也更加接近gt;

而D-Unet（ReLU）與DS-Unet（ELU）分割出的結果孤立點較多， 且建筑物分割不太完整， 邊緣的錯誤比較顯著，U-net（ReLU）模型甚至存在嚴重的錯分類與欠分割問題，在建筑物的像素分類上尤為明顯。

從表5可看出：

D-Unet（ReLU）的準確率、精確率、召回率、F1-score、MIoU分別較U-net提升了12.47個百分點、22.25個百分點、25.98個百分點、0.2604、0.3235，平均絕對誤差降低了0.01744，驗證了模型結構改進的有效性;

D-Unet（ELU）的準確率、精確率、召回率、F1-score、MIoU分別較D-Unet（ReLU）提升了2.59個百分點、2.12個百分點、4.13個百分點、0.0257、0.0427，平均絕對誤差降低了0.01148，表明改用ELU函數后模型分割的效果更佳。

在使用全連接條件隨機場對D-Unet（ELU）的粗分割結果優化以后，遙感圖像分割的準確率準確率、精確率、召回率、F1-score、MIoU較D-Unet（ELU）有略微的提升，平均絕對誤差略微下降，說明了所構建的D-Unet（ELU）_CRF模型的有效性。

在使用深度可分離卷積替換標準卷積后，模型的表現性能有所下降，的準確率、精確率、召回率、F1-score、MIoU分別較D-Unet（ELU）下降了2.85個百分點、1.98個百分點、3.7個百分點、0.0286、0.0474，DS-Unet（ELU）的平均絕對誤差較D-Unet（ELU）升高了0.01542，但是與D-Unet（ReLU）相比性能差異不大。其優勢體現在模型體積更小與預測效率的提升，因為其參數量更小，為標準卷積構成網絡的1/6～1/5，具體見表6～7。

表7比較了D-Unet（ELU）、DS-Unet（ELU）與最先進的深度模型SegNet、FCN-8s、DeconvNet、Deeplab-ResNet以及RefineNet的復雜性。通過使用Intel Core i7對圖像（平均尺寸2392×2191像素）執行測試的時間獲得時間復雜度，同時表7還展示了深度模型的空間復雜度。可看出本文提出的D-Unet（ELU）模型在時間與空間復雜度上具有一定的競爭力，在使用深度可分離卷積卷積構建為DS-Unet（ELU）后在預測時間的消耗上大為減少，模型的大小也大為縮減。

在Potsdam的基準測試中，不同方法的定量比較如表8所示。其中：SVL_3算法使用SVL（Stair Vision Library）、歸一化數字植被指數（Normalized Digital Vegetation Index，NDVI）、飽和度和歸一化數字地表模型（Normalized Digital Surface Model，NDSM）訓練基于AdaBoost的分類器以獲得最優結果。Volpi等[31]的算法UZ_1與AZ1算法分別構建了不同的encoder-decoder結構的卷積神經網絡。RIT_L2算法使用RGB與合成數據（紅外線（Infrared Radiation，IR）、NDVI和NDSM）訓練兩個SegNet并進行特征融合。Sherrah[32]的算法DST_2使用FCN作為卷積模型并應用CRF作后處理。

從表8可看出，所有的方法都獲得了良好的結果，本文所提出的分割模型D-Unet（ELU）的準確率最高，輕量級模型DS-Unet（ELU）也獲得了較高的準確率。

本文所提出的網絡優勢在于只使用原始的RGB數據訓練單個網絡，在數據量以及模型對地物的分割精確率上都具有優勢。

4 結語

針對目前人為勘測地物信息的任務耗費人力物力、辦事效率低下等問題，本文提出了一種全卷積神經網絡和全連接條件隨機場的遙感圖像地物信息分割方法，構建D-Unet（ELU）和DS-Unet（ELU）模型，對遙感圖像實現像素級別的分類，解決了傳統方法普遍存在的過程繁瑣、方法普適性低、泛化能力弱的問題。其中D-Unet（ELU）的分割準確率高，但時效性較低，適用于對分割精度高但時效性要求不高的應用場景;DS-Unet（ELU）的分割精確度較D-Unet（ELU）略微降低，但時效性高，適用于對精度要求不嚴苛卻對時效性要求高且設備性能低的應用場景。本文首先通過對遙感圖像進行標注、數據增強，將處理好的數據放入D-Unet與DS-Unet模型中擬合;然后將輸出結果放入全連接條件隨機場中進一步處理，使得分割結果更接近gt;最后利用遙感圖像具有地面采樣距離這一特點提出了基于像素的面積測算方法。與測試集進行對比后發現所提出的方法能夠精確地分割目標地物，具有高效性、可實施性。但因參數batchsize受限于硬件設備，不能設置為較為理想的數值，在一定程度上影響了邊緣分割的精細度， 訓練模型的時效性還有待提升。如何在保證精確性的情況下進一步降低模型參數減少模型訓練時間與預測時間是接下來的工作重心。

參考文獻（References）

[1] 高海燕， 吳波. 結合像元形狀特征分割的高分辨率影像面向對象分類[J]. 遙感信息， 2010（6）： 67-72. （GAO H Y， WU B. Object-oriented classification of high spatial resolution remote sensing imagery based on image segmentation with pixel shape feature[J]. Remote Sensing Information， 2010（6）： 67-72.）

[2] 巫兆聰， 胡忠文， 張謙， 等. 結合光譜、紋理與形狀結構信息的遙感影像分割方法[J]. 測繪學報， 2013， 42（1）： 44-50. （WU Z C， HU Z W， ZHANG Q， et al. On combining spectral， textural and shape features for remote sensing image segmentation[J]. Acta Geodaetica et Cartographica Sinica， 2013， 42（1）： 44-50.）

[3] YUAN J， WANG D， LI R. Remote sensing image segmentation by combining spectral and texture features[J]. IEEE Transactions on Geoscience and Remote Sensing， 2014， 52（1）： 16-24.

[4] PALENICHKA R， DOYON F， LAKHSSASSI A， et al. Multi-scale segmentation of forest areas and tree detection in LiDAR images by the attentive vision method[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2013， 6（3）： 1313-1323.

[5] 都偉冰， 王雙亭， 王春來. 基于機載LiDAR粗糙度指數和回波強度的道路提取[J]. 測繪科學技術學報， 2013， 30（1）： 63-67. （DU W B， WANG S T， WANG C L. Road extraction based on roughness index and echo intensity of airborne LiDAR[J]. Journal of Geomatics Science and Technology， 2013， 30（1）： 63-67.）

[6] 張曦， 胡根生， 梁棟， 等. 基于時頻特征的高分辨率遙感圖像道路提取[J]. 地理空間信息， 2016， 14（6）： 18-21， 24. （ZHANG X， HU G S， LIANG D， et al. Road extraction from high resolution remote sensing image based on time frequency feature[J]. Geospatial Information， 2016， 14（6）： 18-21， 24.）

[7] 周紹光， 陳超， 赫春曉. 基于形狀先驗和Graph Cuts原理的道路分割新方法[J]. 測繪通報， 2013（12）： 55-57. （ZHOU S G， CHEN C， HE C X. A new road segmentation based on shape prior and graph cuts[J]. Bulletin of Surveying and Mapping， 2013（12）： 55-57.）

[8] 周家香， 周安發， 陶超， 等. 一種高分辨率遙感影像城區道路網提取方法[J]. 中南大學學報（自然科學版）， 2013， 44（6）： 2385-2391. （ZHOU J X， ZHOU A F， TAO C， et al. A methodology for urban roads network extraction from high resolution remote sensing imagery [J]. Journal of Central South University （Science & Technology）， 2013， 44（6）： 2385-2391.）

[9] 曾發明， 楊波， 吳德文， 等. 基于Canny邊緣檢測算子的礦區道路提取[J]. 國土資源遙感， 2013， 25（4）： 72-78. （ZENG F M， YANG B， WU D W， et al. Extraction of roads in mining area based on Canny edge detection operator[J]. Remote Sensing for Land & Resources， 2013， 25（4）： 72-78.）

[10] BEUMIER C， IDRISSA M. Building change detection from uniform regions[C]// Proceeddings of the 2012 Iberoamerican Congress on Pattern Recognition， LNCS 7441. Berlin： Springer， 2012： 648-655.

[11] HUANG X， ZHANG L， ZHU T. Building change detection from multitemporal high-resolution remotely sensed images based on a morphological building index[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing， 2013， 7（1）： 105-115.

[12] 李煒明， 吳毅紅， 胡占義. 視角和光照顯著變化時的變化檢測方法研究[J]. 自動化學報， 2009， 35（5）： 449-461. （LI W M， WU Y H， HU Z Y. Urban change detection under large view and illumination variations[J]. Acta Automatica Sinica， 2009， 35（5）： 449-461.）

[13] 田昊， 楊劍， 汪彥明， 等. 基于先驗形狀約束水平集模型的建筑物提取方法[J]. 自動化學報， 2010， 36（11）： 1502-1511. （TIAN H， YANG J， WANG Y M， et al. Towards automatic building extraction： variational level set model using prior shape knowledge[J]. Acta Automatica Sinica， 2010， 36（11）： 1502-1511.）

[14] LECUN Y， BOTTOU L， BENGIO Y， et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE， 1998， 86（11）： 2278-2324.

[15] KRIZHEVSKY A， SUTSKEVER I， HINTON G E. ImageNet classification with deep convolutional neural networks[C]// Proceedings of the 25th International Conference on Neural Information Processing Systems. New York： Curran Associates Inc.， 2012： 1097-1105.

[16] HE K， GKIOXARI G， DOLLR P， et al. Mask R-CNN[C]// Proceedings of the 2017 IEEE International Conference on Computer Vision. Piscataway： IEEE， 2017： 2961-2969.

[17] LONG J， SHELHAMER E， DARRELL T. Fully convolutional networks for semantic segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017， 39（4）： 640-651.

[18] FARFADE S S， SABERIAN M J， LI L. Multi-view face detection using deep convolutional neural networks[C]// Proceedings of the 5th ACM International Conference on Multimedia Retrieval. New York： ACM， 2015： 643-650.

[19] RONNEBERGER O， FISCHER P， BROX T. U-net： convolutional networks for biomedical image segmentation[C]// MICCAI 2015： Proceedings of the 18th International Conference on Medical Image Computing and Computer-Assisted Intervention. Berlin： Springer， 2015： 234-241.

[20] GLOROT X， BORDES A， BENGIO Y. Deep sparse rectifier neural networks[J]. Journal of Machine Learning Research， 2011， 15： 315-323.

[21] CLEVERT D， UNTERTHINER T， HOCHREITER S. Fast and accurate deep network learning by Exponential Linear Units （ELUs） [EB/OL]. [2019-01-10]. http：//de.arxiv.org/pdf/1511.07289.

[22] CHOLLET F. Xception： deep learning with depthwise separable convolutions[C]// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition， 2017： 1800-1807.

[23] HOWARD A G， ZHU M， CHEN B， et al. MobileNets： efficient convolutional neural networks for mobile vision applications[EB/OL]. [2019-01-10]. https：//arxiv.org/pdf/1704.04861.pdf.

[24] KRHENBHL P， KOLTUN V. Efficient inference in fully connected CRFs with Gaussian edge potentials[C]// Proceedings of the 2011 International Conference on Neural Information Processing Systems. New York： Curran Associates Inc.， 2011： 109-117.

[25] ALTMAIER A， KANY C. Digital surface model generation from CORONA satellite images[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2002， 56（4）： 221-235.

[26] 許玥. 基于改進Unet的遙感影像語義分割在地表水體變遷中的應用[D].重慶：重慶師范大學，2019：16-35. （XU Y. Application of semantic segmentation of remote sensing image based on improved unet in surface water change[D]. Chongqing： Chongqing Normal University，2019：16-35.）

[27] ZHENG S， JAYASUMANA S， ROMERA-PAREDES B， et al. Conditional random fields as recurrent neural networks[C]// Proceedings of the 2015 IEEE International Conference on Computer Vision. Piscataway： IEEE， 2015： 1529-1537.

[28] GLOROT X， BENGIO Y. Understanding the difficulty of training deep feedforward neural networks[J]. Journal of Machine Learning Research， 2010， 9： 249-256.

[29] ODENA A. Semi-supervised learning with generative adversarial networks[EB/OL]. [2019-01-10]. https：//arxiv.org/pdf/1606.01583.pdf.

[30] HUANG B， ZHAO B， SONG Y. Urban land-use mapping using a deep convolutional neural network with high spatial resolution multispectral remote sensing imagery[J]. Remote Sensing of Environment， 2018， 214： 73-86.

[31] VOLPI M， TUIA D. Dense semantic labeling of subdecimeter resolution images with convolutional neural networks[J]. IEEE Transactions on Geoscience and Remote Sensing， 2016， 55（2）： 881-893.

[32] SHERRAH J. Fully convolutional networks for dense semantic labelling of high-resolution aerial imagery[EB/OL]. [2019-01-10]. https：//arxiv.org/pdf/1606.02585.pdf.