摘要
数字栅格地图中蕴含了丰富的地理信息，识别并提取其中的居民地信息有利于土地利用变化分析、土地质量评估、历史土地信息管理等方面的研究。历史栅格地图中的晕线居民地对于研究人员来说有着重要的研究意义，它是历史上人们生产生活的主要场所，也是人文和艺术汇聚地。针对传统栅格地图中居民地提取方法存在手动设置参数、提取精度及效率低的问题，本文提出了一种基于多尺度特征融合的栅格地图中晕线居民地自动提取方法（Automatic Extraction of Hatched Residential Areas，AEHRA）。AEHRA具有较高的识别精度、提取的居民地轮廓位置精度高、方法实用性强，为晕线居民地要素的提取提供了一种新的方法。论文的主要工作及成果体现在： （1）创建了栅格地图中晕线居民地样本数据集。通过使用JSON爬取解析工具在苏格兰国家博物馆网站下载了32幅历史栅格地图，利用Python与LabelMe图像标注软件对图像中的晕线居民地进行标注，得到了晕线居民地样本数据集。 （2）设计了多尺度特征融合网络（Multi-Scale U-Net，MSU-Net）。针对经典U-Net网络只在最后一次上采样后对图像的每个像素进行分类操作，不能很好地利用卷积神经网络中其他尺度下的特征信息的问题，设计了MSU-Net网络，该网络充分利用图像的多尺度信息，对栅格地图中的晕线居民地进行提取、分割。 （3）研究了基于全连接条件随机场的提取结果后处理优化方法。针对MSU-Net网络输出结果存在像素孤岛和像素空洞的现象，引入全连接条件随机场，通过计算单个像素和图中所有像素的一元势能函数和二元势能函数来判断像素所属标签类型，以提升晕线居民地要素分割的精度。 （4）研究了栅格地图中晕线居民地要素的提取精度与栅格图像切分块数的相关性。通过对同一幅栅格地图进行不同数目的切块来进行对比研究，发现栅格地图晕线居民地要素的提取精度与栅格图像切分块数呈负相关，位于切割线上的晕线居民地会存在两图接边的痕迹。 （5）完成了AEHRA提取栅格地图中晕线居民地的实验。实验结果表明：AEHRA在Dice、IoU、召回率、精确率和准确率分别达到97.05%、94.26%、94.92%、93.52%和99.52%。与FCN-8s相比，5项指标分别提升了1.47%、2.72%、1.07%、4.56%和0.26%，与U-Net相比，分别提升了0.84%、1.56%、3.00%、0.65%和0.13%。与基于Gabor滤波器的晕线居民地提取方法对比，AEHRA在要素的识别总数和轮廓位置准确性方面都表现更好。 通过对图像进行分块与合并策略，能提取出完整图幅中的晕线居民地。可见AEHRA具有较高的识别的精度、提取的居民地轮廓位置精度高、方法实用性强，为栅格地图中晕线居民地要素的提取提供了一种新的方法。
NETL