【研究动态】基于深度学习的城区建筑高度估计方法—以中国42个城市为例

建筑高度信息刻画了城市的垂直形态，对于理解城市发展进程十分重要。高分辨率光学卫星影像能够提供城区内部精细的空间细节，然而它们尚未被应用于多个城市的建筑高度估算。同时，在精细尺度（<5米）上估计建筑高度的可行性仍未得到充分研究。此外，多视角卫星影像能够提供建筑物的垂直信息，但它们尚未被用于大范围建筑高度反演任务。因此，本文引入了高分辨率的ZY-3多视角影像，以估计2.5米空间尺度上的建筑高度。本文提出了一个多光谱、多视角和多任务的深度学习网络（称为M3Net），用于预测建筑高度。该网络在多任务学习框架下融合了ZY-3多光谱和多视角影像。本文也比较了基于多源特征的随机森林（RF）方法。实验区域为42个具有不同建筑类型的中国城市。结果表明，M3Net取得了比RF更低的均方根误差（RMSE），并且ZY-3多视角影像的加入能够显著降低建筑高度预测的不确定性。与现有研究相比，本文进一步证实了所提方法的优越性，特别是在缓解高层建筑高度估计的饱和效应方面。与常规的单任务/多任务模型相比，M3Net取得了更优的精度。此外，时空迁移性实验表明，M3Net对成像条件和建筑风格具有一定的鲁棒性。最后，本文在一个相对较大的区域（覆盖约14,120平方公里）测试了M3Net，从效率和精度两方面验证了该方法具有较好的扩展性。源代码发布在网址：https://github.com/lauraset/BuildingHeightModel

参考引文

Cao, Y., Huang, X., 2021. A deep learning method for building height estimation using high-resolution multi-view imagery over urban areas: A case study of 42 Chinese cities. Remote Sens. Environ. 264, 112590.

1

概述

本文提出了一种多光谱、多视角和多任务的深度学习网络（称为M3Net），用于预测建筑高度。该网络采用了U-Net框架，其中，两个编码器的结构相同，用于提取多光谱和多视角影像信息，而三个解码器的结构相同，用于预测建筑高度和建筑轮廓。在优化网络参数时，对于建筑高度预测任务，损失函数设置为均方误差；对于建筑轮廓提取任务，损失函数设置为二类交叉熵。本文采用了一种自适应加权的多任务损失函数，通过网络自动学习不同任务的权重。

2

数据集

本文收集了42个中国城市的ZY-3影像和对应的建筑高度数据（来自高德地图），均重采样到2.5米空间分辨率。为了方便训练，本文将所有数据裁剪为1 km × 1 km的样本块（即400 × 400像素），经过人工筛选高质量样本后，获取到4723个样本块。其中，训练、验证和测试的比例设置为7：1：2。

图1 数据集示意图

图2 样本选择示意图

3

方法与结果

图3 所提方法的流程图

图4 检测结果示例

图5 建筑高度的测试精度

作者简介

黄昕，武汉大学珞珈特聘教授。长期从事遥感影像处理与应用研究，在地学和环境科学两个领域，入选世界前2%科学家终生影响力榜单，连续入选Elsevier中国高被引学者。长期从事遥感影像处理与应用研究，已在NSR、RSE、ES&T、IEEE-TGRS、ISPRS-J等国内外刊物发表SCI论文200余篇，Google Scholar引用13000余次。担任Remote Sensing of Environment、IEEE-TGRS的副主编/编委。

曹银霞，香港理工大学土地测量及地理资讯学系博士后，主要研究方向为高分辨率遥感影像信息提取和弱监督学习。

供稿：曹银霞博士

编辑：鲁伟鹏

审核：常悦博士

指导：翁齐浩博士