深度學習在高分辨率遙感影像解譯中的應用研究

徐金曉，方 圓

（中國電子科技集團公司第二十七研究所，河南 鄭州 450047）

0 引 言

2010年以來，我國發射的高分辨率遙感衛星空間分辨率已經達到亞米級，未來10年全球每天獲取的觀測數據將超過10 PB，遙感大數據時代已來臨。隨著遙感大數據時代的到來，現在的數據越來越豐富，已經超出傳統手工處理的能力。遙感大數據與知識轉化及服務能力不足的矛盾將越發突出，其關鍵理論挑戰和技術瓶頸在于遙感影像的自動分析與理解。

深度學習是當前機器學習領域內的一項熱點技術，近年來在機器視覺、語音識別等領域取得了突破性進展。卷積神經網絡（CNN）更是將圖像特征的提取，與目標的分類過程結合到一起，實現了網絡端到端的訓練，促進了基于高分辨率遙感影像的目標識別技術的快速發展。本文以深度學習在遙感影像解譯領域的應用為主體，分析了遙感影像解譯的難點以及深度學習在遙感影像解譯中的優勢。

1 遙感影像解譯存在的問題

目前，遙感影像95%以上完全采用人工識別和判讀，無法適應大數據與云計算時代的需求和發展。存在的問題具體如下。

（1）自動化程度低。需要專家才能判讀和分析，費錢費時，不能快速實現“影像到信息”的過程。

（2）錯誤率高。不同專家分析的結果千差萬別。

（3）應用難。影像包含大量有效信息，因不能開展深入挖掘，無法開展趨勢預測等應用，難以發展出新的商業模式。

（4）地物分不開。不同的地物很難準確地分割開。

（5）地物分類不準確，難以準確識別地物類型。

2 深度學習算法分析

2.1 多尺度信息提取研究

尺度問題是對地觀測的首要挑戰，尺度效應決定了同類目標在不同尺度下有不一樣的表現。高分辨率遙感影像信息量大、細節多，紋理變化復雜，不同類別地物的特征存在很大差異。一般尺度變化主要有兩個原因引起。（1）圖像分辨率的大小。例如，低分影像上，房屋可能是簡簡單單的幾個像元，但在高分影像上，可能不同的房屋形狀、顏色、紋理都不相同。這種由影像可放大可縮小帶來的分辨率大小可變，同時同一地物在不同分辨率下特征不同，給遙感影像解譯帶來了極大的困難。（2）同一類地物的大小本身就不同。例如，有的房屋是高樓大廈，覆蓋面積大，有的則是小建筑。這種地物本身存在的尺度問題又是遙感目標檢測中的一大挑戰。對于第一種問題，可以探索不同尺度下地物的檢測精度，也可以對不同分辨率所抽取到的特征做融合，以捕獲不同分辨率下所抽取得特征。低分辨率下，可以抽取該類別地物的宏觀信息；高分辨率下，可以抽取其細節信息，將不同分辨率下抽取到的特征進行融合，在一定程度上能削弱由分辨率變化帶來的影響。對于第二種問題，可利用計算機視覺解決。例如，可以利用一個空間金字塔模塊，使用不同大小的卷積核做卷積，還可以利用空洞卷積的方式來捕獲多尺度的特征[1]。

2.2 基于區域提取檢測算法研究

目前，深度學習領域最火熱的檢測算法為R-CNN系列。R-CNN網絡是目標檢測算法發展的里程碑模型，可將之前在PASCAL VOC2007數據集上的mAP指標直接從原始的34.3%提升到66%。R-CNN框架如圖1所示。

圖1 R-CNN框架圖

FastR-CNN算法是由Ren等人在2015年提出的，主要用來解決SPP-net和R-CNN的重復計算問題。

FastR-CNN算法的流程如圖2所示。第一，使用神經網絡算法對圖像上的不同對象進行特征提取；第二，對區域候選框使用滑動窗口策略等不同方法進行提取，并與特征層進行匹配；第三，為得到固定大小的特征表示，需要將存在于特征層上的區域候選框逐一進行候選區域池化操作；第四，對兩個全連接層做目標識別，可以采用softmax多分類等方法；第五，用回歸模型進行邊框大小與位置的微調[2]。

圖2 Fast R-CNN框架圖

2.3 端到端的檢測算法研究

以R-CNN為代表的基于區域提取的算法盡管在檢測精度上達到實際生產需求，但在檢測速度上卻有所不足。可利用端到端的檢測算法解決這個問題。

Yolo算法多使用獨立的CNN模型達到端到端的目標檢測目的。首先將輸入圖片通過重采樣技術或其他方法將圖像調整為寬448個像素，高448個像素，然后將該圖片輸入CNN網絡，接著處理網絡預測結果，最后得到檢測目標。相比R-CNN算法，該算法具有統一的框架，且速度更快。Yolo的訓練過程也是端到端的。具體地，Yolo的CNN網絡將輸入的圖片分割成S×S網格，然后每個單元格負責檢測那些中心點落在該格子內的目標。由圖3可知，狗這個目標的中心落在左下角一個單元格內，那么該單元格負責預測圖片中的狗。每個單元格都會預測產生相應的邊界框，并給每個邊界框賦予一個置信度[3]。

圖3 YOLO框架圖

3 深度學習在遙感解譯中的應用

3.1 面向對象方法與深度學習方法的對比分析

面向對象遙感解譯是一種遙感解譯方法，主要區別與基于像素的遙感解譯。傳統的基于像素的遙感解譯，只是單一地針對各個像元進行相應處理，沒有綜合考慮各個像元之間的內在聯系。面向對象遙感解譯充分結合不同地物在影像上的幾何特征、紋理特征及光譜特征等，解譯時的最小單元已不再是單個像元，而是將具有相同特征的地物作為單個的對象進行考慮[4]。

面向對象方法與深度學習方法在遙感影像解譯方面的優缺點如表1所示。

表1 面向對象與深度學習在遙感影像解譯方面的優缺點

3.2 深度學習結合面向對象在影像解譯中的應用

3.2.1 實現了信息提取規則自動化提取

面向對象方法需要解譯人員根據影像人工選擇和調整光譜、紋理及形狀等特征閾值，“面向對象+深度學習”方法可以自動學習影像光譜、紋理及形狀等特征，構建規則。

3.2.2 提高了遙感影像自動解譯精度

利用面向對象提取的對象邊界，將深度學習地物識別結果自動映射到“分割對象”上，實現地物邊界和類型準確分類，提高了遙感影像自動解譯精度。

深度學習算法結合面向對象方法在高分辨率遙感影像解譯中的應用流程如圖4所示。

圖4 深度學習結合面向對象方法的遙感解譯流程

4 結 論

本文通過分析不同深度學習算法在圖像分類中的應用，結合遙感影像工程解譯中的實際需求，對比分析面向對象方法與深度學習算法的不同特點，闡述了深度學習結合面向對象方法在遙感影像解譯中的具體應用。