訓練集對遙感圖像超分辨率下自動目標識別影響的研究

王 艷，李 昂，王晟全

（1.南京理工大學 a.紫金學院；b.電子工程與光電技術(shù)學院，南京 210023；2.南京郵電大學 通信學院，南京 210003）

遙感成像技術(shù)的迅猛發(fā)展催生了大量遙感圖像的產(chǎn)生。遙感圖像在國民經(jīng)濟建設(shè)的眾多領(lǐng)域中有著特殊的優(yōu)勢，例如戰(zhàn)場態(tài)勢監(jiān)控、城市交通以及礦物、陸地植被、惰性氣體和人工材料的探測與識別等［1］。自動目標識別（ATR）是計算機自動完成目標捕捉并分類的過程［2-4］。該過程涉及圖像濾波、圖像增強、圖像分割、圖像變換、特征提取、特征選擇、圖像匹配等多個方向的專業(yè)知識［5-6］。本文以船舶為目標，在遙感圖像中實現(xiàn)船舶的自動目標識別。遙感圖像中的船舶屬于小目標，對遙感圖像進行小目標識別并非容易的事情，原因在于遙感圖像的空間分辨率較低，針對普通圖像的自動識別算法無法直接應(yīng)用于遙感圖像。因此在對船舶進行識別之前，需要完成圖像超分辨率（SISR），即將低分辨率圖像映射到高分辨率圖像［7-9］，該技術(shù)可以在不改變物理成像設(shè)備的限制下，獲取更高分辨率的圖像，在遙感圖像處理方面得到了應(yīng)用［10-12］，可以提高遙感圖像的空間分辨率、自動識別的準確率。下面分別介紹ATR和SISR的發(fā)展現(xiàn)狀。

隨著深度學習的巨大進展，基于卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network，CNN）的自動目標識別算法取得巨大進步。相比于傳統(tǒng)方法，目標識別性能得到巨大提升，特別是在復雜場景的自動目標識別方面。Wagner等［13］利用CNN提取數(shù)據(jù)特征，將得到的特征數(shù)據(jù)送入到可訓練的SVM分類器中進行分類。Zeiler等［14］使用遷移學習解決了深度學習應(yīng)用于SAR目標識別時數(shù)據(jù)不足的問題。Chen等［15］用卷積層替換CNN中的全連接層，降低了過擬合風險。Deng等［16］通過在損失函數(shù)中添加歐式距離限制（euclidean distance restriction），使類與類之間的特征更具有可分性。

SISR是低分辨率圖像映射到高分辨率圖像的過程，比任何縮放算法的保真度都高，如圖1所示。SISR可以有效提高圖像的空間分辨率，因此可以減少對更大、更昂貴的衛(wèi)星攝像機的需求。SISR的核心是嘗試將低分辨率圖像映射到高分辨率圖像，如圖2所示。SISR分為3類：基于插值、基于模型和基于判別學習的方法，其中基于判別學習的方法最為主流［17］?；谂袆e學習的算法利用CNN對于大量的圖像訓練數(shù)據(jù)集進行訓練，學習LR圖像和HR圖像之間的映射關(guān)系，從而能夠?qū)擫R圖像進行有效超分辨重構(gòu)。Michal等［18］測試了用于訓練SR網(wǎng)絡(luò)的下采樣方法，使用DIV2K圖像測試了SRResNet和FSRCNN，通過不同的下采樣方法顯示了不同的圖像質(zhì)量得分。Kim等［19］提出一個深度的超分辨網(wǎng)絡(luò)模型VDSR（very deep super-resolution），采用了20個卷積層。Kim等通過實驗驗證了采用更深網(wǎng)絡(luò)模型能夠帶來更好的重建效果，但也會對收斂速度產(chǎn)生很大影響。

圖1 SR提高空間分辨率的效果圖

圖2 SISR示意圖

本文采用超分辨復原生成對抗網(wǎng)絡(luò)（SRGAN），在包括測試船舶本體的多個訓練集中進行訓練，多個訓練集包括農(nóng)業(yè)、城市、雜亂場景、石油、港口和船舶本體，然后采用AlexNet網(wǎng)絡(luò)進行分類檢測，最后采用RetinaNet網(wǎng)絡(luò)進行目標識別。本文主要研究了訓練集對SISR、超分辨率下目標識別的影響，目前相關(guān)研究較少。實驗表明，和不包含測試本體的訓練集相比，包含測試本體的訓練集，SISR后的圖像更加真實，超分辨率下的目標識別準確率更高。

1 超分辨率下目標自動識別算法

1.1 SRGAN網(wǎng)絡(luò)

SRGAN的目的在于將一個低分辨率的圖片轉(zhuǎn)化為一個高分辨率的圖片［20］。SRGAN是基于GAN方法進行訓練，包括一個生成器和一個判別器，判別器的主體使用VGG19，生成器是一連串的Residual block連接，同時在模型后部也加入了subpixel模塊，借鑒了文獻［21］的Subpixel Network思想，讓圖片在最后的網(wǎng)絡(luò)層增加分辨率，提升分辨率的同時，減少計算資源的消耗。

將均方誤差（MSE）的感知損失lSR表示為內(nèi)容損失lSXR和對抗性損失成分lSGRen的加權(quán)和，如式（1）所示：

像素方式的MSE損失lSRMSE計算方法如式（2）所示：將VGG損函數(shù)失定義為重建圖像GθG（ILR）x，y特征表示與參考圖像IHR之間的歐氏距離，如式（3）所示：

其中，φi，j表示從VGG-19網(wǎng)絡(luò)的第j層卷積（激活后）的第i個最大池化層之前獲取的特征圖；Wi，j和Hi，j是VGG網(wǎng)絡(luò)中對應(yīng)特征圖的維數(shù)。

生成損失lSRGEN是基于所有訓練樣本上鑒別器GθC（ISR）的概率定義，如式（4）所示：

DθD（GθG（ILR））定義為重建圖像GθG（ILR）是自然HR圖像的概率。為了更好的梯度表現(xiàn)，使用-log DθD（GθG（ILR））最小化生成損耗函數(shù)，而不是log［1-DθD（GθG（ILR））］。

SRGAN結(jié)構(gòu)如圖3所示，其中每個卷積層指示了相應(yīng)的內(nèi)核大小（k）、特征圖數(shù)量（n）和步幅（s）。

圖3 生成器和鑒別器網(wǎng)絡(luò)的體系結(jié)構(gòu)示意圖

1.2 分類網(wǎng)絡(luò)

在后續(xù)的分類檢測中，本文采用AlexNet［22］網(wǎng)絡(luò)作為分類網(wǎng)絡(luò)的基本框架，前5層為卷積層，然后是全連接層，最后一層是分類層Softmax。傳統(tǒng)網(wǎng)絡(luò)常用的激勵函數(shù)Sigmoid和tanh函數(shù)被取代為修正線性單元ReLU，同時為了減輕過擬合問題，采用了dropout方法，可以有效提高正確率，整體框架如圖4所示。

對于80 px和320 px的輸入，使用深度均為64，內(nèi)核大小為3×3的2D卷積層，并激活ReLU，然后再進行大小為2×2的2D最大池化層，直到獲得80×80的特征空間。然后，我們改為使用深度為32的Conv2D，然后使用大小為2×2的Maxpool2D，以實現(xiàn)38×38的潛在空間。最后，應(yīng)用速率為0.30的濾除層，把特征過濾出來，添加大小為30 mm的密集層、速率為0.30的退出層、輸出為2類的Softmax，其中，損失是分類交叉熵，優(yōu)化器是默認的Keras Adadelta。

圖4 AlexNet整體框架示意圖

1.3 目標識別網(wǎng)絡(luò)

本文采用了文獻［23］基于Focal Loss的RetinaNet作為識別網(wǎng)絡(luò)。RetinaNet在識別領(lǐng)域有著重要的地位。Focal loss是一種改進了的交叉熵CE（cross-entropy）loss，但是它在原有的CE loss上乘了使得易檢測目標對模型訓練貢獻削弱的指數(shù)式，從而成功地解決了在目標檢測時，正負樣本區(qū)域極不平衡、而目標檢測loss易被大批量負樣本影響的問題，改進后的bias：b=-αlog（（1-π）/π），其中α可以控制bias的值，使之能夠根據(jù)實際的情況，取得相應(yīng)的值，使其預測圖像目標的準確性上升。

2 實驗

2.1 訓練集

為了避免數(shù)據(jù)集中的相機偽影變化太多，訓練圖像需使用單個長焦距鏡的照片。為此，采用了Planet公司0.8m Visual Skysat衛(wèi)星采集的圖像。SkySat衛(wèi)星是美國Planet公司發(fā)展的高頻成像對地觀測小衛(wèi)星星座，主要用于獲取時序圖像，并服務(wù)于高分辨率遙感大數(shù)據(jù)的應(yīng)用。如圖5所示，單個圖像的可視化效果和RGB直方圖，以及5種訓練集（農(nóng)業(yè)、城市、雜亂場景、石油和港口）中每種訓練集的直方圖平均值。

2.2 測試集

測試集采用來自Kaggle Shipsnet競賽的圖像，示例圖像如圖6所示。這些圖像來自Planet的Planetscope衛(wèi)星（3.0 m），其中包含加利福尼亞州的舊金山灣和圣佩德羅灣地區(qū)圖像。與訓練集的圖像相似，這些圖像也是Planet視覺分類中的場景，這意味著它們也經(jīng)過了銳化、正射和顏色校正的RGB。但是，與訓練集不同，測試集中的場景已被平鋪為80 px×80 px的正方形。就數(shù)據(jù)集中的類別而言，只有全幅船被分類為船，所有其他圖像均歸類為“無船”。測試集包含4 000張圖像，其中1 000張圖像被分類為船。

圖5 土地利用類別的示例圖像和RGB直方圖

圖6 來自Kaggle Shipsnet競賽的圖像

2.3 模型訓練和SRGAN

在農(nóng)業(yè)、城市、雜亂場景、石油、港口和船舶本體這6個測試集訓練了6個SRGAN，每個SRGAN均訓練了10 000次，每批次20個。目標檢測和分類檢測在Intel i7-7700HQ 2.8 GHz上運行，每組圖片大約需要30 min。

使用所需分辨率的所有圖像后，可以設(shè)置SRGAN網(wǎng)絡(luò)，加載數(shù)據(jù)后，需要先采樣以獲得LR圖像。再次使用雙3次濾波器對圖像進行下采樣，以減少采樣方法對結(jié)果的影響，通過GAN運行數(shù)據(jù)之前將-1和1之間的所有像素值標準化。

SRGAN在包括農(nóng)業(yè)、城市、雜亂場景、石油、港口和船舶本體這6個訓練集中進行訓練。每個SRGAN運行的船舶圖片如圖7所示。對于船舶圖像，由農(nóng)業(yè)、港口訓練的SRGAN產(chǎn)生的圖像色彩偏暗，由城市、雜亂場景訓練的SRGAN產(chǎn)生的圖像色彩偏亮，由石油訓練的SRGAN在船舶的船體產(chǎn)生了黑色的人工痕跡，由船舶本體訓練的SRGAN產(chǎn)生的圖像色彩最亮、效果最好。

在訓練了SRGAN之后，判別出一些流行的衛(wèi)星圖像樣本的縮減樣本，如：Xview（0.3 m）、Pleides（0.5 m）、Quickbird（0.65 m）、Triplesat（0.8 m）和Ikonos（1 m）。不同種類的訓練集SRGAN對測試集產(chǎn)生的影響如表1所示，船舶本體和其他訓練集相比，PSNR和SSIM這2個指標均表現(xiàn)最好。這表明針對本體圖像需要進行定制訓練。原因在于超分辨復原的訓練是無監(jiān)督學習，結(jié)果具有隨機性，但是也與本身的圖像顯著性特征有關(guān)。

圖7 SRGAN運行的船舶圖片

表1 SRGAN應(yīng)用于不同圖像的結(jié)果

2.4 目標識別

在目標識別過程中，采用了前文提到的Alex-Net網(wǎng)絡(luò)和RetinaNet算法，圖像的固定分辨率似乎并不能從增強中獲益很多，并且顯示出對基于尺寸的分辨率變化的敏感性。xView對比例敏感度的一個示例是在較高的分辨率下，同一張圖像可以錯誤地檢測出汽車的建筑物，而在較低的分辨率下，則可以將汽車誤認為是游艇。總體而言，對于未更改的xView圖像的基礎(chǔ)模型，最佳驗證mAP為300個歷時（3 d）后為0.16，對應(yīng)的訓練mAP為0.30。不同訓練集下的識別評價指標如表2所示，其中TP是實際為正例、預測為正例的比例，F(xiàn)P是實際為負例、預測為正例的比例，識別精確率Precision=TP/（TP+FP）。從表2可見，在不同的訓練集情況下SRGAN中有明顯的差異，包含測試船舶本體的訓練集，目標識別的精確率最高，達到了98.79%，可以滿足實際的識別應(yīng)用需求。

表2 不同訓練集下的識別評價指標

2.5 附加實驗

本文算法對飛機目標進行識別和準確性的測試效果圖如圖8所示，圖中綠色框表示標簽位置、藍色表示測試結(jié)果、紅色表示誤檢的目標，準確率比較理想。但是在不同特征尺度下的飛機還是不能特別正確的標識，當飛機分辨率較低時，有一定的誤檢率和漏檢率。因此對遙感圖像中的飛機進行識別之前，引入SISR算法是非常必要的，該算法可以將低分辨率圖像映射到高分辨率圖像。SRGAN處理過的google遙感圖像訓練損失率Loss比較理想，如圖9所示。

圖8 對遙感機場的檢測實驗

圖9 SRGAN處理過的google遙感圖像訓練損失率Loss

3 結(jié)論

當訓練不同的圖像集時，在SRGAN網(wǎng)絡(luò)之間可以看到明顯的差異。這突顯了定制訓練集需求的重要性。在農(nóng)業(yè)、城市、雜亂場景、石油、港口和船舶本體這6類訓練集中進行SRGAN訓練，然后采用AlexNet網(wǎng)絡(luò)進行分類檢測；最后采用RetinaNet網(wǎng)絡(luò)進行目標識別。實驗表明：在同一個船舶測試集中，受過測試本體圖像訓練的識別效果最好，精確率最高。