基于卷積神經網絡的遙感圖像汽車識別

程彬煒，安博文，趙明

（上海海事大學信息工程學院，上海201306）

0 引言

遙感技術是一種使用衛星來采集地球的各種數據、信息的技術方法。遙感技術主要應用于軍事偵查等方面。經過20世紀以來的不斷進步與發展，遙感技術已經有了很大的進展，并且逐漸的“平民化”，不僅僅應用于軍事領域，而且也深入了日常生活的便利之中。基于遙感圖像的目標識別是近些年來交叉學科領域的一個熱點。由于遙感圖像包含了大量可被使用的信息而且能夠進行連續拍攝，因而它的應用領域十分的廣泛，隨著遙感圖像的分辨率大幅度的增加，例如汽車、飛機、軍艦等的大型附體或者說是重要識別目標也可以清晰地顯現出來。本文針對識別目標中的“汽車”這一類進行研究。

在遙感圖像汽車識別這一目標之下，我們主要需要完成以下兩個目標，一是通過恰當的方法實現提取遙感圖像的特征，二是根據適當方法及其改進方法的某些算法達到“識別”也就是“分類”的作用，從而達到我們最終通過遙感圖像識別汽車的目的。

1 卷積神經網絡

卷積神經網絡（Convolutional Neural Networks,CNN）是深度學習中的一個重要的學習模型，CNN在圖像的處理等方面有著突出的良好效果，因此圖像的處理方向上就會經常使用CNN模型，在具體的實踐操作過程中，與其他方法手段的對比也證明了CNN在這個領域內有著獨特的優勢。卷積神經網絡在上個世紀因為研究動物大腦對外界環境的圖像處理時被發現，通過構造一個復雜的模型進行研究動物大腦的圖像處理功能，因此這個模型在處理圖像的領域內極為突出，并逐漸延伸到計算機領域。如今學術界逐漸重視起卷積神經網絡在計算機視覺領域中的突出貢獻。通過一定的研究表明，卷積神經網絡能夠最大限度地減少輸入原始圖像時的損失，其獨特之處就在于能夠按照原始的圖形信息進行數據收集與數理，并且在1000多個自然領域中都證實了該模型的可靠性，因此可以用來進行檢測實際應用中的目標物體，幫助人類大大提高物體識別的準確率，在檢索及識別領域內有著非常長遠的應用意義。

卷積神經網絡在很大的程度上是通過模擬動物大腦的圖像處理來完成自身任務，學者在對動物的神經元進行實驗發現，腦部中部分神經智慧對處于特定邊緣的角度才會產生一定的反應，通過神經之間的傳遞進行連接，在腦部中樞神經中產生圖像的意識，因此這就是卷積神經網絡的架構基礎。在具體的模型應用中，主要進行相關數據的卷積以及修正過程，在此基礎進行采樣、連接，輸入多維空間向量，最終采用分類器進行圖片分類。卷積神經網絡由卷積層、池化層以及全連接層組成，卷積層是卷積神經網絡的關鍵核心，幫助圖片的特征進行提取，通過第一層的運算能夠把三維的圖片轉化成平面上的特征圖，卷積原理如圖1所示：

圖1 卷積原理

卷積神經網絡模擬動物大腦的圖像處理，利用濾波器模仿神經元對外界信息的回應，在卷積運算中，濾波器就能得到一些信息，在后續的連接過程拼接成圖像，如圖2所示。

圖2 卷積特征

卷積神經網絡在卷積層之間存在池化層，主要作用是降低模型中的計算量以及相關參數，能夠更好控制擬合現象。全連接層一般情況下位于最后一層，主要機型圖像信息的連接，最終形成結果。

由于卷積神經網絡的自身結構特征，信息收集主要來源于每一層神經網絡的連接，因此計算量通常成指數倍增長，較為復雜，在實際運動當中主要通過局部感知以及參數共享兩組特點來克服一定的問題，對參數數量可以有著一定的降低。局部感知主要因為我們在處理圖像信息的過程中有時候并不需要所有的信息，而只對局部信息有著重要的聯系，對某些不必要的部分可以忽略不計，因此，在神經網絡中，可以先從局部出發，了解局部存在的重要信息，再通過更加高層次的連接先進行整體感知，得到全局信息，對于一張1000×1000的圖片，僅僅全連接處理的時候，每一個神經元都處理1000×1000的參數，需要10的12次方個參數參與，但如果進行局部處理，每個神經元只需要進行10×10的信息處理，則參數值需要10的8次方，這樣大大精簡的計算數量。

通過前文所述的局部感知，在進行10×10的局部處理過程中，我們可以近似的把這一小點當做特征的提取，能夠進行全局的拓展，每一個神經元可以進行局部處理的參數共享，對于1000×1000的信息就能夠只需要100個參數，進行降低參數的數量級，這就是卷積神經網絡的參數共享的特性。

2 基于卷積網絡模型的算法構建

2.1 汽車識別算法流程

對基于卷積神經網絡模型的進行遙感汽車識別，首先需要對圖像進行預處理，本文基于圖的超像素分割的原理首先進行圖像的分割，形成很多待檢測的窗口，再通過卷積神經網絡進行區分和識別，尋找目標車輛，最后利用非極大值來進行抑制篩選，以得到最終的處理結果。

在進行遙感圖像汽車的識別工作之前，首要工作是需要訓練卷積神經網絡，通過在數據中的圖片進行超像素處理，進行圖片的分割得到很多分塊。在這些超像素分塊的信息總提取出自己所需要的樣本。這時候就可以對卷積神經網絡進行訓練。在真正進行車輛的檢測過程中，提出一張新的遙感圖像，這張圖像需要被處理，就要用算法首先提取所感興趣額的區域，在進行分割處理，以自身的質心處為標準，得到所需要的待檢測分塊，這些模塊首先使用前文訓練完成的深度卷積神經網絡進行檢測處理，當結果表明該區域存在車輛時進入下一步，最后通過抑制手段過濾無用的區域，最終得出結果，作為遙感圖像汽車識別的最后結果。

2.2 基于卷積網絡的遙感汽車識別算法構建

本文擬采用的卷積神經網絡由三層卷積層以及三層池化層組成，每一個卷積圖與其上一層的特征圖的個數相對應，從起始的輸入值一直到最終的輸出值中的特征逐級增加，逐漸變得更加抽象和復雜，最后就是全連接層，在全連接層中特征圖轉換向量，最后以相應的參數產生結果。結果以二分類問題結果產出，控制識別檢測區的車輛的是否判斷。最終輸出兩個結果。每一個結果分別表示各自占有的概率,表示最終的車輛判斷。

圖3 非極大值抑制示意

圖4 6層網絡的結構輸出結果示意

圖3 中為檢測窗口，分割出來的像素塊經過一定的處理，為深度卷積神經網絡進行更方便的識別與處理，在概率高于一定的閾值情況下留存下來。在一定程度上，這幾個窗口顯示的檢測結果由于含有目標物體，因此都可以認為是正確的結果，但是每一個窗口檢測出的結果都是針對同一個目標，但是同一個目標在多個窗口中的表示較為多余，因此在對于精確表達位置的過程中具有較大難度，不僅僅干擾目標的確定，而且造成資源的浪費以及結果的多余，因此我們更需要只用一個窗口來更準確目標結果，因此在這里引用非極大抑制的方法，目的是過濾掉非最大值的其他窗口，首先需要在多個窗口中找到得分最高的窗口，按照前文的敘述中使用汽車概率為1的窗口，根據相應的面積比找出與目前高分的重疊區，一般為0.4或者0.6等，將這些重疊率超過一定程度的窗口都進行過濾并刪除的處理，將最終的結果控制為一個窗口，在接下來的過程中進行不斷重復，找出除了最高之外的其他窗口，在經過一段時間的篩選之后，就基本完成了非極大值抑制的處理。本文選擇閾值設置為0.6，原因是因為通過對路面上的觀察發現，0.6比0.4更加能夠在抑制處理的過程中保持較好的效果，避免因為汽車相鄰的原因而被過度篩選掉，無形中降低了檢測的準確性。

圖4是對6層卷積神經網絡的結構可視化處理，每一個特征圖在圖中表現為一個矩形，并根據由低到高的層次進行排列，對真實網絡中進行數值的歸一化操作，并從中能夠較為明顯看出，右邊的特征圖表達出更為復雜的特征，因此所包含的信息更加抽象。

3 實驗驗證

實驗數據從谷歌地圖上進行引用截取，一共一百多張圖片，在圖像中每兩個相鄰的像素之間的真實長度0.135米。每張圖像都經過了預處理，通過人工方法在汽車的所在位置標注中心的實際坐標，并選擇了兩張包含一兩百輛汽車的圖像作為測試使用，數據的收集共含有三千多輛車，圖片中像素個數為51454582個，前文介紹過超像素分割的算法，以此進行參數的調適，經過不同參數的對比研究不同算法對汽車召回的實際影響，在實際的過程中采用超像素分割。其中，汽車的召回率為召回的汽車數量與數據中的總汽車數量的比值。超像素分割算法對最終的召回效果有著不同的影響，在都對算法后續的處理時間也有著一定的影響，較多的超像素塊影響目標的檢測，在不考慮其他因素的影響下，超像素塊的數量越少越好，但是從另外一個角度上來說，超像素塊越少、汽車的召回率有者完全相反的結果。召回率又稱為查全率，在實際召回的車輛數量個數會用來記性標記的處理以及閾值的設定。

圖5 不同超像素分割對汽車召回的不同影響

根據圖5所示，文章對比不同超像素分割算法，并且以一定的參數為基準，對比整體之下產生的超像素個數，綠色部分已SLIC算法為基準，紅色部分已基于圖的分割形式為主。每個點與相應算法中的參數設置相對應，橫坐標表示對應產生的像素塊個數，縱軸表示對應檢測效果。根據上圖所示，超像素塊的像素個數越少，數量塊越多，當縱軸越往上，則檢測效果程度越高，汽車的召回率越高，所采用的研究方法就是基于圖的超像素分割。

圖6 基于圖的超像素分割效果

根據圖6可以看出，超像素的分割塊分布較為細膩，這樣對結束之后的其他汽車檢測具有一定的幫助，在分割的時候盡可能使得以目標車輛為中心的矩形框對其他車輛有一定的囊括性，對非車輛部分保留一定的粗獷，盡可能不去影響的車輛的檢測識別效果。其中包括的像素個數越多，總體超像素塊越少，對后續的算法會有一定的精簡效果。

對比幾種不同的檢測識別效果，并與HOG特征進以及局域HOG的SVM算法進行分類對比，得出這種方法對遙感圖像汽車的識別有著較為優異的效果，在實驗中也存在著些許不合理的地方，為以后的改進預留了一定的學習方向。深度學習的模型可以當做一個處理問題的暗盒，其最終識別效果與樣本的總數存在一定的關系，本文實驗的樣本包含四萬張圖片，采用了一種檢測訓練的學習模式，因此樣本的結果分為正、負兩個部分，總體的數量分別分成兩個一半，訓練的樣本數量與測試的樣本數量保持為3:1。具體的結果如圖7所示：

根據前文介紹的集中網絡模型，實驗中的深度學習模型有GoogleNet、VGGNet等，根據分類的結果可以較為明顯的看出，GoogleNet模型的實驗效果明顯高于其他的模型，在分類識別的上的精度幾乎達到1，達到了99.43%，根據實驗的模型來看，由于網絡參數的影響，微調分類方式比全訓練模式要好。

4 結語

本文給出了基于卷積神經網絡去識別遙感圖像中車輛的方法，該算法可用于解決實際工作中的一些相關問題，具有一定的實際意義。但此方法對于圖像的局限性比較大，并且數據量不足，所以在具體實用中還需改進加強。