遙感圖像語義分割方法探析

呂 華，鄭建文

（1.江西理工大學(xué) 建筑與測繪工程學(xué)院，江西 贛州340000；2.浙江省國土勘測規(guī)劃有限公司，浙江 杭州310030）

1 遙感圖像語義分割方法研究進展

遙感圖像語義分割（Remote Sensing Image Semantic Segmentation，RSISS）方法是常見RSIS 方法的擴展。通過使用類別（即目標的語義標簽）標記圖像的每個像素，可以同時完成圖像像素分類和圖像目標分割兩個過程。RSISS 的主要方法有兩種，一種是基于區(qū)域的RSISS 方法，另一種是基于深度學(xué)習(xí)的RSISS 方法。

1.1 基于區(qū)域的RSISS 方法

在深度學(xué)習(xí)未廣泛得到應(yīng)用時，基于候選區(qū)域的語義分割方法在RSISS 中最典型。

基于區(qū)域的RSISS 方法先使用RSIS 技術(shù)劃分多個區(qū)域進行分類，常用的是基于數(shù)學(xué)理論的RSIS 方法和基于區(qū)域的RSIS 方法，如基于馬爾可夫模型、分水嶺模型等。然后，提取RSI 區(qū)域的特征。RSI 中不同地物的組成成分、表面形態(tài)和內(nèi)部結(jié)構(gòu)不同，所包含的光譜信息也不同，如歸一化植被指數(shù)。在RSI 中呈現(xiàn)出的紋理粗糙度和方向不同。最后，為各區(qū)域設(shè)定類別。利用提取的區(qū)域特征將基于區(qū)域的RSIS 轉(zhuǎn)換為基于像素的RSIS，構(gòu)造分類器，并使用機器學(xué)習(xí)方法，如利用隨機森林方法等方法來獲得基于區(qū)域的RSISS 的最終結(jié)果。

1.2 基于深度學(xué)習(xí)的RSISS 方法

近年來，隨著高分辨率RSI 的不斷發(fā)展，“同譜異物”和“同物異譜”的現(xiàn)象變得越來越嚴重，使得傳統(tǒng)的基于區(qū)域的RSISS 方法的分割準確度和精度較差。因此，以深度學(xué)習(xí)的最新進展為基礎(chǔ)的RSISS 開始迅速發(fā)展。其中，基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的RSISS 方法是目前主要體現(xiàn)。CNN方法是使用大量具有像素注釋的像素作為訓(xùn)練樣本、訓(xùn)練分類器，并對圖像進行逐像素分類。在卷積層和池化層之后，CNN 將連接到完全連接的層以進行分類。全連接層將RSI在卷積和池化層中獲得的特征圖映射到固定長度的特征向量。特征向量表示RSI 屬于每個類別的概率，而概率最高的類別表示為RSI 的類別。很多綜述文章中比較并分析了主流語義分割競爭、數(shù)據(jù)集和網(wǎng)絡(luò)結(jié)構(gòu)。以下是近年來基于深度學(xué)習(xí)的語義分割方法的概述。

LONG 等人（2015 年）[1]提出了基于全卷積網(wǎng)絡(luò)（FCN）的圖像語義分割模型，該模型實現(xiàn)了像素到像素的圖像語義分割。關(guān)鍵是將CNN 結(jié)構(gòu)中的完全連接層轉(zhuǎn)換為卷積層，通過反卷積操作將其上采樣，尺寸升至原始RSI 大小，并結(jié)合中間池化層信息以生成RSIS 預(yù)測分割圖。此外，BADRINARAYANAN 等人（2017 年）[2]提出了一種SegNet深度卷積網(wǎng)絡(luò)模型，SegNet RSISS 模型的過程如圖1 所示。該結(jié)構(gòu)的關(guān)鍵在于，編碼器將在合并時保留最大合并的索引值，并在解碼階段使用此數(shù)值，還原目標的邊緣位置，進而提高RSISS 的準確性。

圖1 SegNet 語義分割過程

但是，基于FCN 模型和基于SegNet 模型的RSISS 方法都只使用了一部分RSI 詳細信息，獲得的RSISS 結(jié)果較為粗糙且過于平滑。因此，基于DeepLab 系列框架的深度學(xué)習(xí)RSISS 模型被提出，使用卷積代替FCN 池化操作，從而減少了計算量，并確保特征圖像的尺寸大小不變，保留了RSI中的空間結(jié)構(gòu)信息，從而使輸出結(jié)果更加準確。

2 RSISS 方法的優(yōu)缺點

與傳統(tǒng)的RSIS 方法相比，RSI 的語義分割方法顯示出較為理想的分割效果?；谏疃葘W(xué)習(xí)的RSISS 方法可以更好地學(xué)習(xí)高空間分辨率RSI 的數(shù)據(jù)特征，提高RSI 特征識別的準確性，并且工作效率更高。目前通常使用基于CNN 優(yōu)化方法來改進常見RSI 的語義分割方法，例如VGG、GoogleNet、ResNet 方法等。但是，仍舊面臨以下幾個方面的挑戰(zhàn)。

如何保持分割結(jié)果與語義分割目標的一致性，提高基于CNN 的深度學(xué)習(xí)RSISS 方法的分割精度。針對這個問題，學(xué)者們進行了許多相關(guān)研究。如在FCN 中，添加了反卷積融合結(jié)構(gòu)，并融合了淺層詳細信息和深層語義信息。引入了空間上下文信息，以更好地定位邊界并提高RSISS 的準確性[3]。

在充分利用RSI 豐富的詳細信息和上下文信息的同時，如何平衡算法分割效果和時間復(fù)雜度之間的關(guān)系。根據(jù)先前的研究，CHEN 等人（2018 年）[4]使用DeepLab 作為網(wǎng)絡(luò)的前端，并與Inception 結(jié)構(gòu)結(jié)合提出了一種改進的網(wǎng)絡(luò)。該方法在不降低特征提取能力的情況下，通過減少網(wǎng)絡(luò)參數(shù)的數(shù)量和網(wǎng)絡(luò)操作的復(fù)雜度，有效地提高網(wǎng)絡(luò)的訓(xùn)練速度。在RSI 數(shù)據(jù)集上進行語義分割實驗表明，改進后的網(wǎng)絡(luò)具有更高的訓(xùn)練速度和準確性。

大多數(shù)RSISS 方法都是基于訓(xùn)練樣本進行標記的，需要大量的時間和精力來預(yù)先標記樣本，而手動標記具有主觀性和不確定性。因此，越來越多的研究者將注意力轉(zhuǎn)向弱監(jiān)督、半監(jiān)督和無監(jiān)督條件下的RSI 語義分割。不需要昂貴的像素級信息即可獲得與現(xiàn)有方法效果相當(dāng)?shù)恼Z義分割精度。

由于RSI 語義分割的數(shù)據(jù)集很少，因此很難直接訓(xùn)練出理想的語義分割模型?，F(xiàn)有研究通常在語義分割模型中使用RSI 和普通圖像在紋理、顏色和其他特征上的相似性，在訓(xùn)練過程中對參數(shù)進行進一步的微調(diào)，以提高訓(xùn)練效率和語義分割模型的分割效果。

由于高分辨率RSI 類型和特征復(fù)雜，有必要獲取不同尺度的RSI 特征執(zhí)行基于深度學(xué)習(xí)的RSISS。為了獲得RSI 中不同尺度的特征，張靜等人（2019 年）[5]提出了基于融合多尺度特征的編碼器，使用不同大小的卷積核來提取不同尺度的特征。可獲得足夠的語義信息。徐昭洪等人（2019 年）[6]使用強大的VGG16 網(wǎng)絡(luò)作為U-net 模型的編碼器，改進的U-net 模型對RSI 中建筑物的分割和提取具有更高的精度。

3 結(jié)束語

與傳統(tǒng)的RSIS 方法相比，RSISS 方法能得到更加精確的結(jié)果，目前在學(xué)術(shù)界得到了廣泛的研究。但由于RSI 本身的諸多特性（光譜、形狀及紋理特征豐富等），對RSISS仍需進行更加深入的研究。RSISS 在土地利用規(guī)劃、地理測繪、農(nóng)業(yè)和數(shù)字空間建模等方面的應(yīng)用將會更加廣泛。