基于“樣本字典”的城市違法用地快速監(jiān)測(cè)模式研究

李 奇，楊友生，周光建*

（1.廣州市城市規(guī)劃勘測(cè)設(shè)計(jì)研究院，廣東 廣州 510060）

隨著我國(guó)城市化推進(jìn)，城市建設(shè)用地需求大幅度增加，土地違法違規(guī)利用現(xiàn)象十分突出，土地違法監(jiān)測(cè)大量?jī)H依靠人工巡查，難以保障土地執(zhí)法效率及準(zhǔn)確率。傳統(tǒng)城市“兩違”管理中，采用外業(yè)人工巡查和內(nèi)業(yè)人工判別的模式難以保障違法建設(shè)、違法用地的提取效率和結(jié)果[1]。針對(duì)南沙新區(qū)缺乏長(zhǎng)效、可視化的動(dòng)態(tài)監(jiān)測(cè)機(jī)制，基于無(wú)人機(jī)低空遙感技術(shù)手段，分析、歸納不同區(qū)域下最優(yōu)航飛參數(shù)、掃描方式，引入實(shí)景三維模型可彌補(bǔ)土地執(zhí)法證據(jù)留存的空白，并獲取城市地理要素的輪廓線、骨架線、邊界線等三維信息、紋理特征，以及建筑物的高度變化信息，提升“兩違”變化監(jiān)測(cè)的違法信息發(fā)現(xiàn)敏感度[2-4]。融合多源數(shù)據(jù)，構(gòu)建統(tǒng)一、完善的“兩違”聯(lián)動(dòng)監(jiān)測(cè)體系，服務(wù)于各級(jí)行政職能部門(mén)，支撐南沙新區(qū)全域精細(xì)化管理，梳理總結(jié)出適宜南沙新區(qū)獨(dú)特地理?xiàng)l件及發(fā)展環(huán)境的“兩違”動(dòng)態(tài)監(jiān)測(cè)機(jī)制技術(shù)路線，提出以專(zhuān)題“樣本字典”和自注意力機(jī)制變化感知為核心的快速監(jiān)測(cè)服務(wù)技術(shù)體系。

1 專(zhuān)題“樣本字典”的構(gòu)建

鑒于多源數(shù)據(jù)協(xié)同融合、管理的問(wèn)題，采用標(biāo)準(zhǔn)地形圖分幅的方式進(jìn)行數(shù)據(jù)裁剪，進(jìn)而將影像分幅與地形圖分幅保持一致，可實(shí)現(xiàn)在違法區(qū)域疊加現(xiàn)狀地形圖、正射影像圖以及土規(guī)、控規(guī)法定數(shù)據(jù)等多源數(shù)據(jù)。結(jié)合DOM正射影像的數(shù)據(jù)標(biāo)注類(lèi)型，通過(guò)labelme進(jìn)行同一監(jiān)控區(qū)不同時(shí)期的變化地物區(qū)域的標(biāo)注，生成訓(xùn)練模塊所需要的學(xué)習(xí)標(biāo)簽。將裁剪后的兩期無(wú)人機(jī)數(shù)字正射影像圖和二值化后的變化信息進(jìn)行梳理組織，構(gòu)成智能感知土地執(zhí)法專(zhuān)題訓(xùn)練樣本字典?；诘仡?lèi)特征可區(qū)分出建筑物及非建筑物兩大地類(lèi)，非建筑物地類(lèi)包含花基植被、河流道路及其他地表附屬物等地形要素，綜合考量季節(jié)、天氣等非地類(lèi)變化因素，結(jié)合多期影像數(shù)據(jù)及對(duì)應(yīng)的土規(guī)、現(xiàn)場(chǎng)照片、地形圖等多源數(shù)據(jù)，定義分類(lèi)初始庫(kù)，將非建筑物通過(guò)適配的紋理信息及灰度特征進(jìn)行分類(lèi)，依托多尺度、多梯度的分割方式，對(duì)于孤點(diǎn)噪聲及碎片化圖斑進(jìn)行面積比例閾值剔除，獲取具有高分辨、紋理清晰的非建筑物地類(lèi)。

利用高程信息進(jìn)行閾值劃定，考慮建筑物的平滑特性導(dǎo)致平面擬合殘差較小，可進(jìn)一步區(qū)分出植被等非建筑物地類(lèi)。通過(guò)點(diǎn)云的形態(tài)特征，結(jié)合高程信息，可將建筑物區(qū)分出桿狀建筑，墻狀建筑及塔樓建筑等，對(duì)應(yīng)為一維、二維及三維建筑結(jié)構(gòu)，形成非建筑物及一、二、三維建筑物的地類(lèi)要素樣本，并通過(guò)年度更新結(jié)合日常業(yè)務(wù)案的事件驅(qū)動(dòng)機(jī)制，進(jìn)行樣本庫(kù)更新迭代。形成具有南沙新區(qū)獨(dú)特建筑風(fēng)貌及地理環(huán)境的“地類(lèi)要素樣本字典”。圍繞植被及其他非植被的地形存在植被指數(shù)及亮度的差異，基于歸一化差分植被指數(shù)-NDVI根據(jù)目標(biāo)地類(lèi)要素進(jìn)行紅、綠、藍(lán)波段的自由組合，以及目標(biāo)要素的亮度閾值選取，可快速區(qū)分出植被及目標(biāo)要素。結(jié)合多期影像及更新數(shù)據(jù)，形成“光譜知識(shí)樣本字典”。專(zhuān)題訓(xùn)練樣本字典分類(lèi)如表1所示。

表1 專(zhuān)題訓(xùn)練樣本字典分類(lèi)示意表

2 違法用地快速監(jiān)測(cè)模式建立

2.1 引入自注意力機(jī)制對(duì)抗神經(jīng)網(wǎng)絡(luò)模型

在不同時(shí)間拍攝的兩幅共配準(zhǔn)圖像中，光照變化和光照角度變化引起的配準(zhǔn)誤差壓倒了真實(shí)物體的變化，對(duì)遙感影像變化檢測(cè)（CD）算法提出了挑戰(zhàn)。根據(jù)樣本庫(kù)中各類(lèi)型要素的光譜特征及形態(tài)結(jié)構(gòu)等多源信息，為聚焦違法用地的敏感高頻區(qū)的變化發(fā)現(xiàn)，提出專(zhuān)注于興趣區(qū)塊聚焦檢測(cè)的時(shí)空自注意力（self-attention）神經(jīng)網(wǎng)絡(luò)。基于度量的特性，利用個(gè)體像素在不同位置和時(shí)間的時(shí)空相關(guān)性更新這些特征圖，有效解決卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）應(yīng)對(duì)大距離時(shí)空像素關(guān)聯(lián)性的問(wèn)題。在此基礎(chǔ)上，優(yōu)化自注意機(jī)制的學(xué)習(xí)模型，設(shè)計(jì)了基礎(chǔ)時(shí)空注意力模塊、金字塔時(shí)空注意力模塊兩種自注意力學(xué)習(xí)模塊?；A(chǔ)的時(shí)空注意力模塊學(xué)習(xí)捕捉任意兩個(gè)位置之間的時(shí)空相關(guān)性（注意力權(quán)重），通過(guò)時(shí)空中所有位置特征的加權(quán)和計(jì)算每個(gè)位置的響應(yīng)。金字塔時(shí)空注意力模塊將基礎(chǔ)時(shí)空注意力模塊嵌入到金字塔結(jié)構(gòu)中，去生成多尺度注意力表示。

2.2 基于時(shí)空注意力學(xué)習(xí)模塊的變化感知

通過(guò)對(duì)不同大小區(qū)域的特征進(jìn)行組合，可以得到多尺度的特征。在此動(dòng)機(jī)的驅(qū)動(dòng)下，將圖像空間平均劃分為一定尺度下的子區(qū)域，并在每個(gè)子區(qū)域引入自注意機(jī)制，利用該尺度下對(duì)象的時(shí)空關(guān)系。通過(guò)將圖像劃分為多尺度的子區(qū)域，可以獲得多尺度的特征表示，以便更好地適應(yīng)目標(biāo)的尺度變化。將自注意模塊被整合到多尺度子區(qū)域的金字塔結(jié)構(gòu)中形成金字塔注意模塊（pyramid attention module）。通過(guò)這種方式，捕獲不同尺度下的時(shí)空依賴(lài)關(guān)系，從而生成更好的表示來(lái)適應(yīng)不同大小的對(duì)象。然后利用個(gè)體像素在不同位置和時(shí)間的時(shí)空相關(guān)性更新特征圖，形成基礎(chǔ)時(shí)空注意模塊（self-attention）。

地物的實(shí)際分布在樣本庫(kù)中遙感影像上的光譜-空間特征存在明顯差異化[7-8]。在多時(shí)相影像上表現(xiàn)為建筑物拆建、植被區(qū)域減少等特征的違法建設(shè)與違法用地，采用多時(shí)相分割方法保證同一地物在多時(shí)相影像中邊界相同，針對(duì)不同特征層采用多元特征，利于反映不同區(qū)域、不同地物類(lèi)型的變化信息。面向?qū)ο筇卣鞯墓庾V變化信息提取違法建設(shè)與違法用地變化區(qū)域；基于數(shù)學(xué)形態(tài)學(xué)、穗帽變換與差分形態(tài)學(xué)譜，調(diào)整閾值、置信度、最小圖斑面積等參數(shù)，提取建筑物的亮度、尺寸、對(duì)比度；結(jié)合形態(tài)學(xué)開(kāi)、閉運(yùn)算將不同特征下的變化監(jiān)測(cè)結(jié)果進(jìn)行融合處理，實(shí)現(xiàn)基于地物分布特征的違法用地識(shí)別[9]。對(duì)多時(shí)相遙感影像數(shù)據(jù)進(jìn)行幾何分析、空間基準(zhǔn)統(tǒng)一處理后，形成違法建設(shè)與違法用地動(dòng)態(tài)監(jiān)測(cè)機(jī)制（如圖1）。

圖1 方案設(shè)計(jì)圖

3 應(yīng)用效果

通過(guò)疊加土地利用現(xiàn)狀矢量圖和遙感圖，利用矢量數(shù)據(jù)的圖斑邊界信息將遙感影像分割成影像像斑，然后對(duì)影像像斑進(jìn)行提取標(biāo)記點(diǎn)，漫水填充，分類(lèi)提取，基于不同地類(lèi)對(duì)應(yīng)的遙感影像識(shí)別深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的大量訓(xùn)練樣本庫(kù)。優(yōu)選遙感影像地類(lèi)識(shí)別對(duì)應(yīng)深度學(xué)習(xí)樣本庫(kù)的自動(dòng)獲取方法，包括如下步驟：①邊緣映射，在同一坐標(biāo)系下疊加土地利用現(xiàn)狀矢量圖和遙感圖，然后將土地利用現(xiàn)狀矢量圖的邊界映射為由遙感圖中連續(xù)像元組成的閉合邊緣；②標(biāo)記點(diǎn)提取，在閉合邊緣內(nèi)部選取標(biāo)記點(diǎn)；漫水填充，通過(guò)標(biāo)記點(diǎn)進(jìn)行漫水填充，并給對(duì)應(yīng)于每個(gè)填充區(qū)域的掩膜賦值和保存地類(lèi)信息；③圖像分類(lèi)提取，根據(jù)掩膜提取分割后圖像，并根據(jù)掩膜保存的土地利用現(xiàn)狀的地類(lèi)信息進(jìn)行分類(lèi)保存，形成樣本庫(kù)。經(jīng)過(guò)大量的樣本庫(kù)訓(xùn)練之后，對(duì)自動(dòng)提取的變化圖斑進(jìn)行圖斑分類(lèi)識(shí)別，辨別正樣本與負(fù)樣本，綜合參考圖斑位置信息、范圍信息等因素自動(dòng)剔除偽變化，實(shí)現(xiàn)圖斑分類(lèi)（如圖2）。

圖2 變化圖斑自動(dòng)檢測(cè)分割

采用相同的數(shù)據(jù)圖斑，與ArcGIS和Envi這兩個(gè)非常流行的地理信息系統(tǒng)軟件和遙感圖像處理軟件的變化檢測(cè)方法進(jìn)行對(duì)比（如圖3、4）。

圖3 同一區(qū)域的測(cè)試圖斑

基于自注意力機(jī)制的土地執(zhí)法智能感知體系，其區(qū)域變化識(shí)別正確率達(dá)到95%，變化地物分割完整性達(dá)85%，標(biāo)志性建筑檢索正確性達(dá)95%。相比于傳統(tǒng)的EV比值法與ArcGIS CCDC法,其區(qū)域變化識(shí)別正確率提高34%及40%，變化地物分割完整性提高50%和58%，具有良好的感知提取效率，可提高現(xiàn)有土地執(zhí)法行業(yè)的效率。實(shí)驗(yàn)結(jié)果如表2所示。

表2 檢索結(jié)果表

圖4 應(yīng)用效果

4 結(jié) 語(yǔ)

本文針對(duì)常規(guī)的“外業(yè)人工巡查+內(nèi)業(yè)人工判別”模式存在的識(shí)別效率難以滿足快速發(fā)展城區(qū)的需求問(wèn)題，圍繞違法用地監(jiān)管高效、精準(zhǔn)、精細(xì)的管控要求，利用新興的無(wú)人機(jī)低空遙感技術(shù)手段，結(jié)合地類(lèi)要素及光譜知識(shí)的樣本庫(kù)的構(gòu)建、引入自注意力機(jī)制的深度學(xué)習(xí)模塊進(jìn)行的地類(lèi)變化智能感知、融合多源數(shù)據(jù)進(jìn)行違法用地分析等先進(jìn)技術(shù)，形成以專(zhuān)題“樣本字典”和自注意力機(jī)制變化感知為核心的快速監(jiān)測(cè)服務(wù)技術(shù)體系，解決國(guó)家重要戰(zhàn)略發(fā)展地區(qū)的精細(xì)管理。