摘要
在快速城市化的背景下，准确、高效提取城市区域建筑物变化信息对城市规划、资源管理以及环境监测具有重要意义。合成孔径雷达(Synthetic Aperture Radar, SAR)有着全天时、全天候和全球覆盖的观测优势，是重要的对地观测传感器系统。SAR 影像在变化检测领域具有重要作用，特别是在建筑物变化检测方面，建筑物区域表现为高后向散射强度特征，而其它土地利用类型呈现相对较低的强度值，通过对同一地区不同时期的 SAR影像进行比较分析，可以有效区分和识别建筑物变化。然而 SAR 影像受斑点噪声的影响较为显著，同时城市区域建筑物类型和尺寸多样，特别是超大城市的建筑物高度密集，场景复杂，已有基于单一场景样本的建筑物自动变化检测方法难以实现在城市区域复杂场景下的建筑物高精度变化信息的检测。因此，本文基于高分辨率 SAR影像时序，从无监督和有监督变化检测两个方面，研究了高精度和自动化建筑物变化检测方法，为城市区域复杂场景下建筑物变化检测提供自动化检测解决方案。主要开展了以下研究工作： （1）本研究提出了基于非局部均值滤波和改进的邻域比值法的 SAR 影像变化检测框架。通过控制非局部均值滤波中的平滑参数平衡细节信息和噪声滤波程度，采用搜索窗口增大滤波器的感受野。利用改进的邻域比值法生成差异图，根据变异系数调整某个像素值及其邻域值的权重比例，便于区分变化区域和背景区域。采用 Ostu阈值分割方法对差异图进行分类，使前景和背景之间的类间方差最大化，提高变化检测的准确性。基于非局部均值滤波、改进的邻域比值法和Ostu方法的组合，本文提出了一种无监督的SAR变化检测方法，实现去除噪声的同时最大程度地保留细节信息。实验结果表明，该方法相比于经典的无监督学习方法取得了更高的变化检测精度。 （2）本研究将 SAR 影像强度信息和差异信息相融合，提出了基于注意力引导的双分支融合网络的变化检测框架。首先利用主分支深度层次注意力网络提取强度图像深度特征信息。其次设计辅助分支多尺度差异注意力网络提取差异图像特征信息。最后基于分类器对主分支和辅助分支提取的特征图进行融合，将其分类为变化和非变化的二值图。实验结果表明，提出的网络在测试集上具有更准确的建筑物变化检测性能，可靠、精细地检测出了上海市地铁 8 号线沿线2019年6月到2021年9月期间的建筑物变化。 （3）本研究将 SAR 影像强度信息和相干信息相融合，提出了一种基于深度监督方式的伪孪生注意力引导网络的变化检测框架。首先采用伪编码结构提取强度图像和相干图像各自的特征信息。然后在瓶颈层中融合强度特征和相干特征，以丰富变化区域的特征信息。最后在解码层将特征图还原到与原始特征图尺寸大小一致，通过连接编码层和解码层特征图以全面地获取浅层和深层特征信息。实验结果表明，提出的网络在引入相干图像时可以弥补部分强度信息因建筑物布局、朝向、表面材料等方面的综合影响而导致的漏检情况，同时可靠地检测出上海市地铁 8号线沿线 2019年6月到 2021年9月期间的建筑物变化。 本研究构建了基于高分辨率 SAR影像差异图生成和多特征融合的建筑物变化检测方法。非局部均值滤波和改进的邻域比值法的 SAR影像变化检测研究采用了一种无监督学习策略，整个检测过程中无需任何预先的知识。SAR 影像强度信息与差异信息融合研究适用于检测场景中的微小变化，能精细地检测出建筑物的变化。SAR 影像强度信息和相干信息融合研究通过引入变化前后的相干图像来弥补部分强度信息因建筑物布局、朝向、表面材料等方面的综合影响而导致的漏检情况。本研究检测出上海市地铁 8 号线沿线的建筑物变化，得到了可靠的变化检测结果，可为城市规划、自然资源管理等领域提供精确和高效的智能建筑物变化检测方法。
NETL