高分辨率遥感影像建筑物提取的注意力胶囊网络算法

高分辨率遥感影像建筑物自动提取在防灾减灾、灾害估损、城市规划和地形图制作等方面具有重要意义。但是,目前常用的传统卷积神经网络模型存在异变性强而同变性弱缺陷。针对该问题,本文提出一种基于通道和空间双注意力胶囊编码—解码网络DA-CapsNet（dual-attention capsule encoder-decoder network）的建筑物提取通用模型。该模型通过胶囊卷积和空间—通道双注意力模块增强高分辨率遥感影像中建筑物高阶特征表达能力,实现建筑物遮挡部分以及对非建筑不透水层的准确提取与区分。模型首先利用胶囊编码—解码结构提取并融合多尺度建筑物胶囊特征,获得高质量建筑物特征表达。之后,设计通道和空间注意力特征模块进一步增强建筑物上下文语义信息,提高模型性能。本文选取3种高分辨率建筑物数据集进行试验,最终的平均精度、召回率和F1-score分别为92.15%、92.07%和92.18%。结果表明,本文提出的DA-CapsNet能有效克服高分辨率遥感影像中的空间异质性、同物异谱、异物同谱以及阴影遮挡等影响,实现复杂环境下的高精度建筑物自动提取。     

整合DMSP/OLS和NPP/VIIRS夜间灯光遥感数据的长江三角洲城市格局时空演化研究

本文基于1992—2012年DMSP/OLS和2012—2018年NPP/VIIRS夜间灯光遥感数据,对长江三角洲城市群时空演化格局进行监测。考虑到不同卫星夜间灯光遥感数据之间的不一致性以及城市核心区亮度过饱和问题,对DMSP/OLS和NPP/VIIRS数据进行连续性校正、去饱和处理和一致性校正,构建长江三角洲区域1992—2018年长时间序列多源夜间灯光遥感数据集。利用二分法基于该数据逐年提取长江三角洲城市群各城市建成区空间分布,计算加权标准差椭圆和Zipf系数进行重心变化和方向性分布变化、规模体系变化等监测。结果表明： ① 本研究采用的连续性校正、去饱和处理和一致性校正方法能够构建稳定的长时间序列多源夜间灯光遥感数据集; ② 基于二分法提取的建成区面积平均绝对误差为6.85 km²,平均相对误差为8.10%; ③ 长三角城市群重心较为稳定,始终在苏州市境内的太湖沿岸附近,呈现出向东南方向移动的趋势城市群呈西北—东南方向分布,且分布方向有向南北方向转动的趋势,标准差椭圆的扁率持续减小,表明城市群的方向性分布减弱; ④ Zipf系数始终在1附近且呈缓慢降低的趋势,城市规模分布较为均衡。