Systematische Analyse von Deep Learning Algorithmen zur großflächigen Gebäudeerkennung aus sehr hochauflösenden Fernerkundungsdaten

Kurzfassung

Die automatische Segmentierung von Gebäuden aus Fernerkundungsbildern ist eine wichtige Aufgabe für verschiedene Anwendungen wie Stadtplanung, Katastrophenmanagement und Bevölkerungsabschätzungen. In den letzten Jahren wurden mehrere Ansätze für Gebäudesegmentation vorgeschlagen. Aufgrund komplexer Umgebungen, heterogener Datenstrukturen und der Vielfalt von Gebäudemerkmalen (Farbe, Form, Größe usw.) mit zunehmender räumlicher Auflösung ist die Gebäudeerkennung auf Fernerkundungsbildern nach wie vor eine anspruchsvolle Aufgabe. Daher wurden verschiedene State-of-the-Art Convolutional Neural Networks (CNNs), verschiedene Eingabedaten (Orthofotos mit RGB- und Nahinfrarot-Kanälen, normalisiertes digitales Höhenmodell) sowie unterschiedliche Gebäudemasken-Genauigkeiten, räumliche Auflösungen (0,1, 0,2 und 0,5 m) und Kachelgrößen systematisch analysiert, um einen umfassenden Überblick über ihren Einfluss auf die Genauigkeit der Gebäudeextraktion zu erhalten. In dieser Arbeit wurde ein neuer Gebäudedatensatz erstellt, der mit einer Fläche von ~34,5 km² verschiedene Städte in Nordrhein-Westfalen (Deutschland) abdeckt. Anhand dieses Datensatzes wurden etwa 500 Versuchsanordnungen durchgeführt. Der Einfluss der einzelnen Modelle wurde durch den systematischen Vergleich der Vorhersagegenauigkeit und der Trainingsdauer bewertet und optimiert. Es wurden Quervergleiche zwischen verschiedenen räumlichen Auflösungen und Trainingsregionen durchgeführt, um regionale den Einfluss regionaler Charakteristiken zu untersuchen und die Übertragbarkeit zu bewerten. Die Experimente zeigen, dass die FPN Architektur mit dem Xception Backbone die besten Ergebnisse mit einem IoU von 88,66% und 14:10 Minuten Trainingsdauer pro Epoche erreicht. Die Kombination des Orthofotos mit dem Höhenmodell verbessert die Vorhersagegenauigkeit des IoUs um 3,39% auf 92,05%. Das Höhenmodell verbessert die Kantengenauigkeit und die Abgrenzung der Gebäude von der Umgebung. Selbst wenn die Kantenoptimierung als zusätzliches Werkzeug eingesetzt wird, können ähnliche Genauigkeiten nicht allein auf der Grundlage des Orthofotos erreicht werden. Mit zunehmender Bildgröße und höherer räumlicher Auflösung steigt die Vorhersagegenauigkeit. Vergleicht man das Training in den einzelnen Trainingsregionen, so lässt sich feststellen, dass die Übertragbarkeit des Modells auf andere Vorhersageregionen zunimmt, wenn genau beschriftete Daten mit hoher struktureller, kontextueller und morphologischer Vielfalt verwendet werden. Unterschiedliche Siedlungsstrukturen und Fernerkundungsszenen im Trainingsprozess verbessern die Übertragbarkeit des CNN-Modells. Dies ermöglicht die Anwendung des erstellten Modells für andere Regionen oder Datensätze, was zur genauen Erkennung und Kartierung von Gebäuden aus Fernerkundungsbildern beiträgt.