DUTransUNet：双解码器Transformer U-Net用于差分干涉图形变区域精细分割

《Geocarto International》：DUTransUNet: dual-decoder transformer U-net for differential interferogram deformation regions segmentation

　　

差分干涉合成孔径雷达（Differential Interferometric Synthetic Aperture Radar, DInSAR）广泛用于地表形变监测。然而，缠绕差分干涉图中形变相关条纹常叠加于非形变相位贡献之上，包括大气相位屏（Atmospheric Phase Screen, APS）、轨道误差和去相干噪声，因此差分干涉图中形变区域的自动分割仍具挑战性。据此，研究人员提出一种具有双解码器设计的增强型Transformer U-Net，即DUTransUNet。该模型在TransUNet基础上增加辅助监督解码器，以增强中间特征学习和多尺度表示，同时引入卷积块注意力模块（Convolutional Block Attention Module, CBAM）和细化卷积，以增强目标响应和边界精度。在Hephaestus数据集上的实验表明，DUTransUNet取得83.07%的平均交并比（mean Intersection over Union, mIoU），分别优于TransUNet和Swin-UNet 3.67%和4.33%。该方法还提高了精确率（Precision）、召回率（Recall）和F1分数（F1-score），在挑战性背景下形变分割和边界描绘方面取得显著增益，证实了其在复杂干涉数据中的有效性。

研究背景与问题：差分干涉合成孔径雷达（Differential Interferometric Synthetic Aperture Radar, DInSAR）具有高精度、宽覆盖和全天时全天候优势，是地表形变监测的核心工具之一。将差分干涉图中形变区域自动识别转化为计算机视觉语义分割问题，即对每个像素赋予形变或非形变类别，已成为遥感领域的重要研究方向。然而，差分干涉图解释仍较依赖人工目视和专家知识，效率低且主观性强，并易受相位噪声、大气相位屏、低相干和地形效应影响，限制大规模自动化监测。深度学习虽已用于DInSAR形变检测，但现有方法在全球上下文建模、多尺度特征融合和细粒度边界恢复方面仍有局限：卷积神经网络（Convolutional Neural Network, CNN）主要依赖局部卷积核，难以捕获形变条纹与周围干涉相位模式之间的长程空间依赖；Transformer虽具全局建模能力，但在块嵌入、特征下采样和解码重建中可能丢失精细空间细节，导致边界模糊、预测碎片化和弱形变条纹漏检；多尺度特征融合常依赖简单拼接或加权，难以联合浅层纹理、高层语义和边界敏感表示。因此，研究人员开展DUTransUNet研究，以提升复杂干涉数据中的形变区域分割性能。

研究内容与结论意义：研究人员提出增强型Transformer U-Net架构DUTransUNet，在TransUNet基础上加入辅助监督解码器，以增强中间特征学习和多尺度表示；引入卷积块注意力模块（Convolutional Block Attention Module, CBAM）和细化卷积，以增强目标响应和边界精度。Hephaestus数据集实验显示，DUTransUNet取得83.07%的平均交并比（mean Intersection over Union, mIoU），分别优于TransUNet和Swin-UNet 3.67%和4.33%，并提高精确率、召回率和F1分数（F1-score），在挑战性背景下形变分割和边界描绘方面增益明显，证实其在复杂干涉数据中的有效性。其意义在于为差分干涉图形变区域精细分割提供更准确、保留细节的深度学习方案，并为未来轻量、高效、多任务可适应形变监测模型奠定基础。

关键技术方法概况（不超过250字）：研究人员基于TransUNet构建DUTransUNet：残差网络ResNet-50的CNN分支提取局部多尺度特征，Transformer编码器建模全局上下文；共享解码器以三个双上采样模块（Dual Upsampling Module, DUM）融合跳连特征，主分支经CBAM通道/空间注意力和两次3×3 Conv-BN-ReLU细化，辅助分支直接监督共享特征；训练用焦点损失（Focal Loss）与Dice损失（Dice Loss）加权，评估仅用主分支。数据经归一化及旋转/翻转、高斯噪声/模糊、弹性变形、CutMix、MixUp增强。样本来自公开Hephaestus数据集（Sentinel-1，2014—2021，44个活动火山，19,919幅差分干涉图，216,106个224×224图像块；2,247个形变样本与随机2,247个非形变样本；90%/10%训练验证与测试划分，测试集固定）。

研究结果：4.1 比较实验：研究人员通过训练损失曲线、特征可视化、定量比较、消融实验和基于逐图像IoU的配对统计检验得出，双解码器、CBAM与辅助监督联合可改善收敛稳定性和分割精度。损失曲线显示双解码器+CBAM及完整DUTransUNet保持较低损失和更稳定收敛；特征可视化显示CBAM增强目标区域响应，辅助监督使中间特征更早对齐形变轮廓并改善边界定位。定量上DUTransUNet取得精确率0.8932、召回率0.8990、F1分数0.8885、mIoU 0.8307，较TransUNet提高3.67%，较Swin-UNet提高约4.33%；较U-Net、UNetFormer、Swin-UNet、TransUNet分别提高2.96、3.41、4.33、3.67百分点；较Dual Decoder+CBAM仍提高0.39百分点，说明辅助监督进一步约束中间语义特征；较TransUNet+CBAM仅提高0.11百分点，故定性分析进一步关注多尺度表示、边界恢复和稳定分割。DUTransUNet的mIoU标准差最低，稳定性更好。Dual Decoder+CBAM在无辅助监督时未优于TransUNet+CBAM，说明仅增加细化解码分支不足，辅助监督可补偿优化难度并提高特征一致性。4.2 应用实验：研究人员通过Sentinel-1 Etna火山差分干涉图（2025年4月7日和4月19日，COMET-LiCS，1010×842）开展定性应用，得出模型能准确识别形变区域、边界一致性高、背景区域鲁棒且无大范围误报或误分类，具有实际应用潜力。5.1 性能：研究人员通过定量定性结合和归一化混淆矩阵得出，DUTransUNet在复杂背景形变信号检测中具有明显优势，mIoU达0.8307，精确率和召回率在所有比较模型中最高；混淆矩阵显示背景像素99.84%、形变像素88.58%被正确分类，误分类分别为0.16%和11.42%；与指标差异源于混淆矩阵按测试集全部像素池化后归一化，而评价指标按单图计算后平均；Etna火山应用验证了实际监测场景中的有效性和鲁棒性。5.2 效率：研究人员通过训练和推理时间分析得出，UNet训练时间222.52 min，UNetFormer为216.98 min且推理133 s；Dual Decoder+CBAM训练175.50 min、推理98 s；TransUNet+CBAM训练179.10 min、推理100 s；DUTransUNet训练214.53 min、推理103 s，训练时间略短于UNet和UNetFormer，推理略高于TransUNet+CBAM和Dual Decoder+CBAM；双解码器并行推理与辅助监督有效控制推理额外成本，但网络复杂度增加训练时间，未来需提高训练效率。

讨论总结与研究结论翻译：讨论部分围绕性能和效率展开。性能上，DUTransUNet在复杂背景中检测形变信号具有清晰优势，mIoU为0.8307，精确率和召回率最高，可同时提高形变区域预测的正确性和完整性；混淆矩阵显示背景和形变像素分类情况；Etna火山应用实验验证了实际监测场景中的有效性和鲁棒性。效率上，DUTransUNet训练时间214.53 min、推理103 s，训练时间略短于UNet和UNetFormer，推理略高于TransUNet+CBAM和Dual Decoder+CBAM，表明并行推理策略和辅助监督机制有效控制推理阶段额外成本，但网络结构复杂度增加训练时间，未来将关注提升训练效率。研究结论翻译：本研究提出一种改进的双解码器网络DUTransUNet，用于差分干涉图中形变区域的自动识别和精细分割。基于TransUNet框架，该模型引入辅助监督解码器和CBAM，有效集成Transformer全局建模与CNN局部特征提取。该设计增强联合捕获多尺度语义信息和空间细节的能力，从而提高复杂场景分割性能。Hephaestus数据集实验表明，DUTransUNet取得83.07%的mIoU，分别优于TransUNet和Swin-UNet 3.67%和4.33%；精确率、召回率和F1分数约提高1—2个百分点，表明其在复杂背景下分割形变区域性能更优。消融实验进一步显示，双解码器与辅助监督结合可加速验证集收敛并降低最终稳定损失值，CBAM有效降低边界误分类率。这些发现证实辅助监督解码器和CBAM在提高训练稳定性、细节恢复和模型鲁棒性方面的有效性。总体而言，所提方法为差分干涉图形变区域分割提供更准确、保留细节的深度学习解决方案，并为未来轻量、高效、多任务可适应形变监测模型的发展奠定基础。