基于深度學(xué)習(xí)的高分辨率遙感圖像分割方法

王 偉

（河南工業(yè)貿(mào)易職業(yè)學(xué)院 信息工程學(xué)院， 鄭州 450053）

0 引 言

遙感技術(shù)不斷發(fā)展，再加上衛(wèi)星圖像分辨率的提高，高分辨率的遙感圖像已經(jīng)成為當(dāng)代眾多建設(shè)領(lǐng)域的重要資料來(lái)源［1］。 高分辨率遙感圖像的出現(xiàn)，能夠快速提取地面物體信息，同時(shí)對(duì)被提取物體的形狀、外觀特點(diǎn)、紋路等特征信息有很好的識(shí)別效果，使得遙感圖像的應(yīng)用領(lǐng)域更加廣泛，在城市規(guī)劃、災(zāi)難警報(bào)、繪制地圖等行業(yè)中都有舉足輕重的作用，對(duì)于各行各業(yè)的發(fā)展都具有十分重要的意義。然而，高分辨率遙感圖像的廣泛應(yīng)用，導(dǎo)致遙感圖像數(shù)據(jù)的數(shù)量越來(lái)越多，從海量的數(shù)據(jù)中提取出有效的信息成為一件極為困難的事情［2］。 傳統(tǒng)的處理高分辨率遙感圖像的方法，在實(shí)際應(yīng)用時(shí)不僅需要花費(fèi)大量的人力和物力，而且還很難達(dá)到理想的效果。 深度學(xué)習(xí)的快速發(fā)展為各行各業(yè)提供了新的發(fā)展思路，對(duì)高分辨率遙感圖像目前面臨的問(wèn)題也提出了新的解決方法。 因此，本文以深度學(xué)習(xí)為基礎(chǔ)，設(shè)計(jì)了一種新的高分辨率遙感圖像分割方法，對(duì)于提高遙感圖像的分割精度有著一定的指導(dǎo)意義。

1 高分辨率遙感圖像分割方法設(shè)計(jì)

1.1 遙感圖像預(yù)處理

在遙感圖像中，為了提高圖像的質(zhì)量就要對(duì)原始的圖像進(jìn)行預(yù)處理。 現(xiàn)在遙感圖像數(shù)量眾多，大多數(shù)為小目標(biāo)，小目標(biāo)的遙感圖像只有幾十個(gè)像素，而大目標(biāo)雖然占比較小，但普遍在五萬(wàn)像素左右［3］。 大目標(biāo)和小目標(biāo)遙感圖像相差甚多，就會(huì)導(dǎo)致相對(duì)類型的實(shí)物尺寸也相差很多，增加了遙感圖像分割的難度，再加上遙感圖像的成像高度甚高，圖像中大多都為小目標(biāo)，這就導(dǎo)致圖像在處理的過(guò)程中很容易出現(xiàn)細(xì)節(jié)信息丟失的情況，甚至?xí)?dǎo)致與小目標(biāo)相關(guān)的特征完全缺失。 此外，在實(shí)際應(yīng)用中，高分辨率的遙感圖像中會(huì)存在大量具有復(fù)雜邊界的目標(biāo)，比如輪船、港口、戰(zhàn)斗機(jī)等，這些圖像類型的邊界非常多變，如果直接對(duì)圖像進(jìn)行處理，就很難將其中復(fù)雜的形狀細(xì)節(jié)刻畫(huà)得十分完整，甚至在處理過(guò)程中直接導(dǎo)致一部分細(xì)節(jié)信息丟失，增加目標(biāo)檢測(cè)的難度，直接影響遙感圖像分割的效果［4］。 因此，對(duì)遙感圖像進(jìn)行預(yù)處理是非常重要的，在進(jìn)行預(yù)處理的過(guò)程中要保留圖像本身的紋理信息，并很好地消除隨機(jī)噪聲，保護(hù)好圖像的邊緣，避免邊緣出現(xiàn)模糊等情況，影響遙感圖像的后期處理。 同時(shí)，圖像邊緣像素的變化會(huì)呈現(xiàn)出梯狀，這時(shí)就要將圖像的邊緣進(jìn)行異性擴(kuò)散處理，保證圖像邊緣處的平滑度，保留重要的細(xì)節(jié)信息。

1.2 遙感圖像特征提取

遙感圖像的預(yù)處理完成后，就要對(duì)預(yù)處理好的遙感圖像進(jìn)行特征提取，本文利用特征檢測(cè)的方法提取遙感圖像的特征。 將遙感圖像的特征屬性分為3 個(gè)部分，分別是圖像紋理、圖像極值、圖像灰度低區(qū)域，圖像紋理是指將遙感圖像放在一定的空間內(nèi)，圖像本身會(huì)按照規(guī)定的形式變化，最終產(chǎn)生出一定圖案和模式，作為特征提取時(shí)的重要依據(jù)；圖像極值是指圖像的結(jié)構(gòu)和大小，在不同形態(tài)下對(duì)圖像提取造成的影響大?。?］；圖像灰度低區(qū)域是指遙感圖像中灰度為零的區(qū)域，該區(qū)域的閾值比較低，在進(jìn)行處理的時(shí)候變化不會(huì)很明顯。 在實(shí)際的提取中，還會(huì)考慮光譜信息，彩色圖像可以看作是光譜圖像中一個(gè)比較特別的區(qū)域，其提取方法和其他圖像不同，在提取時(shí)要保證對(duì)提取目標(biāo)的邊緣檢測(cè)，可以將紋理梯度圖和梯度圖像結(jié)合在一起，從中截取兩者的優(yōu)勢(shì)，從而提高對(duì)遙感圖像特征的提?。?］。 此外，對(duì)于小目標(biāo)遙感圖像來(lái)說(shuō)，由于圖像像素過(guò)小，在提取時(shí)要注意形狀因子對(duì)其的影響，以免提取失敗。

1.3 遙感圖像濾波

提取遙感圖像特征后，為了獲得更高的遙感圖像分割精度，還要對(duì)遙感圖像進(jìn)行濾波處理。 在獲取遙感圖像的過(guò)程中，會(huì)受到多種因素的影響，比如空氣濕度、光照強(qiáng)度等，這些都會(huì)影響遙感圖像的細(xì)節(jié)信息。 高分辨率的遙感圖像相對(duì)于普通的遙感圖像受到的影響會(huì)更大，再加上高分辨率遙感圖像有更加豐富的細(xì)節(jié)信息，因此，這些影響因素也會(huì)通過(guò)圖像紋理、圖像灰度等方面展現(xiàn)出來(lái)，因此特征提取后，要進(jìn)行濾波處理［7］。 本文中使用濾波處理方法對(duì)遙感圖像進(jìn)行平滑處理，能將遙感圖像的均值變寬；通過(guò)漂移濾波保證遙感圖像邊緣處的正常。 同時(shí)，將濾波處理后的圖像結(jié)構(gòu)當(dāng)作圖像的特征，也能增加遙感圖像各個(gè)區(qū)域的光譜一致性，減少隨機(jī)噪聲的出現(xiàn)。 具體的濾波處理過(guò)程如式（1）所示：

其中，yj表示本次濾波處理中移動(dòng)點(diǎn)的痕跡；xi表示原始的圖像；yi，j＋1表示進(jìn)行濾波處理后的圖像；w（xi） 表示與xi相關(guān)的權(quán)重系數(shù)；G（x） 表示與w（xi） 相對(duì)應(yīng)的核函數(shù)；h表示空間特征帶寬常數(shù)。

通過(guò)公式（1），得到平滑后的遙感圖像，并知道該圖像是否可以進(jìn)行同質(zhì)化合并，很好地保持了異質(zhì)區(qū)之間的信息不會(huì)丟失。

1.4 基于深度學(xué)習(xí)的遙感圖像分割

本文基于深度學(xué)習(xí)的方法，對(duì)濾波處理后高分辨率遙感圖像進(jìn)行分割處理。 在深度學(xué)習(xí)的支持下，可以接收任何尺寸的圖像輸入，并在每一個(gè)特征圖譜上進(jìn)行采樣，使圖像恢復(fù)到和輸入圖像相同的尺寸，同時(shí)對(duì)每個(gè)像素的圖像都產(chǎn)生了一個(gè)預(yù)測(cè)，同時(shí)也會(huì)保留原始輸入圖像的相關(guān)信息，最后再根據(jù)采樣出來(lái)的特征圖進(jìn)行分類。

在實(shí)際應(yīng)用中，由于高分辨率遙感圖像分割方法輸出層較多， 會(huì)將每個(gè)輸出層固定為一個(gè)尺寸，即a ×b ×c，其中，a、b表示是遙感圖像的空間維度，c表示圖像特征或者通道維度。 因此，在第一個(gè)輸出層中，圖像的像素大小為a × b，同時(shí)帶有c個(gè)通道，之后的輸出層按照這個(gè)規(guī)律持續(xù)后推。 同時(shí)在圖像中，較為高級(jí)的圖層會(huì)和圖像自身的相對(duì)應(yīng)，這個(gè)互相對(duì)應(yīng)的區(qū)域被稱為接收域。 由于深度學(xué)習(xí)的方法具有平移不變的特性，所以高分辨率遙感圖像會(huì)在局部輸入域上運(yùn)行，并且十分依賴相對(duì)應(yīng)的空間坐標(biāo)。 因此，在分割過(guò)程中，運(yùn)用深度學(xué)習(xí)的方法，檢測(cè)出遙感圖像中每個(gè)數(shù)據(jù)點(diǎn)的模點(diǎn)，其具體檢測(cè)過(guò)程如式（2） 所示：

其中，g表示每個(gè)數(shù)據(jù)點(diǎn)的模點(diǎn)；f表示被檢測(cè)的遙感圖像；b表示遙感圖像的結(jié)構(gòu)元素。

通過(guò)式（2）確定遙感圖像的模點(diǎn)，再將相同模點(diǎn)的數(shù)據(jù)點(diǎn)收斂到同一個(gè)區(qū)域，得到初步分割的結(jié)果，初步分割結(jié)果，式（3）：

其中，D表示遙感圖像初步分割結(jié)果；x表示遙感圖像上模點(diǎn)的紋理特征；y表示遙感圖像上模點(diǎn)的形態(tài)特征；i表示遙感圖像初始分割后的變化參數(shù)。

將像素點(diǎn)較小的區(qū)域和周邊區(qū)域進(jìn)行融合，得到最終的分割結(jié)果，式（4）：

其中，w表示模點(diǎn)與周邊區(qū)域融合的權(quán)重系數(shù)，P表示最終的遙感圖像分割結(jié)果。

通過(guò)式（4），將高分辨率遙感圖像的最終結(jié)果展現(xiàn)出來(lái)，對(duì)比分割前后的遙感圖像的效果。

2 實(shí)驗(yàn)結(jié)果

2.1 實(shí)驗(yàn)準(zhǔn)備

為了驗(yàn)證本文設(shè)計(jì)的基于深度學(xué)習(xí)的高分辨率遙感圖像分割方法的分割精度，本文從某數(shù)據(jù)集中選取了5 張高分辨率遙感圖像作為實(shí)驗(yàn)圖像，圖像中包含了多種土地類型，包括植被、建筑、水體、道路以及其他類型，統(tǒng)計(jì)土地類型在遙感圖像中所占的百分比，具體統(tǒng)計(jì)結(jié)果見(jiàn)表1。圖像 植被 建筑 水體 道路 其他

表1 遙感圖像中土地類型的分布統(tǒng)計(jì)Tab.1 Statistics of the distribution of land types in the remote sensing images %

在實(shí)驗(yàn)中，由于5 張遙感圖像的像素并不相同，其中2 張圖像為4 011×6 116 像素，2 張圖像為7 969×5 142 像素，1 張圖像為3 367×4 568 像素，為了減少實(shí)驗(yàn)中偶然性的出現(xiàn)，將5 張遙感圖像全部裁剪成512×512 像素大小的圖像。

2.2 實(shí)驗(yàn)結(jié)果與討論

為了驗(yàn)證4 種遙感圖像分割方法的分割精度，本次實(shí)驗(yàn)以某次競(jìng)賽的評(píng)估方案——分割精度作為評(píng)價(jià)指標(biāo)，來(lái)評(píng)價(jià)4 種遙感圖像分割方法。 分割精度QA的計(jì)算如式（5） 所示：

其中，TP表示檢測(cè)的占比和實(shí)際占比相等的數(shù)量，N表示整個(gè)樣本的數(shù)量。

同時(shí)，為了保證實(shí)驗(yàn)的準(zhǔn)確性和非偶然性，本次實(shí)驗(yàn)還設(shè)置了3 個(gè)對(duì)照實(shí)驗(yàn)，其中，對(duì)照實(shí)驗(yàn)1 是基于人工智能技術(shù)的高分辨率遙感圖像分割方法，對(duì)照實(shí)驗(yàn)2 基于標(biāo)記分水嶺的高分辨率遙感圖像分割方法，對(duì)照實(shí)驗(yàn)3 是曲波特征加權(quán)的高分辨率遙感圖像統(tǒng)計(jì)分割方法。 計(jì)算出4 種方法的分割精度，見(jiàn)表2。 采用本文所提方法對(duì)遙感圖像進(jìn)行分割，分割精度最高為96.7%，最低為93.5%，均值為94.68%；而對(duì)照實(shí)驗(yàn)的分割精度均低于90%，說(shuō)明本文設(shè)計(jì)的基于深度學(xué)習(xí)的高分辨率遙感圖像分割方法具有更高的分割精度，在實(shí)際應(yīng)用中效果更好。

表2 4 種方法分割精度對(duì)比Tab.2 Comparison of segmentation accuracy between four methods

3 結(jié)束語(yǔ)

圖像分割在遙感領(lǐng)域中占有重要地位，圖像分割能夠更加快速地得到圖像的整體信息。 在深度學(xué)習(xí)的快速發(fā)展和對(duì)遙感領(lǐng)域的大力支持下，遙感圖像的分割已經(jīng)被應(yīng)用到了多個(gè)領(lǐng)域當(dāng)中。 本文設(shè)計(jì)的基于深度學(xué)習(xí)的高分辨率遙感圖像分割方法對(duì)遙感圖像的分割有著一定的參考價(jià)值，雖然其中還存在些許不足，在之后的研究中會(huì)不斷完善。