基于卷積神經網絡的遙感圖像水體提取*

張銘飛， 高國偉， 胡敬芳， 宋 鈺

(1.北京信息科技大學 傳感器北京市重點實驗室，北京 100101；2.北京信息科技大學 現代測控技術教育部重點實驗室，北京 100192；3.傳感器聯合國家重點實驗室 中國科學院空天信息創新研究院，北京 100190)

0 引 言

水資源可用性是旱地可持續發展的主要限制因素。氣候變化加劇了人與環境之間的用水需求沖突，凸顯了有效水資源管理對于實現經濟發展與環境保護之間平衡的重要性。2008年，中國北方典型旱地內蒙古提出了嚴格的水資源開發利用規定，以實現可持續發展。隨著全國水資源保護政策的提出，水域變化監測顯得尤為重要。

現階段用來進行水體提取的方法主要有閾值法[1]、決策樹法[2]、支持向量機(SVM)法[3]。王鑫等人[4]將圖像的局部二值模式(local binary patterns,LBP)和頻譜特征通過視覺詞袋模型進行融合，以增強遙感影像中的水體目標特征表達能力，設計了基于詞袋的遙感圖像水體識別模型。然而由于該方式是在頻域范圍內對水體進行特征提取，并不能完全表征目標的特定信息。

陳坤等人[5]使用具有三層卷積層的神經網絡模型，經過訓練實現對遙感水體的提取；何海清等人[6]將水體指數與卷積神經網絡(convolutional neural network,CNN)相結合建立水體提取模型，水體識別精度達到了94.19 %；何紅術等人基于U-Net模型，經過改進提高了其識別精度。以上文獻表明，CNN可用于水體識別，但這些模型的識別精度并不高，而且有些模型的網絡結構較為復雜。

針對現有的網絡結構復雜，模型訓練收斂慢等問題，基于CNN，本文提出了一種用于遙感圖像水體提取的模型。首先通過網絡爬蟲構造遙感圖像訓練數據集，為了比較模型的魯棒性，構造了兩種類型的數據集。第一個是由0.1～0.8 m辨率的高分一、二、六號衛星圖像組成的粗標記的數據集，第二個是由0.8 m分辨率的高分二號衛星圖像組成的精標記的數據集[7]，最后在Tensorflow的框架下設計網絡模型，通過訓練后在測試集上進行模型驗證。

1 遙感圖像水體提取模型原理與結構

經典語義分割模型UNet[8]最先用于醫學圖像的分割，并在醫學圖像數據集上取得了非常好的分割效果。由于網絡模型并沒有較深的層數，并且在較少的數據集上表現出了非常好的分割效果，因此備受廣大研究者的追捧。受U-Net結構的啟發，本文提出了一種具有通道注意力機制的殘差網絡U-Net(residual U-Net with attention mechanisms,AMR-Unet)模型。它不僅能夠學習圖像中簡單的局部特征，而且可以結合通道特征組成復雜的特征。其核心是將圖像局部特征和通道空間特征結合起來，從而獲得位移、尺度、形變的不變特征，具有很強的魯棒性。因此在以上背景下，利用AMR-Unet有利于克服水域的復雜環境因素，對水體進行提取。

1.1 網絡模型

U-Net結構由兩部分組成，由下采樣收縮路徑和上采樣擴張路徑組成，其中下采樣模塊遵循典型的卷積網絡架構，如圖1所示。AMR-Unet模型由Encoder和Decoder兩部分組成，如圖2所示，Encoder對應U-Net的收縮路徑，Decoder對應擴張路徑。

圖1 U-Net結構

圖2 AMR-Unet結構

1.2 卷積層計算

在CNN中，卷積層通過卷積運算，提取原始圖像的高維語義特征，可以增強信號的特征也可以降低信號噪聲[9～11]。卷積操作可表示下

input(Ni,k)

(1)

式中 *為二維離散卷積運算符，N為batch size，C為通道數量，H為輸入圖像特征圖的高度(以像素為單位)，W為輸入圖像特征圖的寬度(以像素為單位)，bias為偏置值，out為卷積運算的輸出結果。

1.3 池化層計算

CNN中，池化(pooling)層通常稱為下采樣(subsampling)層，池化操作利用圖像局部具有相關性原理，對上一層特征圖中相鄰矩形區域進行統計計算，起到了二次特征提取作用。常用的池化操作有最大池化(max pooling)、最小池化(min pooling)、平均池化(average pooling)[10]等。池化操作表示如下

(2)

式中Hin,Win分別為輸入特征圖的高和寬;Hout，Wout分別為池化操作后特征圖的高和寬;padding為對特征圖進行填充，通常在特征圖邊緣填充0或1;kernel_size為池化區域的大小;stride為池化操作移動的步長。

1.4 全連接層計算

全連接層將得到的一系列特征圖像素取出排成一個向量，其過程如下

(3)

1.5 SoftMax分類器

SoftMax分類器用作損失函數的評估，并對分類的正確與否進行調整。可表示如下

(4)

式中xi為進行評估的目標，xj為需要進行評估的所有目標。

2 實驗結果與分析

實驗數據集分為兩個數據集，第一個數據集是來自高分一號、高分二號、高分六號，擁有1 000張粗標注的數據集，訓練集、驗證集和測試集的比例為8︰1︰1，該數據集的分辨率為256×256；第二個數據集是來自高分二號的1 000張精標注的數據集[12]，訓練集、驗證集和測試集比例與第一個數據集相同，該數據集的分辨率為492×492。

其中訓練過程平均交并比(mean intersection over union，MIOU)記錄如圖3、圖4所示。對于粗標記數據集，在訓練第115次時模型開始收斂；訓練精標記數據集，模型在第100次時進行收斂。

圖3 粗標記MIoU

圖4 精標記MIoU

將訓練后的模型在測試集上進分割的效果如圖5所示。其中AMR-Unet模型和U-Net分別在兩種數據集上的MIoU、像素準確度(pixel accuracy，PA)和推理時間(infer time)如表1所示。從表1可以看出，AMR-Unet模型的分割效果要好于U-Net模型，在Infer time變化較小的情況下提高了MIoU和PA。

圖5 分割結果對比

表1 評價指標

實驗所使用的計算機配置如下：CPU為Intel Core i7—11800H，運行內存大小為16 GB；GPU為NVIDIA GeForce GTX 3060，顯卡內存大小為6 GB。超參數設定為：學習率(learning rate)為1×e-4，批大小(batchsize)為2。

實驗結果表明，在兩種數據集上，模型提取精度分別為94.78 %,94.42 %，對于不同的數據集都表現出很好的分割效果，魯棒性較好，分割精度高于傳統的U-Net模型，表明該模型對于遙感圖像水體提取具有良好的效果。

3 結 論

本文提出了一種遙感圖像水體提取的卷積神經網絡AMR-Unet，利用網絡爬蟲并手動標記，建立了兩種不同標記類型的數據集，通過實驗驗證模型分割精度達94.78 %，在模型復雜度較低的情況下，能夠達到理想的分割效果，為后續基于遙感圖像進行水域監測打下基礎。由于訓練集中并未包含具有冰層的遙感數據集，因此，模型如何能夠將冰層也識別為水體還需進一步研究。