基于多尺度特征遷移學習的樹種遙感分類研究

王妮，閔婕，郭家樂，何念

（1.滁州學院 地理信息與旅游學院，安徽 滁州239000；2.滁州學院 實景地理環境安徽省重點實驗室，安徽 滁州239000）

隨著遙感圖像分辨率和分類方法的提高，遙感圖像分類已成為森林資源管理和監測的重要手段[1]，及時、準確地監測森林資源，掌握森林資源的變化規律，對社會、生態和經濟都具有重要意義。盡管目前遙感影像分類已取得長足的進展， 但樹種類型信息獲取方面中仍存在很多問題， 例如分類精度不高、數據量不足、詳細程度低等[2]。近十余年來， 面向對象分類方法在高分影像樹種分類領域顯示出巨大的潛力[3]。 Robert 等人[4]將Landsat-7TM 影像應用于俄亥俄州南部的一個地區， 采用面向對象的模糊分類方法對大面積常綠落葉林的覆蓋度進行了區分。李丹等[5]使用高分影像為數據源，利用面向對象、SVM（support vector machine）和RF（support vector machine）算法對城市優勢喬木進行分類。劉金麗[6]等人以黑龍江省伊春市華皮羌子林場為研究區域，基于GF-2 遙感影像數據進行了面向對象的分類分割實驗。 面向對象的分類方法能夠綜合社區影像空間的局部均勻區域、 紋理和光譜信息的各種特征，克服傳統方法的缺點。

深度卷積神經網絡 （Convolutional Neural Networks,CNN）已廣泛應用于遙感圖像的分類、提取、識別和檢索[7]。 利用深度學習對圖像分類時，其分類精度、 分類時間等方面已經完全超越了傳統方法[8]。 Nogueira 等[9]利用CNN 對少量標記樣本進行植被物種識別。 何海清等[10]采用深度CNN 遞歸識別模型，成功地適應了不同尺度地物的變化，提高了場景分類的精度。 數據集的規模是影響網絡性能的關鍵因素之一，所以CNN 中的眾多參數需要大量數據來訓練。 但在實際應用過程中，通常無法獲得足夠的數據來完成某些特定任務[11]。為克服訓練樣本不足的問題， 事先進行無監督的預訓練過程，或者從相關和不相關的任務中轉移知識。 將目標數據集運輸到除去輸出層的特征提取器網絡中，并重復訓練深度卷積層，得到新的權重[12]。

本文以QuickBird 高分辨率遙感影像為數據源，運用多尺度分割算法和遷移學習，建立了面向對象和深度特征相結合的高分樹種分類模型，以期實現森林樹種高精度的識別與分類。

1 實驗數據與環境

本文以皇甫山國家森林公園為研究對象 （見圖1）。皇甫山地處江淮丘陵區，屬大別山區。 地理坐標為東經117°58′-東經118°03′， 海拔399.2m。該地區屬于北亞熱帶濕潤季風氣候區北緣， 氣候溫和，四季分明，日照充足；無霜期220 天，年平均降水量1018.6mm，年平均氣溫14.3℃。 皇甫山森林資源豐富， 植物種類繁多， 占地面積高達35533km2， 森林覆蓋率達96%， 是江淮地區最完整、規模最大的原生次生林景觀帶。皇甫林場主要分布根系發達、樹冠密集、落葉豐富易分解、生長迅速、郁閉度高的樹種；其中，松樹和麻櫟是主要樹種，約占總株數的60%；數量較多的樹木包括刺槐、楊樹、柳樹、楓香樹和輔助經濟樹種桃樹[13]。 本研究數據主要為遙感影像數據和實地調查數據，實地調查數據包括研究區2014 年森林資源規劃設計調查數據和2019 年9 月實地調查數據中選取的樣本。

圖1 研究區域位置

2 研究方法

2.1 最優分割尺度

1） 面向對象多尺度分割

影像分割的結果關系到信息提取的準確性。影像分割效果越精細時， 越符合物體邊界分割的特點，信息提取的效果越好[14]，技術流程如圖2 所示。 本實驗利用多尺度分割算法（multi- resoulution segmentation，MRS）分割影像，設定不同的形狀因子、緊致度因子、分割參數等以實現最佳分割效果。MRS 算法的分割原理是從單個像素出發，由下至上進行合并；基于區域均質性和對象一致性，最大程度上優化已分割對象， 實現了同一幅圖像中不同尺度像素的聚集[6]。

采用ESP 工具進行圖像分割，ESP（estimating the scale parameter）[15]是由Dragut 等人開發的自動獲取最佳分割尺度選擇工具。 該工具通過分割結果局部方差的均值 （Li） 和相鄰尺度局部方差（ROC）的差異來評估各影像地物屬性的最優尺度參數， 差異曲線的峰值直接反映整個圖像對象的最大異質性。 實際應用中圖像往往比較豐富，ESP得到的最佳分割尺度是多個值，ROC 的計算公式如下：

式中：Li為第i 層對象層的平均局部方差，Li-1為目標層第i-1 層中對象層的平均局部方差，ROC為i 到i-1 層中局部方差變化的百分比。

圖2 面向對象分類技術流程

2） 多層次分割參數獲取

為了確定最佳分割參數， 需要調整形狀因子和緊致度因子。 分割實驗在尺度參數為30-200（以10 個單位遞增）的范圍內進行；為了確定最佳分割參數，需要調整形狀因子和緊密度因子。 首先將形狀因子和緊致度因子分為三類，（1）形狀因子為0.4，緊致度因子為0.6；（2）形狀因子為0.5，緊致度因子為0.5；（3）形狀因子為0.6，緊致度因子為0.4。 根據分割效果，通過目視判讀，在小尺度范圍內確定各特征的合適分割范圍。 樹種適宜劃分范圍為30～80，耕地為50～80，建筑用地（房屋、道路）適宜劃分范圍為80 以上，水體適宜劃分范圍為60 以上，采伐跡地適宜劃分范圍為70 以上。

通過比較相同尺度參數下不同形狀因子和緊致度因子的分割效果，結果表明：（1）當形狀因子為0.4 時，影像分割對象與地物邊界重合度高于形狀因子0.5、0.6；（2）當緊致度因子為0.6 時，影像分割更為精細，地物分割更為準確；（3）當采用傳統方法的0.5 形狀因子和0.5 緊致度因子分割影像時，分割效果不理想，地物邊界分割不明顯；（4）當緊致度因子大于形狀因子時， 分割結果更符合本研究區的邊界特征。

通過上述實驗，目視判斷30-130 尺度參數下的影像分割效果。 結果（見圖3）表明，同一尺度下分割對象與研究區樹種區域吻合程度不同。

圖3 分割參數為60；0.5；0.5 時采伐跡地 （右）、 水體（中）以及樹種（左）

通過試驗確定了形狀因子和緊致度因子。 在0.4；0.6、0.5；0.6、0.5；0.6 和0.4；0.5 的 條 件 下，用ESP 工具得到了形狀因子和緊致因子的最佳分割尺度值，然后根據每個特征的合適分割范圍，選擇三組因子下各特征的合適分割尺度參數， 通過目視判讀三種不同因子參數下的分割結果， 得出每種地物的適宜分割尺度參數。 結果見表1。

表1 多層次分割參數設置表

2.2 對象特征分析及特征優選

1） 對象特征分析

遙感影像數據分析的基礎是光譜特征[16]。 它是由實際地物的組成和影像的成像狀態決定的固有的光學和物理性質；主要包括灰度、色調、顏色等。 影響森林樹種光譜特征的參數包括各波段的平均值、各波段的標準差、各波段比率等[17]。

影像數據分析的另一個重要特征是影像紋理。 灰度共生矩陣（Gray Level Co-occurrence Matrix GLCM）的統計方法是由R.Haralick 等人提出。它是一種能計算局部或整個區域內兩個像素或兩個像素之間在一定距離內的灰度值的關系矩陣；通過描述灰度空間相關特性來描述紋理， 反映森林樹種紋理信息的參數主要有:均值、方差、熵和均質度等[18]。

2）對象特征優選

分類研究過程中特征對象的選擇十分重要，關鍵特征的數量不同樹種分類結果不同，因此，本實驗將提取大量的對象特征[18]。 本實驗基于分割結果分別提取了對象的屬性特征， 屬性特征描述見表2，特征分為光譜屬性和紋理屬性。 其中光譜屬性分別為1-3 波段的光譜平均值、標準差、波段比率， 紋理屬性分別為各波段的GLCM 一系列參數，如同質性、差異性、熵、對比度等。

2.3 CART 算法

本研究采用CART 分類器對樣本樹種進行分類。 CART(Classification and Regression Tree)決策樹算法的原理是將訓練樣本數據集劃分為實驗變量和目標變量，通過雙變量的周期分析的循環分析，形成二叉決策樹；與其他決策樹模型相比，CART 決策樹在每個步驟中最小化分類的不純潔程度， 通過遞歸分區將訓練記錄分成組， 然后在每個節點上自動選擇最合適的預測變量； 如果一個節點中100%的觀察值都屬于目標字段的同一類別， 那么認為該節點“純潔”； 目標變量和預測變量字段可以是區間字段或分類字段；每個節點都采用二元劃分的形式。結合遙感影像信息提取，目標變量為實際地物類型，預測變量為地面樣本的特征[17]。

表2 對象特征與描述

CART 分類樹通過計算每一組特征的Gini 系數增益確定決策樹劃分的優先規則； 采用二分劃分形式，當一列特征有K 個類別，第k 個類別概率為Pk時， Gini 系數計算公式為：

2.4 結合深度遷移學習的高分影像樹種分類模型

深度卷積神經網絡已經被廣泛應用于樹種分類中， 為解決深度卷積神經網絡需要百萬數量圖像集的問題， 本文將深度遷移學習的方法應用于高分影像樹種分類中。 利用遷移學習的方法，將源領域和目標領域的數據從原始特征空間映射到新的特征空間中， 這樣可以減少人工標注數據的工作量和模型的訓練時間[20]。

采用基于ImageNet[21]訓練的大型卷積神經網絡VGG16 作為遷移學習模型。樹種分類模型的結構主要包括以下兩個部分：（1） 利用VGG16 模型參數初始化深度卷積神經網絡，同時VGG16 作為特征提取器，可對樹種圖像進行特征提取。解決了層數增加期間的梯度下降問題， 提高了尺度縮減過程中特征提取的精度。 （2）在訓練后的模型中，利用全局平局壓縮參數，在網絡末端添加1024 個節點的全連接層和7 個節點的softmax 分類器層； 采用反向傳播和Adam 優化算法對網絡進行訓練[13]。

VGG16 是由Simonyan 和Zisserman 提出的卷積神經網絡模型。VGG16 模型通過反復疊加3x3 個小卷積核和2x2 個最大池化層， 成功構建了16/19層深的卷積神經網絡； 該模型主要將傳統卷積層提升到卷積塊，卷積塊由2-3 個卷積層構成，同時多次使用線性整流函數（ReLu）激活函數增加線性變換，使之具有更強學習能力及特征提取能力[22]；最后在訓練時和預測時使用Multi-Scale 做數據增強，并采集各種不同旋轉角度的圖像作為數據集， 有利于提高深度學習的魯棒性。訓練時將樣本先上下、左右翻轉后逆時針90 度翻轉。 增加了數據量。

在實驗中， 將樹種影像轉換成224×224×3 的數字矩陣輸入網絡。 在第一個卷積層中使用64 個3×3 大小的卷積層進行卷積和激活操作； 其后作2×2 的最大池化層并使用128 個3×3 的卷積核作三次卷積和激活操作，尺寸變為112×112×128；在后面幾個普通卷積層中進行類似操作， 得到特征向量尺寸為7×7×512；隨后進入1×1×1024 的全連接層；最后通過softmax 輸出1000 個預測結果。

3 實驗結果與分析

應用本研究方法于皇甫山森林公園Quick-Bird 高分辨率影像中的樹種分類， 并通過實地調查和目視判讀驗證分類結果的準確性。 首先，利用多尺度分割技術對部分遙感圖像進行分割， 利用ESP 尺度參數評價工具，得到最佳分割尺度為55，最佳形狀因子為0.4，緊致度為0.5；在此基礎上提取樹種的光譜特征和紋理特征，建立分類規則，獲得樹種分類樣本集。本文采用預訓練模型VGG16，模型輸入大小為224×224 像素，模型訓練中，設置速度衰減周期為100epoch，Batch size 為32。Adam算法中初始學習速率為0.0001，epsilon 設置為10-8。 本文采用TensorFlow 框架中的TensorBoard可視化工具制作曲線圖， 利用曲線圖分析不同參數下運行時間及迭代次數的變化趨勢。

訓練過程中的精度和損失變化曲線如圖4 所示。 在前30 個迭代，模型的精度迅速提高，損失迅速減少；經過30 個迭代后，網絡參數基本穩定。 利用預訓練模型VGG 初始化網絡參數，可以有效地加快網絡訓練速度，避免過擬合問題。

圖4 訓練精度及損失變化曲線

為研究本文算法的有效性， 將其與傳統CNN模型進行比較，表3 的實驗結果表明，本文分類方法在研究區的森林樹種分類中， 準確率和kappa系數可達84.5%和0.81， 比傳統CNN 高12%和0.13。 除此以外，本方法可解決樣本過少導致過擬合的問題， 分類效果遠高于未遷移學習的分類模型。 因此，該方法對高分影像樹種具有較高的識別和分類功能。

為探討不同模型對樹種分類的影響，本研究分別用ResNet50 和VGG16 預訓練模型訓練網絡。VGG16 和ResNet50 輸入圖像大小為224x224pixel，2 個模型在相同的環境下進行訓練。 表3 的結果顯示：兩種基于遷移學習得到的分類模型的總體精度、kappa 系數均優于傳統CNN 分類算法；VGG16的分類效果更好，其原因是樹種影像不同于自然影像，沒有非常復雜的語義特點，所以相對較小的卷積神經網絡更容易取得良好的效果。

表3 皇甫山高分影像樹種分類精度評價

4 結論

本實驗基于皇甫山QuickBird 高分辨率影像，采用面向對象方法制作樣本集并輸入深度遷移學習模型進行森林樹種分類。 研究表明：（1）相對于傳統CNN， 基于深度遷移學習的高分影像的樹種分類提高了分類精度，減弱了椒鹽噪聲的影響，加快了損失率的下降速度。 （2）本文采用面向對象的分類方法， 通過使用ESP 多尺度分割工具確定最優分割尺度，節約了人工提取的時間，提高了分割精度，較好地區分了森林特征，有效地避免了樹種與其他特征的混淆。 （3） 利用少量的標注樹種影像，實現了端到端的高分辨率影像分類，解決了訓練深度卷積神經網絡需要百萬數據集的問題。