使用SegFormer和后处理优化的遥感影像建筑物提取

《PLOS One》:Building extraction from remote sensing imagery using SegFormer with post-processing optimization

【字体: 大 中 小 】 时间:2025年12月09日 来源:PLOS One 2.8

编辑推荐:

  传统的基于遥感影像的建筑物提取方法依赖于特征分类技术,通常存在使用门槛高、数据处理繁琐、识别速度慢和适应性差等问题。随着人工智能,特别是机器学习和深度学习的快速发展,遥感影像智能提取取得了显著进展。建筑物提取在地理信息应用中扮演着关键角色,如城市规划、资源管理

  
传统的基于遥感影像的建筑物提取方法依赖于特征分类技术,通常存在使用门槛高、数据处理繁琐、识别速度慢和适应性差等问题。随着人工智能,特别是机器学习和深度学习的快速发展,遥感影像智能提取取得了显著进展。建筑物提取在地理信息应用中扮演着关键角色,如城市规划、资源管理和生态保护。本研究提出了一种基于SegFormer模型的高效准确的建筑物提取方法,SegFormer是一种基于Transformer的先进语义分割架构。工作流程包括数据准备、模型构建、模型部署和应用。SegFormer模型因其层次化Transformer编码器和轻量级MLP解码器而被选中,能够实现遥感影像中建筑物的高精度二分类。此外,研究人员应用后处理技术,如噪声滤波、边界清理和建筑物规则化,以优化推理结果,显著提高了提取建筑物的视觉呈现和准确性。研究人员使用公开的WHU建筑物数据集进行实验验证,证明了该方法在城市、乡村和山区的有效性。结果表明,SegFormer模型达到了高精度,MiT-B5骨干网络在100个训练周期后实现了94.13%的交并比(IoU)。该研究强调了该方法的鲁棒性和可扩展性,为遥感影像分析和地理信息系统的实际应用提供了坚实的技术基础。
基于SegFormer与后处理优化的遥感影像建筑物提取方法研究

**研究背景与问题**

建筑物作为遥感影像中反映地理信息的重要目标,其提取对于地表覆盖分类、城市规划、灾害应急评估和地理信息数据库更新具有重要意义。传统的建筑物提取方法主要依赖人工设计的特征和算法,如阈值分割、纹理特征和形状特征,但由于遥感影像的复杂性和多变性,这些方法存在提取精度低、鲁棒性差等问题。随着深度学习在计算机视觉领域的成功应用,基于卷积神经网络的方法通过学习高层图像特征表示,显著提升了提取精度和鲁棒性。然而,现有方法仍面临数据量大、处理效率低、对复杂场景适应性不足等挑战。为此,研究人员提出了一种基于SegFormer模型的高效准确建筑物提取方法,旨在解决传统方法效率低、精度不足的问题,并优化后处理以提升提取结果的视觉呈现和准确性。该研究发表在《PLOS One》。

**主要关键技术方法**

研究人员采用了SegFormer模型,该模型以层次化无位置编码的Transformer编码器(Mix Transformer encoder,MiT)和轻量级全MLP解码器为核心,实现高效语义分割。实验基于公开的WHU建筑物数据集,该数据集由武汉大学季顺平教授团队制作,包含来自新西兰基督城航空影像(0.075米分辨率)和全球多源卫星影像(如QuickBird、Worldview系列、IKONOS、ZY-3等)的建筑物样本。研究人员使用MiT-B3和MiT-B5两种骨干网络进行训练,并设置超参数:训练周期(Epoch)为100,学习率(Learning Rate)为0.00006,批次大小(Batch Size)为8。后处理阶段应用了噪声滤波、边界清理、建筑物规则化(包括关键点提取、主方向计算、直角/任意角规则化、区域过滤和孔洞填充)等技术,以优化推理结果。模型评估指标包括精确率(Precision)、召回率(Recall)、交并比(IoU)和F1分数。

**研究结果**

**数据集与实验设置**:研究人员使用WHU数据集,其中25,749栋建筑物(1,673个1024×1024像素切片)用于训练,8,358栋建筑物用于测试,共计34,085栋建筑物用于验证。模型训练超参数如表2所示,采用TensorBoard记录训练日志。

**模型训练评估**:训练过程中,损失(Loss)持续下降,F1分数和IoU随训练次数增加而上升并趋于平稳,训练集与验证集之间的泛化差距较小。MiT-B5骨干网络在100个训练周期后达到94.13%的IoU,而MiT-B3在仅10个训练周期后达到65.73%的IoU,表明MiT-B5在增加训练次数后性能更优。

**负样本生成**:针对河流沿岸农田和高速公路等易误识别区域,研究人员从数据集中筛选出不含建筑物的影像,生成空矢量标签并切片,制作负样本以降低误识别率。

**后处理优化**:通过孔洞填充和建筑物规则化(如直角规则化),研究人员对推理结果进行优化。图4显示,经过孔洞填充后,优化结果与标签基本一致;图5显示,经过直角规则化后,建筑物边界更加规整,与标签吻合度提高。

**模型评估**:模型评估使用混淆矩阵计算精确率、召回率、IoU和F1分数。表3显示,在不同数据集和骨干网络下,MiT-B5在100次训练后达到94.13%的IoU,而MiT-B3在10次训练后为65.73%的IoU,验证了模型容量对复杂特征提取的重要性。

**消融研究**:在WHU数据集上使用MiT-B5骨干网络进行消融实验,结果表明后处理技术(如建筑物规则化)使IoU提升4.92%,F1分数提升3.47%,突出了后处理在细化建筑边界和消除噪声方面的关键作用;MiT-B5骨干网络相比MiT-B3在IoU上高出28.40%,证实了模型容量对复杂特征提取的必要性。

**讨论与结论**

**讨论部分**:研究人员将SegFormer与DeepLabV3+等经典方法进行比较,图6显示SegFormer在WHU等数据集上表现更优。SegFormer算法具有高精度、高效率和高灵活性的优点,但也存在训练时间长、模型复杂度高、小目标分割效果差等缺点。限制因素主要包括数据量、数据质量、特征多样性和模型泛化能力。未来方向包括数据增强、多源数据融合、强化学习、提升模型可解释性以及跨领域合作。

**研究结论**:基于SegFormer的建筑物提取框架在城市、乡村和山区均表现出稳定性能。在WHU数据集上的定量评估显示,MiT-B5变体在100个训练周期后达到94.13%的IoU,而MiT-B3配置在10个训练周期后提供65.73%的IoU,为不同应用场景提供了实用选择。跨区域验证证实了该方法在使用地理多样性样本训练时的鲁棒性。当前局限包括偶尔对非建筑特征的误分类以及复杂城市布局中的遗漏。未来研究将聚焦两个方向:第一,开发针对遥感解译任务需要最小或无预训练的基础模型;第二,增强负采样技术和特定领域优化以应对阴影区域和密集建筑群等挑战性场景。此外,将纳入时间分析以解决图像质量的季节性变化。该工作为大规模建筑物提取奠定了可靠基础,可直接应用于城市发展监测和应急响应系统。同时,发布实现代码和训练模型以支持可重复性和地理空间分析的社区驱动进步。该框架的适应性使其成为下一代地理信息系统和智慧城市基础设施规划的有价值工具。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号