基于深度卷積網絡的SAR圖像地物分類研究

孫 盛，董曉冬，水文澤、劉立露

(廣東工業大學計算機學院，廣東 廣州 510000)

1 引言

土地利用/土地覆蓋(land use/land cover)為地表系統最直接的景觀標志[1]。土地利用[2]研究一直是全球變化研究中的重要問題。通過土地利用分類，不僅可以了解各種土地類型的基本屬性，并且可以作為對土地利用的分布結構、區域特征研究的基礎。土地利用在國家、地區以及全球范圍內關于經濟、人口、環境問題等方面為政策的建立提供了重要的依據。

地表的最早描述采用土地利用分類系統和植被分類系統實現， 隨著科技的不斷發展，遙感技術[3]成為獲取地表地物屬性的主要方法。由于遙感技術具有探測范圍廣、采集數據快、獲取信息手段多、信息量大等優點，現已被廣泛應用于土地利用分類中[4]。當前土地分類研究中所用到數據源多光學遙感數據，通過利用地物在遙感影像上的光譜、形狀、 紋理等信息的差別進行土地利用分類。由于中國 南方快速城市化地區常年多云雨的天氣，增加了有效光學影像獲取的難度，使得單一的光學遙感數據源很難滿足城市土地利用信息提取以及變化研究的需求[5]。對于該情況，使用合成孔徑雷達 (Synthetic Aperture Radar，SAR)成為目前較好的解決方法之一。合成孔徑雷達不受外界天氣因素的影響，可全天時、全天候不間斷工作，獲取云覆蓋下的圖像信息，獲取的圖像具有較好的紋理信息，可以彌補光學信息的不足[6]。根據國內外近期相關研究，張臘梅[7]等提出基于3D卷積神經網絡的PolSAR圖像地物精細分類方法，將傳統卷積神經網絡擴展為三維并將其應用于PolSAR圖像分類中，張月[8]等提出了一種基于一致相似度網絡融合的極化SAR圖像非監督地物分類方法，茍水萍[9]等提出了一種基于稀疏表示的海岸帶土地利用類型分類方法，Carolyne Danilla[10]等將卷積神經網絡(CNN)與馬爾可夫隨機場(MRF)結合用于分析多時相系列的Sentinel-1圖像，對荷蘭弗萊福蘭的農田進行了分類提取。

深度學習模型靈感來源于人類腦部結構[11]，依靠多個神經元的聯結，對輸入數據進行底層到高層的逐 層抽象特征，從而可以在圖像、文本和語音等領域展現其強大的能力，并轉而被用于更多領域。深度神經網絡依靠其強大的學習能力和泛化能力，逐漸替代了其它機器學習手段，成為了該領域最主要的技術并被越來越多的學者涉足和應用。現有的深度學習模型已經有了很多，但這些模型的基本框架主要有深度置信神經網絡、卷積神經網絡和自編碼器等，其中在圖像處理領域應用最廣泛的就是卷積神經網絡[12]。本文使用改進于卷積神經網絡的深度模型Segnet，對SAR圖像進行土地利用分類。根據文獻[13]，并且結合SAR圖像特性，把研究域內土地分為包括水域、林地、建筑、草地、耕地、裸地、公路七個類別進行分類和研究。

2 模型原理和分析

卷積神經網絡是一類包含卷積計算且具有深度結構的前饋神經網絡，是深度學習的代表算法之一。卷積神經網絡是一種多層神經網絡，擅長處理圖像相關的機器學習問題。近些年，針對 CNN具有避免圖像的復雜前期預處理的優勢，該網絡被廣泛應用于圖像的模式分類領域。其基本架構如圖1所示。

圖1 卷積神經網絡

經典的CNN一般包括卷積層、池化層、全連接層和分類器在卷積層中，其目的是對圖像進行特征提取。 即通過對上一層輸出的特征圖進行卷積，并在加入偏置后通過一個激活函數激活，得到當前層的輸出 特征圖，即得到當前層對應特征情況，如式1所示

(1)

其中，x表示特征圖，Mj表示輸入特征圖的集合，k為卷積核，b為偏置，l是層序號，i是卷積核序號，j是特征圖通道序號。對于池化層而言，該層 設置的目的是對圖像進行下采樣處理，而經典的池 化方法包括：最大池化、均值池化等。在全連接層 中可將上一層得到的特征圖進行按順序排列，得到 1維向量，對其進行典型神經網絡連接。最后，對于不同神經元的輸出進行分類器分類，一般采用 softmax或支持向量機(Support Vector Machine， SVM)分類器，得到分類標簽。

Segnet[14]是Cambridge的Vijay Badrinarayanan提出的圖像語義分割深度網絡，是一種基于語義的圖像分割模型。該模型具有空間資源占用少，訓練參數較少，訓練速度較快的優點，同時對圖像分割結果有相對明顯的提升。該模型是一種端到端的對稱結構，包含編碼，解碼兩個部分。Segnet基于卷積神經網絡，是通過修改VGG-16網絡得到的語義分割網絡。可以在其基礎上進行修改，使得網絡能夠適應SAR圖像，從而使用Segnet進行SAR圖像的分類。Segnet具有編碼器網絡和相應的解碼器網絡，以及進行最終像素分類的分類層。在編碼器處，執行卷積和最大池化。在解碼器處，使用最大池化的索引進行上采樣和卷積。最后，每個像素送到softmax分類器，使用K類softmax分類器來預測每個像素的類別。Segnet與FCN[15](Fully Convolutional Networks)思路相似，不同處主要為編碼部分和解碼部分使用的技術不一致。編碼過程中，通過卷積提取特征，該網絡使用的卷積為same卷積(卷積后保持圖像原尺寸)。在解碼過程中，同樣使用same卷積，此時卷積的作用是豐富因上采樣而變大圖像的信息，使得在池化過程丟失的信息可以通過學習在解碼過程中得到。在Segnet中池化層多了一個池化索引功能(每次池化，都會保存濾波器選出的權值的位置)，此功能可以有效地減少學習所需的參數，提高學習速度。在上采樣過程中，池化層而丟失的權值是無法復原的，此時使用index信息，將剩余權值恢復到池化之前的位置，減少了學習的過程，是Segnet相對于FNC有明顯提升的原因。圖3中，左半部分的網絡結構為編碼器部分，通過卷積提取特征，通過池化層增大感受野，同時圖片變小。右邊是解碼器部分，通過反卷積使得圖像分類后特征得以重現，上采樣還原到圖像原始尺寸。最后通過softmax，輸出不同分類的最大值，得到最終分割圖。

3 數據源和方法

3.1 數據源

本文中使用的數據是TerraSAR-X衛星拍攝的3米分辨率的HH單極化數據，拍攝時間為2018年3月23日22時31分。衛星數據覆蓋區域為珠江三角洲入海口(廣州市南沙區)，如圖2所示。地球探測衛星TerraSAR-X是由德國發射的首顆多用途偵察衛星，于2007年6月15日發射。該衛星采用太陽同步軌道，其軌道高度約514公里，傾角97.4度，重訪周期為11天，是目前世界上探測精度較高的衛星之一[16]。SAR衛星運行不依賴氣象條件，云層覆蓋和光照度，不會應為天氣原因導致無法獲得衛星數據，因此對于華南地區多云多雨的天氣有較好的適應效果。

圖2 Segnet網絡結構

圖2 研究區域范圍

3.2 圖像濾波

SAR圖像中會有部分與圖像內容無關的斑點，這是由于雷達目標回波信號的衰落現象引起的。表現在圖像上，就產生了不可避免的斑點噪聲現象。噪聲會對SAR圖像的質量產生影響，因此在處理數據之前，進行濾波，降低噪聲是必要的工作。本文對原始SAR圖像進行Gamma濾波算法處理，從而達到對原始圖像進行降噪的目的。Gamma MAP濾波是一種幾何濾波法，把圖像的平面坐標加上灰度值考慮為一種三維模型，用形態學的方法去除噪聲，這種濾波器的邊緣保持能力較好。如下式2為Gamma MAP濾波的方法

(2)

3.3 地理編碼

SAR系統觀測到的是電磁波入射地球表面后反射(后向散射)的雷達脈沖的強度和相位信息。這個信息編碼到雷達坐標系統下，即斜距坐標系，被記錄下來。實驗中，需要將SAR數據從斜距坐標系轉到地理坐標系，即SAR數據的地理編碼。同時，TerraSAR-X衛星的原始數據圖像為左右倒置，在實驗和應用中會產生標注鏡像問題，故對SAR數據進行地理編碼是必要的。本研究中采用WGS-84地理坐標系。WGS-84坐標系(World Geodetic System)是一種國際上采用的地心坐標系。坐標原點為地球質心，其地心空間直角坐標系的Z軸指向協議地極方向，X軸指向協議子午面和CTP赤道的交點，Y軸與Z軸、X軸垂直構成右手坐標系，稱為1984年世界大地坐標系，是一個國際協議地球參考系統。

3.4 數據增強

數據增強深度學習中普遍用到的一種數據處理方法。通過數據增強，增加訓練樣本的數據量，提高模型的泛化能力。尤其在樣本數據不是足夠充分的條件下，使用數據增強的方法能對訓練結果產生提升。本研究中，使用了翻轉，平移，縮放的方法進行數據增強，使得原始樣本由180個增加到1480個，擴充了較充分的數據。

4 實驗及分析

為防止出現過擬合現象，Segnet模型訓練20個Epoch。圖3表明訓練集精度和驗證集精度在第12Epoch之前呈增長趨勢，同時損失函數值呈下降趨勢。但在第12至20個Epoch中，訓練集損失函數、精度，驗證集損失函數、精度，分別出現不同程度的波動。其中驗證集損失函數的波動較大。是由于在此階段出現過擬合現象，故應選用前12個Epoch中驗證集精度最高的輪數時的模型。綜合以上，實驗選取第11個Epoch的訓練模型作為最終結果。

圖3 訓練過程損失函數及精度變化圖

使用該模型對廣州市南沙區的TerraSAR影像進行土地利用分類，分類結果與原始圖像和Ground-Truth對比如圖4所示，其中a1，b1為選取的兩個場景樣例的圖像，a2，b2為兩個所選取場景的Ground Truth圖像，a3，b3為使用本文方法所得的圖像分類結果。

圖4 原始圖像、GroundTruth、分類結果對比圖

使用Segnet的分類結果中各種地物區分較為完整，由于模型采用深度網絡，在淺層的學習中提取到圖像局部特征，在深層的學習中提取到全局特征，因而模型可以學習到充分的地物特征信息。模型對同一類地物的分割很少產生割裂的現象，錯分現象也較少。但也存在少部分區域分割效果不好的情況，如圖4中b區域右上方公路部分產生斷裂以及類型錯分的情況。同時由于SAR圖像固有的噪聲問題，也使得圖像中分類結果會有部分斑點存在。

由于本文分類方法結合了SAR圖像特征提取和Segnet深度神經網絡，因此在分割結果中很好地分出不同地物類型之間的邊界，同時能夠得到較高的分類準確性，實驗分類的總體精度和Kappa系數可以證明此結論。

Kappa系數用于一致性檢驗與衡量分類精度，Kappa系數是基于混淆矩陣的。

注：總體精度Overall Accuracy：0.791，Kappa系數：0.721

在混淆矩陣中，使用某一類別正確分類的樣本個數除以該類的真實樣本個數可得該類地物的分類精度。由圖5混淆矩陣結合精度計算公式得出：對于水域，林地，建筑，本文所使用的方法分別有96%，96%，85%的分類精確度。本文方法對比其它深度學習方法與傳統方法：使用基于VGG16的深度網絡分類方法，水域、林地、建筑的分類精度分別為89%、83%、70%；使用基于Resnet的深度網絡分類方法，水域、林地、建筑的分類精度分別為93%、89%、87%；使用Mahalanobis Distance分類方法水域、林地、建筑的分類精度分別為57%、49%、31%；使用Minimum Distance分類方法，三類精度分別為55%、28%、29%。比較可知，本文方法相較傳統方法，分類精度有較大提高，同時相對深度學習的其它方法，在水域、林地的分類精度上也有一定程度的提升。

圖5 分類結果混淆矩陣

使用Segnet模型對TerraSAR影像中的水域、林地的分類精度最高，一方面由于水體、林地的散射特性較其它地物類型有較大區別，另一方面說明使用Segnet模型對該兩類地物特征提取較好，區分顯著。建筑區域在研究中，范圍較廣，區分效果較好，但有部分被錯分為林地。對于耕地區域，分類精度有略微下降，分析原因有耕地區域耕種作物類型多，散射特性不一致，并受季節影響較大，是導致該類精度有所下降的原因。公路分類精度相對較低，是由于公路在圖像中像素占有率低，而使用影像的分辨率又較低，導致素點較少，從而使得三類地物在圖像上的特征學習程度較低，導致對公路分類的結果精度也相對低。總結上述結果，在研究區域地物分類中，使用本文方法，將地物分為7中不同類別，對多數地物可以做到70%以上的精確度，但在道路這樣的像素占有率較低的地物類別的分類結果還有待提高。

5 結束語

本文將廣州市南沙區作為案例，研究該地區地物分類的方法。研究中以 TerraSAR-X HH極化影像為數據源，采用Gamma MAP濾波、地理定標、數據增強的方法減少圖像噪聲、校正圖像地理定位、增加數據量。訓練Segnet深度網絡模型，再對圖像進行分類預測，從而得到地物類型分類結果。水域、林地、建筑、草地、耕地、裸地均有高準確率的結果，其中水域、林地的分類結果最好。

值得注意的是，本方法對公路等一些地物類型的分類結果存在一定偏差，在SAR圖像固有的噪聲在分類結果上會有少量斑點的問題。因此在今后的研究中，會考慮使用不同的SAR圖像結合極化分解的方法進行分類，并且使用不同的深度網絡來進行訓練，以提高對不同圖像和地理區域的SAR圖像分類效果。