面向遙感影像智能分類的海量樣本數(shù)據(jù)采集方法

程 滔，吳 蕓，鄭新燕，楊 剛，白 駒

(1.國家基礎(chǔ)地理信息中心，北京 100830；2.中國地圖出版社，北京 100045)

隨著計算機硬件的發(fā)展與計算能力的提升，大數(shù)據(jù)計算與分析、人工智能、深度學(xué)習(xí)等先進技術(shù)取得了實質(zhì)性的快速進步[1-2]，并在商品識別、人臉識別、目標(biāo)檢測、敏感圖識別、人類活動分析等實際應(yīng)用場景中發(fā)揮了重要作用[3]，應(yīng)用潛力十分巨大。

基于深度學(xué)習(xí)等技術(shù)的遙感影像智能分類是近年來遙感領(lǐng)域研究的熱點[4-6]。這些技術(shù)的實質(zhì)，是通過構(gòu)建具有很多隱層的機器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)更有用的特征，從而提升分類準(zhǔn)確性。因此，遙感影像智能分類需要大規(guī)模訓(xùn)練樣本和測試樣本數(shù)據(jù)，并且樣本數(shù)據(jù)準(zhǔn)確度越高，通過訓(xùn)練進行識別和分類的精度就越高[7]。這里的樣本數(shù)據(jù)指遙感影像和遙感影像對應(yīng)的明確的地物目標(biāo)組成的一一對應(yīng)的關(guān)系數(shù)據(jù)組。

地理國情監(jiān)測重大專項形成的覆蓋全國范圍的高分辨率遙感影像、高精度地表覆蓋分類產(chǎn)品[8]，為遙感影像智能分類海量樣本數(shù)據(jù)采集提供了豐富、可行的數(shù)據(jù)資源?；谶b感影像數(shù)據(jù)與地表覆蓋分類柵格化數(shù)據(jù)，利用空間位置匹配技術(shù)，構(gòu)建遙感影像與地表覆蓋分類標(biāo)簽數(shù)據(jù)對，通過大規(guī)模采集，可為遙感影像智能分類提供精確的樣本數(shù)據(jù)[9-10]。

本文針對遙感影像智能分類對高質(zhì)量、大規(guī)模樣本數(shù)據(jù)的需求，開展海量樣本數(shù)據(jù)采集方法研究，解決采集過程中的各項技術(shù)難點；同時開發(fā)樣本數(shù)據(jù)自動采集軟件。利用整套方法，完成全國尺度海量樣本數(shù)據(jù)的采集，并基于多個不同區(qū)域的采集過程與樣本數(shù)據(jù)成果，對方法的實用性、運算性能進行評估。

1 數(shù)據(jù)源

1.1 高分辨率遙感影像

地理國情監(jiān)測使用的遙感影像數(shù)據(jù)空間分辨率標(biāo)準(zhǔn)為全國優(yōu)于2.5 m、重點區(qū)域優(yōu)于1 m，以資源三號測繪衛(wèi)星獲取的影像為主，其他國產(chǎn)高分辨率遙感影像(包括高分一號、高分二號、北京二號、天繪一號等)及商業(yè)衛(wèi)星遙感影像(包括WorldView-1/2、GeoEye、QuickBird、pléiade-1A/1B、SPOT 6/7等)進行補充，部分地區(qū)根據(jù)需要開展航空攝影、無人機航空攝影獲取影像。原始影像各波段位深為16 bit，分幅數(shù)字正射影像各波段位深為8 bit[11]。

地理國情監(jiān)測的標(biāo)準(zhǔn)時點為6月30日，這種多源遙感影像協(xié)同滿足地理國情監(jiān)測需求的現(xiàn)狀，使得遙感影像呈現(xiàn)傳感器類型多樣性、分辨率多樣性、時相多樣性的特點。這一特點也豐富了海量樣本數(shù)據(jù)成果的內(nèi)容，有利于智能分類兼顧更多的數(shù)據(jù)特征。

1.2 高精度地表覆蓋分類產(chǎn)品

地理國情監(jiān)測地表覆蓋分類產(chǎn)品包含種植土地、林草覆蓋、房屋建筑(區(qū))、鐵路與道路、構(gòu)筑物、人工堆掘地、荒漠與裸露地、水域8個一級類、46個二級類、86個三級類，類型劃分以地物自然屬性為主要依據(jù)[12]，均是基于資源三號、高分二號、WorldView-1/2等高分辨率遙感影像采集，全國范圍全覆蓋、無縫隙，采集指標(biāo)基本要求是最小圖斑對應(yīng)的地面實地面積為400 m2。該產(chǎn)品為各部門掌握地表自然資源、生態(tài)環(huán)境及人類活動基本情況提供了高精度的地表覆蓋數(shù)據(jù)基礎(chǔ)。

地理國情監(jiān)測地表覆蓋分類產(chǎn)品格式為矢量空間格式，全國范圍圖斑數(shù)量達到數(shù)億個。在開展樣本數(shù)據(jù)采集時，以縣級行政區(qū)劃為單元，對矢量數(shù)據(jù)進行了柵格化處理，柵格化粒度為1 m×1 m。采用面積最大法確定各柵格所代表的地表覆蓋類型，即柵格范圍區(qū)域內(nèi)，各類型中面積占比最大的類型作為該柵格的分類類型。地表覆蓋分類產(chǎn)品的分類代碼最大為4位數(shù)字，因此柵格化結(jié)果位深定義為16 bit。

2 研究方法

全國尺度海量樣本數(shù)據(jù)采集數(shù)據(jù)量巨大，因此，以縣級行政區(qū)劃為單元進行采集，最終聚合形成全國尺度海量樣本數(shù)據(jù)集。基于數(shù)據(jù)源特征分析，海量樣本數(shù)據(jù)采集需要研究解決縣域采集數(shù)量權(quán)重設(shè)置、坐標(biāo)投影轉(zhuǎn)換、柵格灰度重采樣、無效樣本數(shù)據(jù)過濾、地表覆蓋分類碼映射、樣本數(shù)據(jù)命名標(biāo)識、特定地表覆蓋類型樣本數(shù)據(jù)采集等關(guān)鍵技術(shù)問題，實現(xiàn)海量樣本數(shù)據(jù)采集的自動化、批量化，提升采集效率。海量樣本數(shù)據(jù)采集技術(shù)流程如圖1所示。

2.1 縣域采集數(shù)量權(quán)重設(shè)置

每個縣級行政區(qū)劃樣本采集數(shù)量采用面積因子進行自動分配，根據(jù)縣域面積與全國縣平均面積的大小關(guān)系、全國尺度需要采集的樣本數(shù)據(jù)總數(shù)量，并考慮采集過程中存在無效樣本塊的因素，分配合理的采集數(shù)量。

2.2 坐標(biāo)投影轉(zhuǎn)換

地理國情監(jiān)測地表覆蓋柵格數(shù)據(jù)坐標(biāo)為CGCS2000，分幅數(shù)字正射影像坐標(biāo)為CGCS2000坐標(biāo)系下的高斯-克呂格投影坐標(biāo)?；谖恢闷ヅ浼夹g(shù)的樣本數(shù)據(jù)采集是由采集的有效的地表覆蓋柵格影像塊的中心點大地坐標(biāo)，計算對應(yīng)的分幅數(shù)字正射影像的圖幅號，檢索分幅數(shù)字正射影像數(shù)據(jù)文件，最后進行采集。

因此，在創(chuàng)建輸出的數(shù)字正射影像塊時，坐標(biāo)、行列數(shù)與地表覆蓋柵格影像塊保持一致；獲取到地表覆蓋柵格影像塊的中心點大地坐標(biāo)后，對輸出的數(shù)字正射影像塊進行各像素循環(huán)，利用高斯正算算法進行坐標(biāo)投影轉(zhuǎn)換，從分幅數(shù)字正射影像中重采樣各像素灰度值。

2.3 柵格灰度重采樣

地理國情監(jiān)測地表覆蓋柵格數(shù)據(jù)分辨率統(tǒng)一為1 m，分幅數(shù)字正射影像分辨率包括0.5、1、2 m 3種形式[11]。對于0.5、2 m的分幅數(shù)字正射影像，在輸出數(shù)字正射影像塊時，分辨率需要重采樣至1 m。

針對分幅數(shù)字正射影像存在3種分辨率的情況，在創(chuàng)建輸出的數(shù)字正射影像塊時，坐標(biāo)、行列數(shù)與地表覆蓋柵格影像塊保持一致；對輸出的數(shù)字正射影像塊進行各像素循環(huán)，利用雙線性內(nèi)插算法從分幅數(shù)字正射影像中重采樣各像素灰度值。

2.4 無效樣本數(shù)據(jù)過濾

2.4.1 數(shù)字正射影像無效影像塊過濾

采集數(shù)字正射影像塊時，進行灰度值統(tǒng)計判斷，統(tǒng)計像素灰度值為(0,0,0)，即各波段像素灰度值均為0的像素數(shù)目。該數(shù)目大于影像塊像素總數(shù)目10%時，將該影像塊判定為無效影像塊，不進行采集。

在采集過程中，存在另外一種情況，即地表覆蓋柵格影像塊有效，但數(shù)字正射影像塊無效。對于有效的地表覆蓋柵格影像塊，在采集數(shù)字正射影像塊時，由于數(shù)字正射影像按標(biāo)準(zhǔn)分幅組織，可能剛好處于分幅數(shù)字正射影像的邊緣，因此存在0值區(qū)，即數(shù)字正射影像塊無效的情況。這種地表覆蓋柵格影像塊不滿幅或數(shù)字正射影像塊不滿幅的影像塊組合均應(yīng)刪除，以保證樣本數(shù)據(jù)成果的有效性。

2.4.2 地表覆蓋柵格無效影像塊過濾

采集地表覆蓋柵格影像塊時，進行灰度值判斷，只要存在像素灰度值為0的情況，則說明該影像塊存在無值區(qū)，不進行采集。

2.5 地表覆蓋分類碼映射

為便于樣本數(shù)據(jù)應(yīng)用，并減少數(shù)據(jù)量，地表覆蓋柵格影像塊與數(shù)字正射影像塊均輸出為8 bit。由于原始地表覆蓋柵格數(shù)據(jù)為16 bit，因此，需要將其自動轉(zhuǎn)換為8 bit。

轉(zhuǎn)換方法為：創(chuàng)建TXT文本格式的索引文件，索引值為16 bit分類碼和對應(yīng)的8 bit分類碼值，針對采集的地表覆蓋柵格影像塊，根據(jù)其原始16 bit分類碼，映射得到其8 bit分類碼，并作為輸出結(jié)果值。

2.6 樣本數(shù)據(jù)命名標(biāo)識

采集的地表覆蓋柵格影像塊與數(shù)字正射影像塊均輸出為JPG格式，不帶空間坐標(biāo)。數(shù)據(jù)命名標(biāo)識規(guī)則為：地表覆蓋柵格影像塊和對應(yīng)的數(shù)字正射影像塊文件命名標(biāo)識一致，由38位字符組成，包含縣級行政區(qū)劃代碼、數(shù)字正射影像波段數(shù)、原始遙感影像獲取時間、采集的樣本塊中心點經(jīng)度坐標(biāo)、采集的樣本塊中心點緯度坐標(biāo)(用度分秒表示，精度至0.001″)5項信息。具體為：第1—6位字符為6位縣級行政區(qū)劃代碼(反映樣本數(shù)據(jù)的空間地域)；第7位字符為數(shù)字正射影像波段數(shù)；第8—15位字符為原始遙感影像獲取時間(從分幅數(shù)字正射影像元數(shù)據(jù)中獲取)；第16—25位字符為采集的樣本塊中心點經(jīng)度坐標(biāo)；第26—34位字符為采集的樣本塊中心點緯度坐標(biāo)；第35—38位字符為文件后綴名.jpg。例如：1301013201609190980202333360202333.jpg。

從分幅數(shù)字正射影像元數(shù)據(jù)中獲取原始遙感影像獲取時間時，分為3種情況：①航空攝影影像數(shù)據(jù)，讀取“航攝時間”字段，只有年、月6位字符，第8—15位字符用“0”補齊至8位，如20160900。②衛(wèi)星影像數(shù)據(jù)，首選讀取“多光譜衛(wèi)星影像獲取時間”字段，有年、月、日8位字符，如20160919；如果該字段值為空，則讀取“全色衛(wèi)星影像獲取時間”字段，有年、月、日8位字符，如20160919。③如果讀取這3個字段，獲取的值均為空，則第8—15位字符用“0”補齊至8位。

2.7 特定地表覆蓋類型樣本數(shù)據(jù)采集

樣本數(shù)據(jù)大規(guī)模位置匹配采集是以縣級行政區(qū)劃為單元，以地表覆蓋柵格數(shù)據(jù)為主線，通過規(guī)則格網(wǎng)劃分進行的，那么采集結(jié)果就可能出現(xiàn)部分地表覆蓋類型采集的樣本數(shù)目較多、部分地表覆蓋類型采集出的樣本數(shù)目較少甚至沒有的情況。同時，部分地表覆蓋類型需要采集到純凈的單一地表覆蓋類型的樣本數(shù)據(jù)。

針對這種需求，本文采用的方法具體如下：自定義一個TXT文本格式的采集參數(shù)文件，將相關(guān)信息錄入TXT文本文件中，包括批采集數(shù)量、特定地表覆蓋類型樣本數(shù)據(jù)的分類代碼、采集的樣本塊中心點經(jīng)度坐標(biāo)、采集的樣本塊中心點緯度坐標(biāo)、樣本塊列數(shù)、樣本塊行數(shù)，各列之間用tab鍵或空格分開。通過讀取采集參數(shù)文件，實現(xiàn)相應(yīng)樣本數(shù)據(jù)的采集，即可滿足這種特定需求。

3 軟件研發(fā)

面向遙感影像智能分類的海量樣本數(shù)據(jù)規(guī)模巨大，目前商業(yè)軟件難以滿足采集效率需求。針對這一現(xiàn)狀，本文自主研發(fā)了柵格空間數(shù)據(jù)大規(guī)模位置匹配采集軟件——LCARasterTile，根據(jù)地理國情監(jiān)測高分辨率遙感影像及高精度地表覆蓋分類產(chǎn)品的數(shù)據(jù)管理方式、數(shù)據(jù)量等特點，按照全國各縣面積大小，設(shè)置合理的采集參數(shù)，利用空間位置匹配技術(shù)實現(xiàn)全國尺度海量樣本數(shù)據(jù)采集，提高數(shù)據(jù)采集效率，滿足面向遙感影像智能分類的海量樣本數(shù)據(jù)需要。

3.1 軟件特點

LCARasterTile軟件是在Visual Studio 2010集成開發(fā)環(huán)境中，利用Microsoft Visual C++語言實現(xiàn)的。開發(fā)過程中，調(diào)用了GDAL(geospatial data abstraction library)開源柵格空間數(shù)據(jù)轉(zhuǎn)換庫[13]。

LCARasterTile軟件操作簡便，實現(xiàn)了大規(guī)模柵格空間數(shù)據(jù)的自動化、批量化位置匹配采集，提高了數(shù)據(jù)采集效率，保證了樣本數(shù)據(jù)集產(chǎn)品質(zhì)量，并節(jié)約了人力、物力成本。

軟件主要具有以下幾個特點：①軟件支持大數(shù)據(jù)的輸入、讀取與處理；②軟件可根據(jù)遙感影像智能分類對樣本影像塊尺寸需求，設(shè)置不同的采集尺寸；③軟件能夠?qū)崿F(xiàn)無效樣本數(shù)據(jù)的自動過濾；④針對特定地表覆蓋類型樣本數(shù)據(jù)采集需求，軟件可進行特定模式采集；⑤軟件具有批處理功能，數(shù)據(jù)處理效率高；⑥軟件界面友好，操作簡便。

3.2 軟件輸入

軟件輸入數(shù)據(jù)包括3項：

(1)地理國情監(jiān)測地表覆蓋柵格數(shù)據(jù)。數(shù)據(jù)文件采用IMG(后綴名為“.img”)格式，經(jīng)緯度坐標(biāo)；多個數(shù)據(jù)文件存儲在同一個文件夾中，便于進行批處理操作。

(2)數(shù)字正射影像數(shù)據(jù)。數(shù)據(jù)文件采用非壓縮的TIFF格式(后綴名為“.tif”)，高斯-克呂格投影坐標(biāo)；影像坐標(biāo)信息文件采用TIFF WORLD文檔格式(后綴名為“.tfw”)；數(shù)據(jù)文件與影像坐標(biāo)信息文件的文件命名標(biāo)識一致；多個數(shù)據(jù)文件存儲在同一個文件夾中，便于進行批處理操作。

(3)采集參數(shù)數(shù)據(jù)。在進行特定地表覆蓋類型樣本數(shù)據(jù)采集時，還需要輸入TXT格式采集參數(shù)數(shù)據(jù)；記錄內(nèi)容包括：批采集數(shù)量、特定地表覆蓋類型樣本數(shù)據(jù)的分類代碼、采集的樣本塊中心點經(jīng)度坐標(biāo)、采集的樣本塊中心點緯度坐標(biāo)、樣本塊列數(shù)、樣本塊行數(shù)。在進行大規(guī)模采集時，采集參數(shù)只需輸入采集尺寸，默認(rèn)值為1023，即采集列數(shù)、采集行數(shù)均為1023個像素。

3.3 軟件輸出

軟件輸出成果為位置匹配的遙感影像數(shù)據(jù)與分類標(biāo)簽數(shù)據(jù)組成的樣本數(shù)據(jù)對，均為JPG格式，兩者命名標(biāo)識一致，存儲在不同的路徑下，并一一對應(yīng)。

4 結(jié)果與分析

利用本文方法，基于LCARasterTile軟件，以縣級行政區(qū)劃為單元，實現(xiàn)了全國尺度海量樣本數(shù)據(jù)采集?？紤]面積、形狀等因素，本文選取湖北省武漢市5個縣級行政區(qū)劃作為樣例區(qū)，利用其成果，對整套方法的實用性及軟件運算性能進行評估。

樣例區(qū)包括武漢市漢南區(qū)、蔡甸區(qū)、江夏區(qū)、黃陂區(qū)、新洲區(qū)。

采集到的單個位置匹配的遙感影像數(shù)據(jù)與分類標(biāo)簽數(shù)據(jù)組成的樣本數(shù)據(jù)對如圖2所示，幅面大小為1023 m×1023 m。其中，圖2(a)為遙感影像數(shù)據(jù)(即數(shù)字正射影像影像塊)，圖2(b)為分類標(biāo)簽數(shù)據(jù)(即地表覆蓋柵格影像塊)，其像素灰度值代表對應(yīng)的地表覆蓋分類碼。

各縣級行政區(qū)劃樣本數(shù)據(jù)采集統(tǒng)計信息見表1，通過采用單個大數(shù)據(jù)分塊、整體數(shù)據(jù)分批循環(huán)處理算法，進行合理的內(nèi)存分配，解決了數(shù)據(jù)運行效率與計算性能問題[14]。表1為單臺計算機、單線程數(shù)據(jù)計算效率，在采集過程中，計算機內(nèi)存占用為300～520 MB(計算機為Windows 7 64位操作系統(tǒng)，32 GB內(nèi)存，1.9 GHz處理器)。

表1 樣本數(shù)據(jù)采集統(tǒng)計信息

從表1可以看出，縣域面積、形狀各不同，采集到的樣本數(shù)據(jù)數(shù)目、密度存在一定差異。根據(jù)表1，采用單臺計算機、單線程，全國尺度采集300萬量級的樣本數(shù)據(jù)對，需要66 d；如果采用5臺計算機、多線程采集，5 d可完成采集，能夠滿足全國尺度采集效率需求。

5 結(jié) 論

(1)本文構(gòu)建了面向遙感影像智能分類的海量樣本數(shù)據(jù)采集方法、采集軟件一整套技術(shù)體系，解決了海量樣本數(shù)據(jù)采集中的技術(shù)問題。自主研發(fā)的LCARasterTile軟件，滿足了樣本數(shù)據(jù)大規(guī)模采集與特定地表覆蓋類型采集需求，保證了海量樣本數(shù)據(jù)質(zhì)量，提升了采集效率。

(2)本文將地理國情監(jiān)測高分辨率遙感影像及高精度地表覆蓋分類產(chǎn)品作為數(shù)據(jù)源，構(gòu)建了位置匹配的遙感影像數(shù)據(jù)與分類標(biāo)簽數(shù)據(jù)組成的樣本數(shù)據(jù)對，解決了目前高精度且具有標(biāo)注信息的樣本數(shù)據(jù)不足的問題。

(3)本文利用提出的一整套方法，實現(xiàn)了全國尺度海量樣本數(shù)據(jù)采集，滿足了遙感影像智能分類對高質(zhì)量、大規(guī)模樣本數(shù)據(jù)的需求，具有實際意義。采集的全國尺度海量樣本數(shù)據(jù)已應(yīng)用于遙感影像智能分類研究中，并取得了一定的成果，后續(xù)將進一步拓展應(yīng)用范圍。