顾及边缘的多时相SAR图像半监督建筑区提取

陈帅霖; 杨文; 李恒超; TAPETEDeodato; BALZTimo

doi:10.3969/j.issn.0258-2724.20220807

顾及边缘的多时相SAR图像半监督建筑区提取

doi: 10.3969/j.issn.0258-2724.20220807

1.
武汉大学电子信息学院，湖北武汉 430072
2.
西南交通大学信息科学与技术学院，四川成都 611756
3.
意大利航天局（ASI），罗马 00133
4.
武汉大学测绘遥感信息工程国家重点实验室，湖北武汉 430079

基金项目: 国家自然科学基金项目（61771351）

详细信息

作者简介:
陈帅霖（1997—），男，硕士，研究方向为遥感图像分割，E-mail：slchen1997@whu.edu.cn

通讯作者:
杨文（1976—），男，教授，研究方向为图像处理与计算机视觉，E-mail：yangwen@whu.edu.cn

中图分类号: TP751；P237
计量
- 文章访问数: 244
- HTML全文浏览量: 102
- PDF下载量: 46
- 被引次数: 3
出版历程
- 收稿日期: 2022-11-21
- 修回日期: 2023-03-16
- 网络出版日期: 2024-06-26
- 刊出日期: 2023-03-24

Edge-Aware Semi-Supervised Built-up Area Extraction Using Multi-Temporal Synthetic Aperture Radar Images

1.
Electronic Information School, Wuhan University, Wuhan 430072, China
2.
School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611756, China
3.
Agenzia Spaziale Italiana (ASI), Rome 00133, Italy
4.
State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China

摘要

摘要:
针对合成孔径雷达（synthetic aperture radar，SAR）图像中建筑区域难以辨识与标注的问题，提出一种结合改进的伪标签技术和边缘增强策略的半监督建筑区提取新方法. 首先，引入同一位置、不同时相的SAR图像作为自然数据增强手段，并通过多个不同时相图像的预测结果投票确定伪标签；其次，设计一种边缘增强辅助模块，通过特征图变形以修正建筑区主体特征，辅以跳跃连接改进边缘特征，并针对主体和边缘特征进行分离式监督；此外，构建一个包含2种传感器和2个城市区域的多时相SAR图像建筑区提取数据集，含1000幅带标注图像和800组无标注时序图像，并基于该数据集进行实验验证. 实验表明，在所构建测试集上，基线方法使用全量数据训练后交并比（intersection over union, IoU）为63.43%，而所提方法在使用10%和全量数据时IoU分别为63.46%和68.24%，仅利用10%的标注数据即可达到基线方法使用全量标注数据训练的精度.
- 建筑区提取 /
- 合成孔径雷达 /
- 半监督学习 /
- 边缘提取
Abstract:
To address the challenges of identifying and annotating built-up areas in synthetic aperture radar (SAR) images, a novel semi-supervised method for extracting built-up areas that combined improved pseudo-labeling techniques with an edge enhancement strategy was proposed. Initially, SAR images from the same location but at different time were introduced as a natural data augmentation method, and the pseudo-labels were determined by voting based on the prediction results of multi-temporal images. Subsequently, an edge-enhancement auxiliary module was designed, which corrected the body features of the built-up areas through feature map warping and improved edge features with skip connections. Separate supervision for the body and edge features was performed. Moreover, a dataset for extracting built-up areas in multi-temporal SAR images, which included two types of sensors and two urban areas, was constructed. This dataset contains 1,000 annotated images and 800 groups of unlabeled temporal images. Experimental validations based on this dataset have demonstrated that on the constructed test set, the baseline method trained with full data achieves an intersection over union (IoU) of 63.43%, while the proposed method reaches an IoU of 63.46% and 68.24% when using 10% and full data, respectively. Remarkably, using only 10% of the annotated data, the proposed method can achieve the precision that the baseline method has obtained with full annotated data.
- built-up area extraction /
- synthetic aperture radar /
- semi-supervised learning /
- edge extraction

HTML全文

伴随着城市发展，城市聚集效应进一步加强，许多地方出现了土地资源短缺、建筑空间拥挤等问题^[1]. 城市地下空间开发和利用已成为我国城市建设的热点关注领域. “十三五”规划时期，地下空间开发投资规模达到8万亿人民币^[2]，“十四五规划”更是对地下空间开发和利用提出了新的要求. “长、深、大”基坑施工是大型城市综合体和城市地下轨道交通工程的重要环节，不可避免地会造成周围土体变形，使地面产生沉降^[3-4]. 城市道路错综复杂，若基坑控制变形措施不到位，会引起邻近路面沉降、开裂，甚至坍塌^[5-6]. 因此，在基坑开挖之前对邻近道路的变形进行计算预测，对道路保护具有重要的意义.

目前，针对基坑开挖对邻近既有道路影响的问题，大多是采用数值模拟方法进行研究，理论研究尚不完善. 闫周福^[7]运用有限差分软件建立同时考虑土体、基坑支护结构和邻近既有铁路路堤模型，分析了基坑开挖过程中地下连续墙水平位移、基坑周边地表沉降和路堤水平位移和沉降变化规律. 方浩^[8]采用三维弹塑性数值分析方法，研究某软土地区高铁路基在基坑开挖过程中的变形规律，对高铁路基变形的7个影响因素进行敏感性分析，提出了路基最大水平位移和沉降的预测方法. 雷华阳等^[9]利用有限元方法分析了基坑开挖对既有铁路路基的影响，并提出相应安全措施. 储成伍^[10]通过建立三维有限元模型评估了基坑方案对邻近铁路路基变形的影响，根据实测数据分析路基变形规律，并提出施工注意事项. 合理的数值模拟可以较为准确地得到基坑开挖过程中邻近既有道路变形情况，但建模过程复杂，模型计算时间长，对计算能力要求高.

两阶段分析法^[11]将结构变形计算分为2个阶段：第1阶段假设土体中不存在结构，通过经验公式或数值模拟方法得到由开挖引起的土体位移场；第2阶段将第1阶段得到的位移场直接作用在结构上，此时的结构变形就可认为是由开挖引起的. 与直接采用数值模拟方法进行计算相比，两阶段分析法计算更为简便，可通过编写计算程序进行求解. 本文基于Winkler地基理论^[12]，采用两阶段分析法建立道路与土变形协调关系，推导出可以考虑基坑开挖引起沉降场下的道路挠曲微分方程，并进行求解，最后根据实际基坑工程案例，验证本文解答的准确性. 目前，该方法多运用于开挖引起邻近一维结构变形的计算，Poulos等^[13]采用两阶段分析法，先通过有限元模拟方法得到基坑开挖引起的土体自由位移场，然后将桩体视为一个Winkler地基梁，并把位移场作为已知条件作用于桩身，计算得到桩身变形. Klar等^[14-15]在研究隧道开挖对既有管道影响的问题时采用了两阶段分析法，利用修正Peck曲线^[16]拟合得到隧道开挖引起的土体自由场，然后再将土体自由场施加到管道上，并根据弹性理论法进行求解. 张坤勇等^[17]基于Winkler地基模型，广泛应用于地基工程，并给出了任意位移荷载作用下管线的解析解，且在解决实际问题的过程中验证了其合理性. 本文在此基础上，给出开挖引起邻近二维结构变形的计算方法.

1. 开挖场下道路与土的相互作用

位于土层上的道路在基坑开挖的作用下发生挠曲变形，根据Winkler地基理论，可把道路下土体看作许多独立且互不影响的弹簧，土体表面任一点的压力与该点沉降成正比，基坑与道路的位置如图1（a）所示，简化模型如（b）所示. 该模型假设道路为各向同性的弹性矩形板，道路与土体始终保持接触且变形协调. 根据两阶段分析法，先假设该处的道路不存在，此时地表沉降场为s，如（c）所示. 将该沉降场施加于道路上，道路的挠曲变形（即为后文的薄板挠度）为 $\omega$ ，如图1（d）所示. 因此，道路与土相互作用产生的地基反力p为

图 1 基坑开挖下道路-土相互作用模型

Figure 1. Road-soil interaction model under foundation pit excavation

下载: 全尺寸图片幻灯片

$p = k\left( {s - \omega } \right) ,$

(1)

式中：k为地基反力系数（kPa/m）.

2. 道路挠曲变形控制方程推导

道路厚度 $\delta$ 远小于长度a和宽度b，在开挖和路面荷载作用下发生的变形 $\omega$ 远小于厚度 $\delta$ . 因此，本文问题简化为弹性薄板的小挠度弯曲问题.

2.1 计算假定

在弹性薄板弯曲的理论中，根据克希霍夫假定^[18]对空间问题的基本方程进行简化. 以发生弯曲变形前板的中面作为xy面，薄板长边中点为坐标原点，z轴垂直向下，如图2所示.

图 2 弹性薄板示意

Figure 2. Elastic sheet

下载: 全尺寸图片幻灯片

计算假定如下：

1）薄板弯曲前后厚度保持不变，取沿z轴方向的正应变 ${\varepsilon _{\textit{z}}} = 0$ . 由空间问题的几何方程可得

$\varepsilon\mathit{_{\textit{z}}}=\frac{\partial\omega}{\partial{\textit{z}}}=0,$

(2)

式中： ${\varepsilon _{\textit{z}}} = 0$ ； $\omega$ 为关于x、y的函数，不随z改变.

2）变形前中面的法线在薄板弯曲后仍然与弯曲后的中面保持垂直. 作用于垂直于x轴的平面上且方向平行于z轴的剪应力 ${\tau _{x{\textit{z}}}}$ 、作用于垂直于y轴的平面上且方向平行于z轴的剪应力 $\tau_{y{\textit{z}}}$ 和沿z轴方向的正应力 ${\sigma _{\textit{z}}}$ 引起的变形可以忽略不计. 即有xz平面剪应变 ${\gamma _{x{\textit{z}}}} = 0$ ，y与z两正方向的线段之间直角的改变量 ${\gamma _{y{\textit{z}}}} = 0$ 和 ${\varepsilon _{\textit{z}}} = 0$ ，且因为不计 ${\sigma _{\textit{z}}}$ 所引起的变形，所以薄板的物理方程可以写成

$\left\{ {\begin{array}{*{20}{c}} {{\varepsilon _x} = \displaystyle\frac{1}{E}\left( {{\sigma _x} - \mu {\sigma _y}} \right),} \\ {{\varepsilon _y} = \displaystyle\frac{1}{E}\left( {{\sigma _y} - \mu {\sigma _x}} \right),} \\ {{\gamma _{xy}} = \displaystyle\frac{{2\left( {1 + \mu } \right)}}{E}{\tau _{xy}},} \end{array} } \right.$

(3)

式中： ${\sigma _x}$ 、 ${\sigma _y}$ 、 ${\tau _{xy}}$ 分别为物体沿x、y方向上的应力分量及xy平面的剪应力， ${\varepsilon _x}$ 、 ${\varepsilon _y}$ 分别为物体沿x、y方向上的应变分量， $\mu$ 为泊松比，E为弹性模量.

3）薄板中面内各点均不存在沿x、y方向上的侧向位移，即 ${ u |_{{\textit{z}} = 0}} = 0$ ， ${ v |_{{\textit{z}} = 0}} = 0$ ，其中，u，v分别为物体沿x、y方向的位移分量. 结合几何方程，可得出中面内的形变分量均为0，即

$\left\{ \begin{gathered} { {{\varepsilon _x}} |_{{\textit{z}} = 0}} = 0, \\ { {{\varepsilon _y}} |_{{\textit{z}} = 0}} = 0, \\ { {{\varepsilon _{\textit{z}}}} |_{{\textit{z}} = 0}} = 0. \\ \end{gathered} \right.$

(4)

2.2 控制方程推导

薄板小挠度弯曲问题按位移求解，取 $\omega$ 作为唯一基本未知函数，根据空间问题的基本方程、边界条件以及相关计算假定，可以将位移分量、应变分量以及应力分量等物理量都分别用只含有挠度 $\omega$ 的式子来表示，建立关于 $\omega$ 的挠曲微分方程，即可得到主要应变分量 ${\varepsilon _x}$ 、 ${\varepsilon _y}$ 、 ${\gamma _{xy}}$ 为

$\left\{ {\begin{array}{*{20}{l}} {{\varepsilon _x} = \displaystyle\frac{{\partial u}}{{\partial x}} = - \displaystyle\frac{{{\partial ^2}\omega }}{{\partial {x^2}}}{\textit{z}},} \\ {{\varepsilon _y} = \displaystyle\frac{{\partial v}}{{\partial y}} = - \displaystyle\frac{{{\partial ^2}\omega }}{{\partial {y^2}}}{\textit{z}},} \\ {{\gamma _{xy}} = \displaystyle\frac{{\partial v}}{{\partial x}} + \displaystyle\frac{{\partial u}}{{\partial y}} = - 2\displaystyle\frac{{{\partial ^2}\omega }}{{\partial x\partial y}}{\textit{z}}.} \end{array}} \right.$

(5)

将式（5）代入式（3）可得到主要应力分量 ${\sigma _x}$ 、 ${\sigma _y}$ 、 ${\tau _{xy}}$ 为

$\left\{ {\begin{array}{*{20}{l}} {{\sigma _x} = - \displaystyle\frac{{E{\textit{z}}}}{{1 - {\mu ^2}}}\left( {\displaystyle\frac{{{\partial ^2}\omega }}{{\partial {x^2}}} + \mu \displaystyle\frac{{{\partial ^2}\omega }}{{\partial {y^2}}}} \right),} \\ {{\sigma _y} = - \displaystyle\frac{{E{\textit{z}}}}{{1 - {\mu ^2}}}\left( {\displaystyle\frac{{{\partial ^2}\omega }}{{\partial {y^2}}} + \mu \displaystyle\frac{{{\partial ^2}\omega }}{{\partial {x^2}}}} \right),} \\ {{\tau _{xy}} = - \displaystyle\frac{{E{\textit{z}}}}{{1 + \mu }}\displaystyle\frac{{{\partial ^2}\omega }}{{\partial x\partial y}}.} \end{array}} \right.$

(6)

次要应力分量 ${\tau _{{\textit{z}}x}}$ 、 ${\tau _{{\textit{z}}y}}$ 为

$\left\{ {\begin{array}{*{20}{c}} {{\tau _{{\textit{z}}x}} = \displaystyle\frac{E}{{2\left( {1 - {\mu ^2}} \right)}}\left( {{{\textit{z}}^2} - \frac{{{\delta ^2}}}{4}} \right)\displaystyle\frac{\partial }{{\partial x}}{\nabla ^2}\omega ,} \\ {{\tau _{{\textit{z}}y}} = \displaystyle\frac{E}{{2\left( {1 - {\mu ^2}} \right)}}\left( {{{\textit{z}}^2} - \frac{{{\delta ^2}}}{4}} \right)\displaystyle\frac{\partial }{{\partial y}}{\nabla ^2}\omega ,} \end{array}} \right.$

(7)

式中： ${\nabla ^2}$ 为拉普拉斯算子， $\tau_{{\textit{z}}x}$ 为作用于z轴的平面上且方向平行于x轴的剪应力， $\tau_{{\textit{z}}y}$ 为作用于垂直于z轴的平面上且方向平行于y轴的剪应力.

由上可知，平行于板中面的应力分量 ${\sigma _x}$ 、 ${\sigma _y}$ 、 ${\tau _{xy}}$ 与z成正比，且在中面上为0，剪应力 ${\tau _{{\textit{z}}x}}$ 与 ${\tau _{{\textit{z}}y}}$ 沿板厚度呈抛物线分布. 在板内任取一个长度和宽度分别为dx、dy，厚度为 $\delta$ 的微小六面体，其侧面所作用的应力分量如图3所示.

图 3 板的应力

Figure 3. Stress of plate

下载: 全尺寸图片幻灯片

在x为常量的横截面上，应力分量 ${\sigma _x}$ 与作用于垂直于x轴的平面上且方向平行于y轴的剪应力 ${\tau _{xy}}$ 在薄板的整个厚度上的矢量和等于0，只能分别合成弯矩和扭矩，并且应力分量 ${\tau _{{\textit{z}}x}}$ 只能合成剪力；在y为常量的横截面上， ${\sigma _y}$ 、作用于垂直于y轴的平面上且方向平行于x轴的剪应力 ${\tau _{yx}}$ 以及 ${\tau _{{\textit{z}}y}}$ 也是如此. 于是可以得到

$\left\{ {\begin{array}{*{20}{l}} {{M_x} = \displaystyle\int_{ - \tfrac{\delta }{2}}^{\tfrac{\delta }{2}} {{\textit{z}}{\sigma _x}{\mathrm{d}}{\textit{z}},}\; {M_y} = \displaystyle\int_{ - \tfrac{\delta }{2}}^{\tfrac{\delta }{2}} {{\textit{z}}{\sigma _y}{\mathrm{d}}{\textit{z}},} } \\ {{M_{xy}} = \displaystyle\int_{ - \tfrac{\delta }{2}}^{\tfrac{\delta }{2}} {{\textit{z}}{\tau _{xy}}{\mathrm{d}}{\textit{z}},}\; {M_{yx}} = \displaystyle\int_{ - \tfrac{\delta }{2}}^{\tfrac{\delta }{2}} {{\textit{z}}{\tau _{yx}}{\mathrm{d}}{\textit{z}},} } \\ {{Q_x} = \displaystyle\int_{ - \tfrac{\delta }{2}}^{\tfrac{\delta }{2}} {{\tau _{x{\textit{z}}}}{\mathrm{d}}{\textit{z}},\; {Q_y} = \displaystyle\int_{ - \tfrac{\delta }{2}}^{\tfrac{\delta }{2}} {{\tau _{y{\textit{z}}}}{\mathrm{d}}{\textit{z}},} } } \end{array}} \right.$

(8)

式中：M_x和M_y分别为在x和y为常量的对应横截面上，应力分量 ${\sigma _x}$ 和 ${\sigma _y}$ 在中面合成的弯矩；M_xy和M_yx为 ${\tau _{xy}}$ 和 ${\tau _{yx}}$ 在对应截面上合成的扭矩；Q_x和Q_y分别为 ${\tau _{x{\textit{z}}}}$ 、 ${\tau _{y{\textit{z}}}}$ 在对应截面上合成的横向剪力.

将式（6）、（7）代入式（8），即可得用挠度 $\omega$ 表示的弯矩、扭矩和剪力表达式为

$\left\{ {\begin{array}{*{20}{l}} {{M_x} = - {K_{\text{d}}}\left( {\displaystyle\frac{{{\partial ^2}\omega }}{{\partial {x^2}}} + \mu \frac{{{\partial ^2}\omega }}{{\partial {y^2}}}} \right),} \\ {{M_y} = - {K_{\mathrm{d}}}\left( {\displaystyle\frac{{{\partial ^2}\omega }}{{\partial {y^2}}} + \mu \frac{{{\partial ^2}\omega }}{{\partial {x^2}}}} \right),} \\ {{M_{xy}} = {M_{yx}} = - {K_{\mathrm{d}}}\left( {1 - \mu } \right)\displaystyle\frac{{{\partial ^2}\omega }}{{\partial x\partial y}},} \\ \begin{gathered} {Q_x} = - {K_{\mathrm{d}}}\frac{\partial }{{\partial x}}{\nabla ^2}\omega , \\ {Q_y} = - {K_{\mathrm{d}}}\frac{\partial }{{\partial y}}{\nabla ^2}\omega , \\ \end{gathered} \end{array}} \right.$

(9)

式中： ${K_{\mathrm{d}}} = \displaystyle\frac{{E{\delta ^3}}}{{12\left( {1 - {\mu ^2}} \right)}}$ ，为板的抗弯刚度.

在薄板中面取出长度为dx，宽度为dy的矩形单元，并将薄板的内力、垂直于板面的分布荷载q以及地基反力p均表示在单元上，如图4所示.

图 4 板的内力

Figure 4. Internal force of plate

下载: 全尺寸图片幻灯片

将绕板单元的中心面与y轴平行，直线的力矩平衡条件 $\displaystyle\sum {{{M }_x} = 0}$ ；绕板单元的中心面与x轴平行，直线的力矩平衡条件 $\displaystyle\sum {{{M }_y} = 0}$ ；z方向上力的平衡条件 $\displaystyle\sum {{F_{\textit{z}}} = 0}$ 联立求解并化简后即可得到薄板的控制方程为

$K_{\mathrm{d}}{\nabla ^4}\omega - k\left( {s - \omega } \right) - q = 0 ,$

(10)

式中： ${\nabla ^4} = \displaystyle\frac{{{\partial ^4}}}{{\partial {x^4}}} + 2\displaystyle\frac{{{\partial ^4}}}{{\partial {x^2}\partial {y^2}}} + \displaystyle\frac{{{\partial ^4}}}{{\partial {y^4}}}$ ，为双重拉普拉斯算子.

3. 道路挠曲变形控制方程求解

3.1 道路边界条件

薄板的上、下板面为主要边界，四周的板边为次要边界，即小边界. 在薄板的小边界上，可根据圣维南原理，用剪力与弯矩表示的内力边界条件把相应的应力边界条件替换. 同时，板边的位移边界条件也可以用中面的挠度和转角的条件替换.

对于由实际道路模型简化的薄板，如图5所示. 边AD与边BC是自由边. 当薄板的长度足够大时，可认为边AB与边CD不受基坑开挖影响. 因此，可以假定该薄板的边AB与边CD是固定边.

图 5 道路简化模型边界条件

Figure 5. Boundary conditions of simplified road model

下载: 全尺寸图片幻灯片

在固定边AB及固定边CD上，薄板的挠度等于0，弹性曲面的斜率（即转角）也等于0. 在自由边AD上，薄板的弯矩M_y、扭矩M_yx和剪力Q_y都为0. 又因为在薄板的任一边界上，可将其扭矩等效转化为剪力，并与原有的剪力合并，所以上述边界条件可用挠度 $\omega$ 表示为

$\left\{ {\begin{array}{*{20}{l}} {\left.{\left( {\displaystyle\frac{{{\partial ^2}\omega }}{{\partial {y^2}}} + \mu \frac{{{\partial ^2}\omega }}{{\partial {x^2}}}} \right)}\right|_{y = 0}} = 0, \\ {\left.{\left[ {\displaystyle\frac{{{\partial ^3}\omega }}{{\partial {y^3}}} + \left( {2 - \mu } \right)\frac{{{\partial ^3}\omega }}{{\partial {x^2}\partial y}}} \right]}\right|_{y = 0}} = 0. \end{array}} \right.$

(11)

同理，自由边BC的边界条件也可表示为

$\left\{ {\begin{array}{*{20}{l}} {\left.{\left( {\displaystyle\frac{{{\partial ^2}\omega }}{{\partial {y^2}}} + \mu \frac{{{\partial ^2}\omega }}{{\partial {x^2}}}} \right)}\right|_{y = b}} = 0, \\ {\left.{\left[ {\displaystyle\frac{{{\partial ^3}\omega }}{{\partial {y^3}}} + \left( {2 - \mu } \right)\frac{{{\partial ^3}\omega }}{{\partial {x^2}\partial y}}} \right]}\right|_{y = b}} = 0. \end{array}} \right.$

(12)

3.2 基坑开挖引起的沉降场

1）沉降场确定方法

道路下土体沉降场由基坑开挖产生，通常采用2种方法得到土体沉降场：第1种方法是通过数值模拟，建立与实际基坑工程相一致的模型，模型中不考虑道路的作用，即在实际道路所在的区域仍用原始土层代替. 然后提取道路位置处的地表土体沉降，并进行拟合，即可得到计算所需的由基坑开挖引起坑外地表沉降场表达式. 第2种方法是直接根据现有经验公式，把相关的基坑参数代入式（13）中，即可得到地表土体的沉降场. 张陈蓉等^[19-20]根据唐孟雄等^[21]研究的地表横向沉降预测曲线以及Hsieh等^[22]运用实测数据总结得出的沉降曲线，提出式（13）来预测基坑外地表土体沉降的曲线.

$s\left( {x,y} \right) = \left\{ {\begin{array}{*{20}{l}} {s_{\max }}\left( {\displaystyle\frac{x}{H} + 0.5} \right){{\mathrm{e}}^{ - {\text{π}} {{\left( {\tfrac{y}{R}} \right)}^2}}},\\ \quad 0 \leqslant x \leqslant 0.5H, \\ {s_{\max }}\left( { - 0.6\displaystyle\frac{x}{H} + 1.3} \right){{\mathrm{e}}^{ - {\text{π}} {{\left( {\tfrac{y}{R}} \right)}^2}}},\\ \quad 0.5H < x \leqslant 2.0H, \\ {s_{\max }}\left( { - 0.05\displaystyle\frac{x}{H} + 0.2} \right){{\mathrm{e}}^{ - {\text{π}} {{\left( {\tfrac{y}{R}} \right)}^2}}},\\ \quad 2.0H < x \leqslant 4.0H, \end{array}} \right.$

(13)

式中：s_max为坑外地表最大沉降量（mm）；H为基坑开挖深度（m）；R为变形影响半径（m），与基坑的开挖深度及基坑长度有关， $R = \displaystyle\frac{L}{2}\left( {0.069\ln \frac{H}{L} + 1.03} \right)$ ，L为基坑长度.

2）经验公式修正

从式（13）可知，在沿垂直于基坑长边的方向上，地表沉降呈现出先增大后减小的变化趋势. 在沿平行于基坑长边的方向上，地表沉降关于基坑中轴线对称，且整体上呈现正态分布的形状. 从南京市的实际基坑工程情况来看，地表沉降整体上的分布形态与式（13）是一致的，但部分位置的沉降值存在较大的差异. 如式（13）认为：紧靠墙后处的地表沉降为最大沉降的一半，但实际情况中，因为第1道支撑的及时架设，墙后并不会产生如此大的沉降；基坑开挖时的地表沉降只发生在基坑开挖边界范围内，但实际情况也并非如此. 因此，为了使沉降场表达式更准确，需要对式（13）进行修正.

根据南京市典型地层分布情况和建筑基坑平面形状，建立长为100 m，宽为50 m，深为20 m的基坑有限元模型. 基坑支护结构如图6所示.

图 6 基本模型基坑支护结构剖面图（单位：m）

Figure 6. Sectional drawing of foundation pit support structure of basic model （unit: m）

下载: 全尺寸图片幻灯片

本文数值模拟中的土体本构采用修正莫尔-库伦（MMC）模型，各土层的相关计算参数如所示. 从数值模拟结果分析，对于沿着基坑长边方向的沉降 $s_1\left( y \right) = {{\mathrm{exp}}\left({ - {\text{π}} {{\left( {\dfrac{y}{R}} \right)}^2}}\right)}$ 的形式来表示. 因此，利用该公式对固定基坑长度、不同开挖深度下的沉降曲线进行拟合，拟合结果如图7所示.

表 1 修正莫尔-库伦模型参数

Table 1. Modified Mohr-Coulomb model parameters

土层名称	γ/（kN•m⁻³）	φ/（°）	c/kPa	$\mu$	e₀	E_s/MPa	E_oed/MPa	E₅₀/MPa	E_ur/MPa
素填土	18.4	13.6	11.1	0.33	0.914	4.41	4.41	4.41	22.05
淤泥质粉质黏土	17.7	11.8	8.4	0.40	1.100	3.37	3.37	6.74	33.70
粉质黏土夹粉土	17.8	16.4	10.4	0.35	0.953	4.20	4.20	8.20	41.00
粉土夹粉砂	18.5	23.3	8.5	0.31	0.812	6.56	6.56	6.56	32.80
粉细砂	18.5	32.3	2.0	0.27	0.745	10.05	10.05	10.05	50.25
卵石	20.0	35.0	30.0	0.25	0.650	15.00	15.00	15.00	75.00
风化岩	21.0	35.0	30.0	0.25	0.600	30.00	30.00	20.00	100.00
注：γ为土体重度，φ为土体内摩擦角，c为土体黏聚力，e₀为初始孔隙比，E_s为土体压缩模量，E_oed为固结试验的参考切线模量，E₅₀为三轴排水剪切试验的参考割线模量，E_ur为三轴排水剪切试验的参考加卸载模量；E_s、E_oed、E₅₀、E_ur之间存在经验关系^[23-24].

下载: 导出CSV

| 显示表格

图 7 地表沉降沿基坑长度方向的沉降分布曲线

Figure 7. Distribution curves of surface settlement along length of foundation pit

下载: 全尺寸图片幻灯片

从拟合结果来看，各深度下的变形影响半径R拟合值分别为120.020、103.273、91.968、86.829 m. 各沉降曲线的拟合相关系数均大于0.97，说明拟合结果具有较高的精度. 由原经验公式中的 $R = {L}\left( {0.069\ln ({H}/{L}) + 1.03} \right)/2$ 可知，R与ln (H/L)成线性关系. 因此，对R与ln H/L重新进行线性拟合，拟合结果如所示，可以得到变形影响半径与基坑开挖深度ln H/L的关系为 $R = L\left( { - 0.284\ln ({H}/{L}) + 0.396} \right)$ .

图 8 拟合系数与基坑开挖深度关系

Figure 8. Relationship between fitting coefficient and excavation depth of foundation pit

下载: 全尺寸图片幻灯片

对于沿着与基坑长边垂直方向的沉降变化规律，也仍采用与经验公式相同的三段线性关系来表示，但需要对各个转折点的位置进行修正，使其与实际基坑开挖产生的沉降场更吻合. 修正后的沿垂直基坑长边方向的沉降变化规律可用式（14）表示.

$s_2\left(x\right)=\left\{ \begin{array}{l} {s}_{\mathrm{max}}\left(\displaystyle\frac{7x}{6H} + 0.3\right)\text{，}\quad0\leqslant x\leqslant 0.6H, \\ {s}_{\mathrm{max}}\left(-0.5\displaystyle\frac{x}{H} + 1.3\right)\text{，}\quad0.6H < x\leqslant 2.0H, \\ {s}_{\mathrm{max}}\left(-0.15\displaystyle\frac{x}{H} + 0.6\right)\text{，}\quad2.0H < x\leqslant 4.0H. \end{array}\right.$

(14)

最后，将s₁(x)和s₂(y)整合，即可得到由基坑开挖引起的任意一点的坑外地表沉降的修正式为

$s_3 \left(x,y\right) = \left\{ \begin{array}{*{20}{l}} s_{\max}\left(\displaystyle\frac{7x}{6H} + 0.3\right)\mathrm{e}^{-\text{π}\left(\frac{y}{R}\right)^2},\\ \quad0 \leqslant x \leqslant0.6H, \\ s_{\max}\left(-0.5\displaystyle\frac{x}{H} + 1.3\right)\mathrm{e}^{-\text{π}\left(\frac{y}{R}\right)^2}, \\ \quad0.6H < x \leqslant2.0H, \\ s_{\max}\left( -0.15\displaystyle\frac{x}{H} + 0.6\right)\mathrm{e}^{-\text{π}\left(\frac{y}{R}\right)^2}, \\ \quad2.0H < x \leqslant4.0H.\end{array}\right.$

(15)

3）地表最大沉降预测方法

式（15）中，坑外地表最大沉降s_max与诸多因素相关，本文主要考虑2方面：

① 基坑参数，主要包括开挖深度H、宽长比B/L以及支护刚度K，K是用来表示基坑围护的无量纲综合刚度，可用 $K = EI/\left( {{\gamma _{\text{w}}}h_{{\text{ave}}}^4} \right)$ . 其中：I为围护墙惯性矩（m³），I=t³/12；t为围护墙的厚度（m）；γ_w为水的重度（kN/m³）；h_ave为支撑竖向平均间距（m）.

K的取值如表2所示.

表 2 支护刚度取值

Table 2. Values of support stiffness

t/m	EI/kPa	h_ave/m	支撑层数/层	K
0.6	540	6.0	3	40
0.8	1280	6.0	3	100
0.8	1280	4.5	4	310
0.8	1280	4.0	5	500
1.0	2500	4.0	5	975

下载: 导出CSV

| 显示表格

② 土层参数，主要为坑底以上软土层的厚度D. 运用控制变量的方法，通过大量的模型计算得到各个影响因素下地表沉降的最大值. 影响因素的取值如表3所示.

表 3 影响因素值

Table 3. Values of influencing factors

K （log K）	B/L	D/m	H/m
40 （1.60）	0.3	0	1.5
100 （2.00）	0.5	4	6.0
310 （2.49）	0.7	8	10.5
500 （2.70）	0.9	12	15.0
975 （2.99）		16	20.0

下载: 导出CSV

| 显示表格

通过线性拟合可知，s_max与H²呈线性正相关. 因此，以s_max为纵坐标，H²为横坐标，可拟合得到s_max-H²的关系如图9所示.

图 9 坑外地表最大沉降预测曲线

Figure 9. Prediction curves of maximum settlement outside pit

下载: 全尺寸图片幻灯片

通过以上的预测曲线，可以在K、B/L、H以及D给定的情况下，对其可能产生的s_max进行预测. 在适用性上，当开挖深度大于5 m时，能对s_max进行较好的预测. 将s_max代入修正后的公式，即可得到由基坑开挖引起的开挖地表任意点的沉降表达式.

3.3 道路挠曲变形控制方程求解

将式（11）中含有基本未知函数 $\omega$ 的项移到等式的一边，可以得到

$\left( {\frac{{{\partial ^4}}}{{\partial {x^4}}} + 2\frac{{{\partial ^4}}}{{\partial {x^2}\partial {y^2}}} + \frac{{{\partial ^4}}}{{\partial {y^4}}}} \right)\omega + \frac{k}{D}\omega = \frac{{q + ks}}{D} .$

(16)

式（16）为四阶非线性偏微分方程，无法直接求出该方程的解析解，但可以通过有限差分法求得该方程的近似解. 用有限差分法求解偏微分方程，首先，将求解区域用等间距的平行线划分成网格，网格的交点称为节点，网格的间距为步长；然后，对各个节点的挠度函数进行泰勒展开，消除高阶项，构造基本差分方程，把偏微分方程的求解问题转化为代数方程组的求解问题；最后，编写计算程序，对代数方程组进行求解，就可以得到道路内各个节点挠度的近似解答. 理论上步长划分的越短得到的解答就越精确，同时认为挠度在道路体内是连续的，且只随x、y坐标的变化而变化，因此，可以对各个节点的挠度函数进行泰勒展开，消除高阶项，构造基本差分方程，此时偏微分方程的求解问题转化为代数方程组的求解问题.

1）基本差分方程构造

将道路划分成如图10所示的m × n个节点，编号为（i，j），（i=1，2，3，…，m；j=1，2，3，…，n），每个节点的步长为h，同时在道路固定边界外每排节点上设置一个虚段0、m + 1，在自由边界外的每排节点上设置一个虚段−1、0、n + 1、n + 2，每个节点的挠度 ${\omega _{\left( {i,j} \right)}}$ 都是一个未知量，因此总共有(m + 2) × (n + 4)个未知量，若要求解挠度，也需要相应数量的方程个数.

图 10 限差分法道路节点划分示意

Figure 10. Schematic diagram of road node division by limited difference method

下载: 全尺寸图片幻灯片

根据泰勒级数展开节点（i−1，j）和（i + 1，j）的挠度如下：

$\begin{split} & {\omega _{\left( {i - 1,j} \right)}} = {\omega _{\left( {i,j} \right)}} - h\frac{{\partial {\omega _{\left( {i,j} \right)}}}}{{\partial x}} + \frac{h}{{2!}}\frac{{{\partial ^2}{\omega _{\left( {i,j} \right)}}}}{{\partial {x^2}}} - \\& \quad\frac{h}{{3!}}\frac{{{\partial ^3}{\omega _{\left( {i,j} \right)}}}}{{\partial {x^3}}} + \cdots , \end{split}$

(17)

$\begin{split} & {\omega _{\left( {i + 1,j} \right)}} = {\omega _{\left( {i,j} \right)}} + h{ {\frac{{\partial \omega }_{\left( {i,j} \right)}}{{\partial x}}}} + \frac{h}{{2!}}{ {\frac{{{\partial ^2}\omega }_{\left( {i,j} \right)}}{{\partial {x^2}}}}} + \\& \quad\frac{h}{{3!}}{ {\frac{{{\partial ^3}\omega }_{\left( {i,j} \right)}}{{\partial {x^3}}}}} + \cdots . \end{split}$

(18)

随后，根据有限差分法的计算方法，即可得到式（17）在节点（i，j）的差分形式为

$\begin{split}& \frac{1}{{{h^4}}}\left[ {20{\omega _{\left( {i,j} \right)}} - 8\left( {{\omega _{\left( {i + 1,j} \right)}} + {\omega _{\left( {i,j + 1} \right)}} + {\omega _{\left( {i - 1,j} \right)}} + {\omega _{\left( {i,j - 1} \right)}}} \right)} \right. + \\&\quad 2\left( {{\omega _{\left( {i + 1,j - 1} \right)}} + {\omega _{\left( {i + 1,j + 1} \right)}} + {\omega _{\left( {i - 1,j + 1} \right)}} + {\omega _{\left( {i - 1,j - 1} \right)}}} \right) + \\&\quad \left( {{\omega _{\left( {i + 2,j} \right)}}} \right. + \left. {\left. {{\omega _{\left( {i,j + 2} \right)}} + {\omega _{\left( {i - 2,j} \right)}} + {\omega _{\left( {i,j + 2} \right)}}} \right)} \right] + \\&\quad\frac{k}{D}{\omega _{\left( {i,j} \right)}} = \frac{{q + ks}}{D}. \end{split}$

(19)

因此，对于道路体内的每一个节点（i，j），（i=2，3，…，m−1；j=1，2，3，…，n），都能以挠度 ${\omega _{\left( {i,j} \right)}}$ 为基本未知量，建立一个如式（19）的基本差分方程，总共可建立起（m−2） × n个方程，其余方程将根据边界条件构建.

2）边界条件的差分方程

道路固定边界上任意点的挠度和转角都等于0，对于道路固定边界上的每一个节点（i，j），（i=1，2，…，m；j=−1，0，1，…，n+2），总共可建立起4(n+4)个方程，同时道路自由边界上任意点的弯矩和剪力都等于0，通过有限差分法的计算方法可得到自由边界上各个节点的差分形式为

$\begin{split}& \left( {{\omega _{\left( {i,j + 1} \right)}} + {\omega _{\left( {i,j - 1} \right)}}} \right) + \mu \left( {{\omega _{\left( {i + 1,j} \right)}} + {\omega _{\left( {i - 1,j} \right)}}} \right) - \\& \quad 2\left( {1 + \mu } \right){\omega _{\left( {i,j} \right)}} = 0 , \end{split}$

(20)

$\begin{split} & {\omega _{\left( {i,j + 2} \right)}} - {\omega _{\left( {i,j - 2} \right)}} + \left( {2\mu - 6} \right)\left( {{\omega _{\left( {i,j + 1} \right)}} - } \right.\left. {{\omega _{\left( {i,j - 1} \right)}}} \right) + \\ &\quad \left( {2 - \mu } \right) \left( {{\omega _{\left( {i + 1,j + 1} \right)}} - } \right.{\omega _{\left( {i + 1,j - 1} \right)}} + {\omega _{\left( {i - 1,j + 1} \right)}} - \\ &\quad \left. {{\omega _{\left( {i - 1,j - 1} \right)}}} \right) = 0 . \end{split}$

(21)

对于道路自由边界上的每一个节点（i，j），（i=2，3，…，m−1；j=1，2，…，n），都能建立起一组如式（20）、（21）的差分方程，总共可建立起4(m−2)个方程.

方程总数与未知量的个数均为(mn + 4m + 2n + 8)个，根据这些方程组，采用MATLAB编程进行计算，即可求得在基坑开挖引起的沉降场下，邻近既有道路挠度的解答. 再将所求得的挠度代入式（6）和式（9），可分别求得道路的应力、剪力以及弯矩.

4. 工程实例计算

4.1 工程概况

工程场地北侧、西侧以及东侧均邻近道路，平面位置如图11所示. 本文选取Ⅲ-1区基坑开挖，其长边邻近道路（道路3）作为案例验证. Ⅲ-1区基坑靠近道路一侧的长度为130 m，宽度为75 m，基坑边缘与道路的距离为12 m. 道路宽度为20 m，厚度为0.6 m. 该区域为地下室4层，基坑开挖深度为19.75 m.

图 11 工程现场平面示意

Figure 11. Project site

下载: 全尺寸图片幻灯片

基坑支护方案采用地下连续墙 + 4道钢筋混凝土支撑，地连墙总深度为38.4 m，厚度为1.0 m，内支撑为桁架形式，第1道支撑的截面尺寸为1 000 mm × 1 000 mm，第2道支撑的截面尺寸为950 mm × 950 mm，第3、4道支撑的截面尺寸均为1 050 mm × 1050 mm，基坑支护结构剖面如图12所示.

图 12 基坑支护结构剖面图（单位：m）

Figure 12. Sectional drawing of foundation pit support structure （unit: m）

下载: 全尺寸图片幻灯片

4.2 有限元模型

土体本构采用修正摩尔-库伦模型，地连墙、内支撑以及立柱采用线弹性本构模拟，土体主要计算参数如表1所示. 地基垂直基床系数根据项目勘查报告中给出的值确定，取k=8 × 10³ kPa/m. 模型尺寸为310 m × 250 m，其中有道路一侧的模型边界到基坑边缘的距离为100 m，其余3侧边界到基坑边缘的距离为80 m，模型的深度为60 m，道路荷载取24.5 kPa，计算模型如图13所示.

图 13 工程实例模型示意

Figure 13. Engineering example model

下载: 全尺寸图片幻灯片

4.3 计算结果分析

地表土体沉降场采用本文修正后的公式表示，其中，s_max可查本文提出的地表最大沉降预测曲线得到，各影响因素取值如表4所示. 根据表中的值及图9可得到地表最大沉降为s_max=73.13 mm. R=121 m，本工程基坑开挖所引起的地表沉降场表达式为

表 4 地表最大沉降预测参数

Table 4. Prediction parameters of maximum surface settlement

名称	H/m	D/m	B/L	K
取值	19.75	6.9	0.6	370

下载: 导出CSV

| 显示表格

$s\left(x,y\right)=\left\{ \begin{array}{*{20}{l}}0.073\; 13\left(\displaystyle\frac{7x}{6\times19.75}+0.3\right)\mathrm{e}^{-\text{π}\left(\frac{y}{121}\right)^2},\quad \\ \quad0\leqslant x\leqslant0.6H, \\ 0.073\; 13\left(-\displaystyle\frac{0.5x}{19.75}+1.3\right)\mathrm{e}^{-\text{π}\left(\frac{y}{121}\right)^2},\quad \\ \quad0.6H < x\leqslant2.0H, \\ 0.073\; 13\left(-\displaystyle\frac{0.15x}{19.75}+0.6\right)\mathrm{e}^{-\text{π}\left(\frac{y}{121}\right)^2},\quad \\ \quad2.0H < x\leqslant4.0H.\end{array}\right.$

(22)

本案例划分道路节点时的计算步长为1 m，道路节点个数为301 × 21个. 道路的短边视为固定边界，两长边视为自由边界. 将上述相关工程参数代入差分方程，得到本工程道路在基坑开挖影响下的理论解答.

通过有限元计算，得到基坑开挖到坑底时坑外地表以及路面沉降云图（图14）.

图 14 地表及路面沉降云图

Figure 14. Surface and pavement settlement cloud map

下载: 全尺寸图片幻灯片

图14所示截面P-P₁和截面Q-Q₁有监测点布置，这2个截面的理论解答与数值模拟结果沉降分布曲线以及监测结果如图15所示. 由图可知，监测数据所显示的沉降值最大，理论解答的结果最小，数值模拟结果位于两者之间. 在实际开挖过程中，路面荷载会对基坑开挖有影响，在路面荷载的作用下，土体会产生更大的沉降. 而采用两阶段分析法进行理论解答时，其第一阶段沉降确定时不考虑道路及路面荷载. 因此，所得沉降场比实际情况小，所以理论解答的值比数值模拟和实际监测结果均要小. 从道路横向沉降分布来看，理论解答最大沉降量为69.9 mm，数值模拟结果的最大沉降量为76.3 mm，与监测结果相比，两者的误差分别为15.0%和8.3%，均在合理范围内. 因此，可以用本文的理论解答来预测基坑开挖过程中邻近既有道路的沉降.

图 15 道路纵向沉降计算值与实际监测结果

Figure 15. Calculated value and actual monitoring result

下载: 全尺寸图片幻灯片

5. 结　论

本文针对基坑开挖引起邻近既有道路沉降问题，基于Winkler地基理论，建立基坑开挖条件下道路计算分析模型，推导得到道路挠曲变形控制方程. 建立有限元模型对基坑开挖过程进行计算，修正了既有基坑外地表土体沉降预测曲线. 考虑基坑开挖深度H、宽长比B/L、支护刚度K以及坑底以上软土层的厚度D，通过大量计算给出地表最大沉降的预测方法. 采用两阶段分析法，根据边界条件，利用有限差分法，得到道路在给定沉降场下挠度的理论解答. 最后结合实际工程案例，把理论解答、数值模拟结果、监测数据进行对比，发现变形规律较为吻合，数值上的误差在合理范围内，从而证明了本文理论解答的准确性.

在进行道路与土相互作用解答推导时，本文假设道路与土始终保持接触且变形协调，而实际情况中，由于两者之间存在着刚度差. 当土体发生较大变形时，刚度较大的道路和土体可能会出现脱离，此时，由于土体变形作用在道路上的荷载即不再增加，可以认为土与道路之间相互作用进入塑性阶段. 后续研究中将考虑这种可能，建立可以考虑道路与土体脱空的弹塑性相互作用模型.

图 1 MTSBED数据集覆盖的区域

Figure 1. Area covered by MTSBED dataset

下载: 全尺寸图片幻灯片

图 2 有标注图像示例

Figure 2. Annotated images

下载: 全尺寸图片幻灯片

图 3 无标注图像示例

Figure 3. Unlabeled images

下载: 全尺寸图片幻灯片

图 4 多时相伪标签网络流程

Figure 4. Process of multi-temporal pseudo-labeling network

下载: 全尺寸图片幻灯片

图 5 边缘增强模块流程

Figure 5. Process of edge enhancement module

下载: 全尺寸图片幻灯片

图 6 边缘增强模块结构

Figure 6. Structure of edge enhancement module

下载: 全尺寸图片幻灯片

图 7 不同方法的可视化结果对比

Figure 7. Comparison of visualization results of different methods

下载: 全尺寸图片幻灯片

图 8 边缘增强模块效果比较

Figure 8. Comparison of the results of edge enhancement module

下载: 全尺寸图片幻灯片

表 1 MTSBED数据集介绍

Table 1. Introduction of MTSBED dataset

参数	深圳地区	武汉地区
传感器	TerraSAR-X	COSMO-SkyMed
成像模式	条带	条带
入射角/（°）	35～39	20～25
分辨率/m	3	3
拍摄时间	2008 年 10 月— 2009 年 3 月	2011 年 5 月— 2020 年 11 月
时间分辨率/d	11～22	4～36
景数/张	9	13
注：这里的时间分辨率为MTSBED所包含数据的时间分辨率，不是SAR卫星重访的时间分辨率.

下载: 导出CSV

表 2 不同方法在MTSBED上的IoU性能比较

Table 2. Comparison of IoU performance of different methods on MTSBED %

有标注样本比例/%	仅标注样本	伪标签^[24]	CPS^[29]	FOCT^[30]	语义均衡^[31]	多时相伪标签 + 边缘增强
5	56.37	60.19	27.06	56.59	60.38	61.82
10	57.68	61.82	35.34	61.79	60.75	63.46
20	58.16	63.21	51.8	63.97	62.56	64.69
50	61.50	64.68	64.73	66.13	64.67	66.17
100	63.43	66.41	66.79	67.76	66.43	68.24

下载: 导出CSV

表 3 边缘增强模块消融实验（IoU指标）

Table 3. Ablation experiment of edge enhancement module (IoU) %

有标注样本比例/%	仅标注样本	标注样本 + 边缘增强	多时相伪标签	多时相伪标签 + 边缘增强
10	57.68	59.56	63.43	63.46
20	58.16	61.02	63.82	64.69
50	61.50	62.82	65.13	66.17
100	63.43	67.54	67.01	68.24

下载: 导出CSV

表 4 不同预测概率阈值对结果的影响（IoU指标）

Table 4. Effect of different prediction probability thresholds on results (IoU) %

项目	0.85	0.90	0.95	0.99
伪标签	63.15	64.02	64.68	63.94
多时相伪标签	64.58	65.13	64.84	63.71

下载: 导出CSV

参考文献(34)

[1]	LEE J S, POTTIER E. Polarimetric radar imaging: from basics to applications[M]. Florida: CRC Press,2017.
[2]	WU W J, GUO H D, LI X W. Urban area SAR image man-made target extraction based on the product model and the time–frequency analysis[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(3): 943-952. doi: 10.1109/JSTARS.2014.2371064
[3]	IANNELLI G C, GAMBA P. Urban extent extraction combining sentinel data in the optical and microwave range[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(7): 2209-2216. doi: 10.1109/JSTARS.2019.2920678
[4]	CHEN Q H, XIAO Y, GAO W L, et al. Building density change monitoring using dual-polarimetric sentinel-1 SAR data[C]//2021 SAR in Big Data Era (BIGSARDATA). Nanjing: IEEE,2021:1-4.
[5]	CHEN S W, WANG X S, XIAO S P. Urban damage level mapping based on co-polarization coherence pattern using multitemporal polarimetric SAR data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(8): 2657-2667. doi: 10.1109/JSTARS.2018.2818939
[6]	YANG X L, SONG Z X, KING I, et al. A survey on deep semi-supervised learning[J]. IEEE Transactions on Knowledge and Data Engineering, 2023, 35(9): 8934-8954. doi: 10.1109/TKDE.2022.3220219
[7]	吴樊,张红,王超,等. SARBuD 1.0:面向深度学习的GF-3精细模式SAR建筑数据集[J]. 遥感学报,2022,26(4): 620-631. doi: 10.11834/jrs.20220296 WU Fan, ZHANG Hong, WANG Chao, et al. SARBuD 1.0: a SAR building dataset based on GF-3 FSⅡ imageries for built-up area extraction with deep learning method[J]. National Remote Sensing Bulletin, 2022, 26(4): 620-631. doi: 10.11834/jrs.20220296
[8]	LIU X Y, HUANG Y L, WANG C W, et al. Semi-supervised SAR ATR via conditional generative adversarial network with multi-discriminator[C]//2021 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). Brussels:IEEE,2021:2361-2364.
[9]	ZHENG C, JIANG X, LIU X Z. Semi-supervised SAR ATR via multi-discriminator generative adversarial network[J]. IEEE Sensors Journal, 2019, 19(17): 7525-7533. doi: 10.1109/JSEN.2019.2915379
[10]	SUN Q G, LI X F, LI L L, et al. Semi-supervised complex-valued GAN for polarimetric SAR image classification[C]//2019 IEEE International Geoscience and Remote Sensing Symposium. Yokohama:IEEE,2019: 3245-3248.
[11]	LIAO L Y, DU L, GUO Y C. Semi-supervised SAR target detection based on an improved faster R-CNN[J]. Remote Sensing, 2021, 14(1): 143.1-143.22.
[12]	WANG C C, GU H, SU W M. SAR image classification using contrastive learning and pseudo-labels with limited data[J]. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 4012505.1-4012505.5.
[13]	KEYDEL E R, LEE S W, MOORE J T. MSTAR extended operating conditions: a tutorial[C]// Algorithms for Synthetic Aperture Radar Imagery Ⅲ. Orlando: SPIE, 1996: 228-242.
[14]	RIZVE M N, DUARTE K, RAWAT Y S, et al. In defense of pseudo-labeling: an uncertainty-aware pseudo-label selection framework for semi-supervised learning[EB/OL]. (2021-01-15)[2022-08-10]. http://arxiv.org/abs/2101.06329.
[15]	LI Y Y, XING R T, JIAO L C, et al. Semi-supervised PolSAR image classification based on self-training and superpixels[J]. Remote Sensing, 2019, 11(16): 1933-1951. doi: 10.3390/rs11161933
[16]	ZHAO F, TIAN M, XIE W, et al. A new parallel dual-channel fully convolutional network via semi-supervised FCM for PolSAR image classification[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2020, 13: 4493-4505. doi: 10.1109/JSTARS.2020.3014966
[17]	邓云凯,禹卫东,张衡,等. 未来星载SAR技术发展趋势[J]. 雷达学报,2020,9(1): 1-33. doi: 10.12000/JR20008 DENG Yunkai, YU Weidong, ZHANG Heng, et al. Forthcoming spaceborne SAR development[J]. Journal of Radars, 2020, 9(1): 1-33. doi: 10.12000/JR20008
[18]	TANG L Y, ZHAN Y B, CHEN Z, et al. Contrastive boundary learning for point cloud segmentation [C]//2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). New Orleans: IEEE, 2022: 8479-8489.
[19]	梁烽,张瑞祥,柴英特,等. 一种结合上下文与边缘注意力的SAR图像海陆分割深度网络方法[J]. 武汉大学学报(信息科学版),2023,48(8): 1286-1295. LIANG Feng, ZHANG Ruixiang, CHAI Yingte, et al. A sea-land segmentation method for SAR images using context-aware and edge attention based CNNs[J]. Geomatics and Information Science of Wuhan University, 2023, 48(8): 1286-1295.
[20]	JUNG H, CHOI H S, KANG M. Boundary enhancement semantic segmentation for building extraction from remote sensed image[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5215512.1-5215512.12.
[21]	LI X T, LI X, ZHANG L, et al. Improving semantic segmentation via decoupled body and edge supervision [C]//European Conference on Computer Vision. Cham: Springer, 2020: 435-452.
[22]	陈帅霖,杨文,李恒超,等. 顾及边缘的多时相SAR图像半监督建筑区提取[EB/OL]. [2023-03-02]. https://github.com/slchenchn/MTSBED.
[23]	PITZ W, MILLER D. The TerraSAR-X satellite[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(2): 615-622. doi: 10.1109/TGRS.2009.2037432
[24]	COVELLO F, BATTAZZA F, COLETTA A, et al. COSMO-SkyMed an existing opportunity for observing the earth[J]. Journal of Geodynamics, 2010, 49(3): 171-180.
[25]	ARAZO E, ORTEGO D, ALBERT P, et al. Pseudo-labeling and confirmation bias in deep semi-supervised learning[C]//2020 International Joint Conference on Neural Networks (IJCNN). Glasgow: IEEE, 2020: 1-8.
[26]	TOMPSON J, GOROSHIN R, JAIN A, et al. Efficient object localization using convolutional networks[C]// 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Boston: IEEE, 2015: 648-656.
[27]	DOSOVITSKIY A, FISCHER P, ILG E, et al. FlowNet: learning optical flow with convolutional networks[C]// 2015 IEEE International Conference on Computer Vision (ICCV). Santiago: IEEE, 2015: 2758-2766.
[28]	ZHU Y, SAPRA K, REDA F A, et al. Improving semantic segmentation via video propagation and label relaxation[C]//2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Long Beach: IEEE, 2019: 8848-8857.
[29]	WANG J D, SUN K, CHENG T H, et al. Deep high-resolution representation learning for visual recognition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021, 43(10): 3349-3364. doi: 10.1109/TPAMI.2020.2983686
[30]	CHEN X K, YUAN Y H, ZENG G, et al. Semi-supervised semantic segmentation with cross pseudo supervision[C]//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Nashville: IEEE, 2021: 2613-2622.
[31]	LI Q Y, SHI Y L, ZHU X X. Semi-supervised building footprint generation with feature and output consistency training[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5623217. 1-5623217. 17.
[32]	LEE E, JEONG S, KIM J, et al. Semantic equalization learning for semi-supervised SAR building segmentation[J]. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 4511505.1-4511505.5.
[33]	YUN S, HAN D, CHUN S, et al. CutMix: regularization strategy to train strong classifiers with localizable features[C]//2019 IEEE/CVF International Conference on Computer Vision (ICCV). Seoul: IEEE, 2019: 6022-6031.
[34]	LIN T Y, GOYAL P, GIRSHICK R, et al. Focal loss for dense object detection[C]//2017 IEEE International Conference on Computer Vision (ICCV). Venice: IEEE, 2017: 2999-3007.