《International Journal of Digital Earth》:Dilated residual U-Net with spatial–channel attention for building footprint extraction from UAV imagery in diverse landscapes
编辑推荐:
从无人机(UAV)影像中准确提取建筑物足迹对于城市规划、基础设施监测和灾害风险管理至关重要。然而,在异质环境下,分割性能仍受到尺度变异、光谱模糊和部分遮挡的挑战。本研究探讨了在统一的U-Net框架内集成空洞卷积、残差学习和空间-通道注意力进行建筑物足迹提取。该
从无人机(UAV)影像中准确提取建筑物足迹对于城市规划、基础设施监测和灾害风险管理至关重要。然而,在异质环境下,分割性能仍受到尺度变异、光谱模糊和部分遮挡的挑战。本研究探讨了在统一的U-Net框架内集成空洞卷积、残差学习和空间-通道注意力进行建筑物足迹提取。该方法并非引入新的架构组件,而是研究这些既有机制如何影响不同景观条件下的分割行为。在瓶颈阶段引入多速率空洞卷积;残差连接支持稳定的特征传播,注意力模块增强特征判别能力。该模型在WHU Building Dataset(WHU建筑物数据集)和新构建的、代表越南多样环境条件的UAV数据集(HUMG)上进行了评估。结果表明,相对于U-Net、特征金字塔网络(Feature Pyramid Network, FPN)和SegFormer,分割性能有所提升,尤其在密集城市、乡村和植被遮挡环境中。尽管所提模型产生较高的计算成本,额外的复杂性反映了模型容量的增加和集成架构设计。研究结果表明,对既有机制的系统性适应可以增强高分辨率UAV影像中建筑物分割的稳健性,适用于离线地理空间应用。
建筑物足迹的精准提取是城市规划和灾害管理的重要基础。无人机(UAV)影像虽然提供了厘米级分辨率,但异质景观中的尺度变化、光谱模糊和部分遮挡仍使自动分割面临挑战。早期基于手工特征的方法适应性有限,而现有深度学习模型虽各有优势,但多种机制在UAV建筑物场景中的交互作用尚未被充分阐明。为此,研究人员在U-Net框架内结构化集成了空洞卷积、残差学习和卷积块注意力模块(CBAM),构建了Astro-ResCBAM-U-Net模型,并在WHU Building Dataset(新西兰基督城0.3 m分辨率,共8189张512×512影像)和新构建的越南HUMG无人机数据集(0.1 m分辨率,共6857张512×512影像,涵盖约40000个建筑物足迹)上进行了评估。该模型在密集城区、乡村和植被遮挡场景中均取得优于U-Net、特征金字塔网络(FPN)和SegFormer的分割性能,同时计算成本相应增加。研究表明,对成熟机制的系统性整合可显著提升高分辨率UAV影像建筑物分割的鲁棒性,为离线地理空间应用提供了可行方案。论文发表在《International Journal of Digital Earth》。
研究人员采用的主要方法包括:在U-Net瓶颈阶段插入多速率空洞卷积(扩展感受野而不降低分辨率);编码器与解码器的卷积块中嵌入CBAM(依次进行通道注意力和空间注意力);通过残差连接稳定深层特征传播。训练采用Dice损失与二值交叉熵(BCE)组合损失,AdamW优化器配合余弦退火学习率,并应用翻转、亮度、缩放和随机擦除等数据增强。样本来源包括WHU Building Dataset和越南HUMG无人机数据集,后者已公开于Mendeley Data。
### 3.1 Model efficiency and performance
在模型效率方面,Astro-ResCBAM-U-Net包含约6690万参数量,推断时间为每张影像7.03秒,而U-Net、SegFormer和FPN参数均约为2200万至2400万,推断时间低于1.2秒。在WHU Building Dataset上,研究人员所提模型获得了最高指标:IoU为0.901,精确率0.954,召回率0.942,F1分数0.948,准确率0.988;在HUMG数据集上,该模型IoU为0.900,F1分数0.936,准确率0.942,性能优于其他对比模型。结果表明,集成结构提升了分割精度,但参数效率低于基线模型。
### 3.2 Model performance across different areas of the HUMG dataset
#### a. Qualitative analysis
视觉对比显示,在密集城市、高多样性区域及乡村等场景中,Astro-ResCBAM-U-Net生成更连续的建筑物轮廓,较基线模型减少了碎片化区域和误检。尤其在树遮挡场景下,该模型保持了较好的边界连贯性,而其他模型出现更多断裂和遗漏。
#### b. Quantitative analysis
研究人员将HUMG数据集划分为现代城市、高多样性城区、乡村中多样性、乡村低多样性、工业区和树遮挡六个子集进行定量评估。在现代城市子集中,该模型IoU为0.933,F1分数为0.958,假阳性计数最低(87671);在高多样性子集中,IoU为0.881,F1为0.935;乡村中多样性和低多样性子集的IoU分别为0.925和0.890;工业子集IoU为0.926,明显优于FPN的0.780;树遮挡子集IoU为0.898,假阳性计数同样最低。各子集中,该模型的假阳性和假阴性数量均低于基线,表明其对不同建筑密度和遮挡条件的适应能力。
讨论部分指出,性能提升是空洞卷积、注意力机制和残差学习共同作用的结果,而非单一机制的贡献。不同景观对应不同分割挑战:密集城区需要区分相邻屋顶,乡村需要关注孤立小目标,工业区需要保持大屋顶的完整性,树遮挡场景则需要抑制植被干扰。与SegFormer等Transformer模型相比,所提模型通过空洞卷积实现上下文聚合,同时保留了卷积模型的精细定位能力。然而,该模型参数量和推断时间显著增加,属于精度与效率之间的权衡。在UAV离线制图应用中,更高的精度和边界一致性通常优先于速度。局限性方面,研究依赖人工标注,未进行跨传感器评估,也缺乏跨数据集训练-测试实验。未来可引入半监督学习、多模态数据(如LiDAR、多光谱、SAR)、跨数据集验证和模型压缩等方法。
研究结论可翻译为:本研究评估了Astro-ResCBAM-U-Net作为从多样化UAV环境中提取建筑物足迹的集成模型。将空洞卷积、卷积块注意力模块(CBAM)和残差学习相结合,旨在统一的编码器-解码器架构中解决尺度变化、光谱模糊和部分遮挡问题。在WHU和HUMG数据集上的评估显示,在空间分辨率、聚落密度和结构复杂性存在差异的环境中,分割行为保持一致。与所选基线架构相比,所提模型取得了更高的分割精度,但这些改进伴随着模型容量和计算需求的增加。研究结果表明,将上下文聚合、基于注意力的特征细化和残差传播集成在单一框架中,有助于在多样化UAV条件下保持边界连续性和性能稳定性。本研究的贡献在于对成熟深度学习机制的系统性适应,而非引入全新的架构组件。结果证明,结合互补的特征学习策略可以改善复杂城市和乡村环境中的建筑物分割,同时揭示了分割质量与计算效率之间的权衡。未来研究应扩展至更多地理区域、传感器模式和架构基准,并整合LiDAR、多光谱影像和合成孔径雷达(SAR)等互补数据源,结合受控消融实验、跨数据集验证和模型压缩策略,以更全面地理解分割泛化能力及UAV地理空间应用中的实际部署。