基于雙層上下文語義分類網的遙感郊外建筑物檢測研究

張旭　侯金元　葛嫻君

摘 要：本文提出了一種基于雙層上下文語義網的遙感郊外建筑物檢測方法。該方法主要包括以下兩個階段。第一階段：郊外大視場遙感圖像疑似區快速提取;第二階段：通過構建雙層上下文語義分類網對建筑物疑似區精準鑒別。實驗表明，本算法具備檢測精度高、虛警率低以及運算效率高等優點。

關鍵詞：遙感;建筑物檢測;上下文;雙層語義網

Abstract： This paper proposed a remote sensing suburban building detection method based on double-layer context semantic network. This method mainly includes the following two stages. The first stage is the rapid extraction of suspected areas from remote sensing images with large field of view in suburbs; the second stage is the accurate identification of suspected areas of buildings by constructing a two-tier context semantic classification network. Experiments show that the algorithm has the advantages of high detection accuracy， low false alarm rate and high operational efficiency.

Keywords： remote sensing;building detection;context;bilevel semantic network

1 基于圖割理論的郊外大視場建筑物疑似區快速提取

1.1 基于圖論最優二叉樹的郊外大視場粗分割

接著，判斷集合之間的相似關系，利用集合間相似度和集合內部相似度進行判斷，具體為：若兩個圖像區域相似度較高，則任一集合內部的相似度小于集合之間的相似度，進行合并;否則，進行分離，具體標準為：

為區域像素個數總和的反比例關系式，表示區域的邊緣長度與區域面積的比值。

1.2 基于建筑物幾何特征的疑似區虛警初步篩除

由于大視場的復雜性，初步分割得到的建筑疑似區中，存在大量的虛警，可利用建筑物幾何特征初步篩除疑似區虛警。本文采用建筑物疑似區長寬比和矩形度的形狀特征進行虛警剔除。

基于圖割理論的郊外大視場建筑物疑似區快速提取示意圖所示。

2 基于雙層語義分類網的建筑疑似區精準鑒別

遙感圖像中的郊外建筑物雖然屬于同類遙感目標，但類內差異較大，影響鑒別的準確性，需要對提取獲得疑似區的初級特征進行中層語義描述才能有效鑒別。本文首先通過視覺詞袋對疑似區的局部描述子特征進行中層語義描述，形成對典型建筑構件的表征。接著，對中層語義特征的頻次分布進行編碼，形成較為抽象的直方圖編碼特征，建立典型建筑構件間的上下文聯系。

2.1 典型建筑構件中層語義特征提取

將疑似區樣本集分為視覺單詞訓練樣本集和特征編碼訓練樣本集。對疑似區視覺單詞訓練樣本集進行SIFT特征提取，并由歐氏距離聚類其視覺單詞，視覺單詞對應建筑物典型構件。具體為：對疑似區中每個關鍵點鄰域提取SIFT特征為描述特征，并以K-means聚類為視覺單詞;接著，基于OC-SVM進行視覺單詞判斷準則的訓練，獲得視覺單詞判斷準則;然后，對每個疑似區樣本中的所有關鍵構件進行視覺單詞判別，并將判別結果按出現的頻次統計為視覺單詞直方圖，每個疑似區樣本對應一個視覺單詞直方圖，具體步驟為如下。

2.1.1 局部描述子初級特征提取。本文采用SIFT[1]算法對建筑物疑似區切片進行特征關鍵點提取。提取步驟包括：極值點檢測、關鍵點精確定位、關鍵點方向分配及局部描述子的生成。將提取到的建筑物疑似區的SIFT初級圖像特征，利用K-means聚類的方法形成視覺單詞，選取k個聚類中心，其中每一個聚類的中心為一個視覺單詞。

2.1.2 建立基于OC-SVM的視覺單詞判斷準則。為實現對樣本中關鍵點進行典型構件屬性的準確判別，考慮到屬性類別數k在不同場景應用時構件類別會有增減，因此判別時選擇one-class SVM對每類構件屬性進行判別?；诿總€關鍵點的局部描述子特征，利用one-class SVM建立訓練準則進行判別。通過樣本訓練得到OC-SVM決策函數為：

2.1.3 視覺單詞頻次直方圖構建。對每個疑似區樣本中的所有關鍵點進行局部描述子特征提取，并進行視覺單詞屬性判別，則每個候選區的所有關鍵點將對應得到表征典型構件的中層BOW特征描述。接著，將目標及對應周域場景中的BOW特征分別利用對應的視覺詞典表示為視覺詞匯，對每個視覺單詞出現的頻率構成視覺單詞直方圖，提取得到的目標視覺直方圖（維度為M），場景視覺直方圖為[hsen]（維度為N），則對疑似區域的視覺直方圖可表示（。上述目標多層次上下文信息統一融合編碼可以通過式（6）構建：

上下文信息統一編碼[Hreg]包括多種不同層次的上下文，可以被分解為三類：目標上下文直方圖、鄰域場景上下文直方圖以及目標與周域場景間的上下文直方圖，就此完成中層特征編碼。

2.2 基于典型構件中層語義特征的疑似區鑒別

2.2.1 疑似區中層語義特征的SVM分類器構造。對中層編碼訓練樣本集中的每個建筑物疑似區樣本，按上述方法提取視覺單詞頻次直方圖特征，并利用多類SVM分類器進行訓練，形成郊外建筑物與三類虛警的分類判決準則。其中，虛警目標劃分為路田區域、復雜山脈區域和植被覆蓋區域。

2.2.2 基于雙層分類網的疑似區鑒別。對待預測的疑似區樣本，經過上述“基于圖割理論的郊外大視場建筑物疑似區快速提取”和“典型建筑構件中層語義特征提取”兩個步驟，獲得預測樣本的視覺單詞頻次直方圖特征。接著，采用上一步獲得的疑似區多類SVM判斷準則進行判別，獲得建筑物疑似區的鑒別及分類結果。

3 實驗

3.1 數據和評價方法

本文的實驗數據集來自于Google Earth的北京周邊郊區的大視場遙感圖像，分辨率為1～2m，數據的像素大小為3 000×3 000到12 000×12 000。實驗需要SVM訓練樣本集，故將數據集中的200副樣本作為多分類樣本集，其中要區分正負樣本種類，最后的測試集設定為150副，用來驗證本方法的有效性。

本文所用編程平臺是MATLAB2016a，實驗測試平臺為Intel 3.6G CPU，64G 內存的服務器。

本文認為，算法檢測邊界框與人工標記邊界框重疊比例超過70%，則檢測是正確的;否則，檢測是錯誤。并且，若存在多個算法檢測邊界框同時與某一個人工標記邊界框重疊率符合確認的標準，則只認為其中重疊率最高的為正確檢測目標。本文采用查準率Precision、查全率Recall作為實驗評估指標。

3.2 實驗結果分析

筆者將本文提出的算法與基于局域差異分割的方法[2]、基于人工指定典型建筑部位辨識方法[3]、局部描述子辨識類[4]進行比較，并記錄檢測結果，結果如表1所示。

在效率提升方面，由于筆者采取了候選區的快速篩選策略，因此算法用時最少，效率最高。性能方面，本文算法構建了雙層分類網模型，因此能更好地描述關鍵部位及關鍵部位間的語義信息，適應建筑區這樣的分布式目標檢測，克服其他方法中指定關鍵部位或者缺乏語義描述的問題，在查準率Precision、查全率Recall兩個性能指標上都優于對比的典型算法。

4 結論

根據已有研究的不足，本文提出了一種基于雙層上下文語義網的遙感郊外建筑物檢測方法。利用疑似區篩選加鑒別的提取框架，克服已有處理方法中計算效率低的問題。在鑒別階段，采用基于詞包視覺上下文中層語義特征提取的方法，克服由于建筑物區域形態各異、類內差異大導致的無法獲取完整可靠建筑區的情況;同時，構建雙層分布網絡，對關鍵部位之間進行上下文語義描述，克服已有方法因缺乏語義描述導致建筑區提取效果不佳的問題。

參考文獻：

[1]易飛，許珊珊.基于SIFT的圖像匹配方法改進[J].計算機系統應用，2018（10）：261-267.

[2]孫萍，鄧磊，聶娟.一種基于區域分割的多尺度遙感圖像融合方法[J].遙感技術與應用，2012（6）：844-849.

[3] Izadi M， Saeedi P. Three-Dimensional Polygonal Building Model Estimation From Single Satellite Images[J]. IEEE Transactions on Geoscience & Remote Sensing，2012（6）：2254-2272.

[4] Jung C R， Schramm R. Rectangle Detection based on a Windowed Hough Transform[C]// Brazilian Symposium on Computer Graphics & Image Processing. 2004.