简介一份聚焦遥感图像分类方法研究脉络的专业报告适合遥感、地理信息系统、测绘等领域的入门研究者与高校学生快速了解领域概貌。内容从遥感技术发展现状切入梳理多分辨率多平台并存、微波与高光谱遥感兴起、综合应用深化、商业遥感时代到来等背景进而归纳国内外在遥感图像分类算法与流程上的研究重点并对高分辨率数据分类、遥感与GIS结合等趋势作出展望。文档还涉及象元光谱分类法与面向对象分类法、支持向量机等典型方法的原理与适用场景可作为撰写课程报告、文献综述或开展相关课题时的参考资料。压缩包内共1个PDF文件大小约192KB便于随时翻阅该资源已有638人学习下载适合作为入门阶段的概览性文献。1. 遥感图像分类方法在“研究现状”里的四条演进主线遥感图像分类的现状远比“深度学习统治一切”这句话更复杂。如今几乎所有高分影像制图项目都把 U-Net 或 Transformer 作为首选模型但业务线上稳定运行多年的分类产品仍大量依赖随机森林、SVM 乃至最大似然。这个反差恰恰解释了为什么“遥感图像分类方法的国内外研究现状与发展趋势”这类综述会反复出现方法没有绝对的新旧只有样本、分辨率、可解释性和算力约束下的权衡。本文顺着文献脉络把遥感图像分类技术演进梳理成光谱统计、特征工程、深度学习、训练范式四条主线并为每类方法补上可复现的代码、参数和排错思路。它适合正在做遥感分类实验、需要给非技术同事解释算法选型的人。2. 经典方法为什么还没退场——光谱统计、纹理结构与面向对象的工程取舍2.1 从最大似然到SVM高维光谱下的分类边界怎么划最大似然分类是教科书里的起点。它假设每个类别的光谱特征服从多维高斯分布在 Landsat 时代、波段数只有 4 到 7 个时这个假设基本成立协方差矩阵也能用有限样本稳定估计。但当波段数增加到数十甚至上百协方差矩阵的参数个数随波段数平方增长样本稍少就出现奇异矩阵这也是最大似然在高光谱分类里最先失效的原因。SVM 把问题从“密度估计”切换成“边界间隔”。它不对数据分布做全局假设只关心靠近分类边界的支持向量。RBF 核把原始光谱映射到高维空间让植被、土壤、水体这类在原始空间互相重叠的类别更容易被切分。在中等样本条件下SVM 是传统方法里默认的强基线尤其适合类别重叠明显、特征维度偏高的任务。from sklearn.svm import SVC from sklearn.preprocessing import StandardScaler from sklearn.pipeline import make_pipeline # X_train: (n_samples, n_bands)每行是一个像元的光谱向量 # y_train: (n_samples,)类别从 0 开始编号 pipe make_pipeline( StandardScaler(), SVC(kernelrbf, C10.0, gammascale, class_weightbalanced, probabilityTrue) ) pipe.fit(X_train, y_train) y_pred pipe.predict(X_test)代码把标准化和 SVM 包成一条流水线fit时不会把测试集信息泄漏进标准化参数。C控制误分类惩罚越大对训练集拟合越强实践里用GridSearchCV在[0.1, 1, 10, 100]上扫一遍比默认值可靠。gammascale让核宽度随特征数量自适应避免手动设0.01这类固定值在波段数变化时失效。class_weightbalanced按类别频率给少数类更高权重对林地、水体与建筑样本量悬殊的影像很有用。SVM 的代价是决策阶段依赖支持向量全图逐像元预测时速度会明显变慢这时候随机森林通常更合适。2.2 纹理特征选GLCM还是Gabor从算子原理到参数尺度光谱特征在城区阴影、林分结构、裸岩与建筑等场景下容易混淆分类体系里需要加入纹理特征。灰度共生矩阵 GLCM 统计特定方向、特定位移上灰度对同时出现的频率常用统计量包括对比度contrast、相关性correlation、能量energy和同质性homogeneity。其中 contrast 越大纹理越粗糙对应建筑密集区energy 越大灰度分布越均匀对应草地或水体。Gabor 滤波器本质是正弦波乘高斯窗通过在频率和方向两个维度上建模提取边缘响应。它在理论上有更强的多尺度分析能力但参数网格大波长、方向、带宽都要调遥感业务里效率不高。GLCM 则不同窗口、位移、方向三个参数语义直白算完后可以直接与光谱通道拼接不需要对每个波段循环做卷积再筛选响应幅值。纹理算子主要参数适合地物运算成本与分类器的配合GLCM窗口大小、位移(d)、方向(θ)、统计量城区、林地、农田纹理中需控制窗口层数直接拼接光谱向量进 SVM 或随机森林Gabor波长、方向、带宽边缘密集区、线性地物高参数空间大需要先做特征降维再进分类器LBP邻域半径、采样点数局部微纹理低适合作为补充特征实际项目中 GLCM 窗口大小与影像分辨率强相关。Sentinel-2 多光谱数据 10 米分辨率下3×3 窗口只覆盖约 30 米见方对城市地物建议从 5×5 试到 11×11 再定。方向参数一般取 0 度、45 度、90 度、135 度四个方向的平均避免方向偏差。注意多波段影像对每个波段都算 GLCM 会把特征维度放大好几倍常见做法是先用主成分分析取第一主成分只对主成分计算 GLCM既能保留主要空间变化又能控制特征数量。2.3 面向对象分类为什么它先于深度学习解决“椒盐噪声”基于像元的分类在异质性高的高分辨率影像上会出现大量孤立错分点视觉上就是椒盐噪声。面向对象的图像分析先把影像分割成同质对象再基于对象的均值、标准差、形状与邻接关系分类。它在高分影像业务链条里至今仍是可靠方案尤其当输出需要直接转成矢量图斑时对象边界天然就是多边形边界。分割阶段最常用的是多尺度分割关键参数是尺度scale、形状shape和紧致度compactness。尺度决定对象平均大小过小产生碎图斑过大会把混合地物揉进同一对象。形状权重调高会让对象更规整但对细碎地物不友好。我一般先按最小图斑尺寸估算尺度初值在一个小范围内步进试验肉眼检查道路、田块、屋顶三类边界是否落在对象边界上再定参数。分割完成后的对象级特征不必全部进模型先让随机森林输出特征重要性筛掉冗余波段和纹理统计量能明显缩短训练时间。面向对象的局限在边界精度和线性地物。道路、河流这类目标经常被分割碎片切断后处理里可以加入狭长度elongation和形状指数做合并。另外分割参数换一个传感器或时相往往要重调在大范围区域制图时会带来额外调参负担这也是后来深度学习语义分割能快速替代它的原因之一。2.4 传统方法栈的完整链路把特征、模型、评价做成闭环传统方法的价值不在单个算法而在于整条链路可解释、可查错。特征栈一般不追求把几十个波段全塞进模型优先选 NDVI、NDWI、亮度、主成分、GLCM 对比度等物理语义明确的特征用随机森林的 OOB 误差或 Permutation Importance 把重要性接近 0 的列剔除。模型层面软投票集成 SVM 和随机森林比单模型更稳实践中一般能换来 1 到 2 个百分点的整体精度。传统方法的完整链路也暴露了上限特征设计依赖专家经验换一个区域、换一种传感器特征组合很可能要重新调整逐像元分类对邻域关系的建模也粗糙加入纹理之后虽有缓解但仍然没有像深度卷积那样自动学习语义级别的特征。这解释了为什么从 2015 年开始遥感图像分类的重心整体迁移到深度学习路线。提示传统方法在解释性上的优势适合用在灾害制图、林业清查这类需要说明分类依据的场景。很多项目把传统模型作为深度学习结果的质量校验器两边输出差异大的区域优先人工抽查而不是直接采信单条技术路线。3. 深度学习路线从图像块分类到端到端语义分割3.1 遥感分类初期的Patch-CNN先让卷积网络进遥感深度学习进入遥感分类的早期形态是 Patch-CNN把影像切成固定大小图像块每个块给一个中心像元或整个块的地物类别再用卷积网络提取特征。相比逐像元光谱分类它能利用邻域上下文精度提升明显缺点是相邻块之间大量重叠计算推理速度慢而且中心像元类别与图像块边界信息不一致时容易在边缘处产生错分。Patch-CNN 现在已经很少作为主模型使用但它留下的“切块训练”习惯仍在影响遥感实践。大影像显存放不下切块是公认的工程解法区别只在于相邻块之间是否做重叠推理。后面讲的多尺度融合和测试时增强就是针对切块推理的边界效应发展出来的后处理手段。3.2 从FCN到U-Net、DeepLab端到端语义分割的骨架怎么选全卷积网络 FCN 把传统 CNN 最后的全连接层替换成卷积层输入任意尺寸的影像输出与输入同分辨率的类别概率图这是语义分割的基本框架。FCN 的问题在于连续池化不断压缩特征图细节边界丢失严重。U-Net 用跳跃连接把编码器每一级的细节特征拼到解码器对应层小目标与边界保留能力显著提升。DeepLab 系列则用空洞卷积在保持分辨率的同时扩大感受野并引入 ASPP空洞空间金字塔池化融合多尺度上下文。import torch import torch.nn as nn class DoubleConv(nn.Module): def __init__(self, in_ch, out_ch, mid_chNone): super().__init__() mid_ch mid_ch or out_ch self.block nn.Sequential( nn.Conv2d(in_ch, mid_ch, 3, padding1, biasFalse), nn.BatchNorm2d(mid_ch), nn.ReLU(inplaceTrue), nn.Conv2d(mid_ch, out_ch, 3, padding1, biasFalse), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), ) def forward(self, x): return self.block(x) class EncoderDown(nn.Module): def __init__(self, in_ch, out_ch): super().__init__() self.down nn.Sequential(nn.MaxPool2d(2), DoubleConv(in_ch, out_ch)) def forward(self, x): return self.down(x)这是 U-Net 编码器的核心模块。DoubleConv做两次 3×3 卷积加批归一化padding1保证特征图尺寸不变EncoderDown先做 2×2 最大池化下采样再进DoubleConv通道数按[64, 128, 256, 512]逐级翻倍。biasFalse是因为后面接了BatchNorm2d卷积偏置会被归一化抵消属于常用写法。遥感大图切块训练时 batch size 往往只有 4 或 8批归一化统计不稳定遇到训练集与验证集精度差距大优先换成GroupNorm这是工程里最容易踩的坑没有之一。网络关键结构强项典型问题FCN全卷积化框架简单推理直接细节边界差小目标易丢U-Net编码器-解码器、跳跃连接小目标与边界保留好显存占用偏高DeepLab系列空洞卷积、ASPP多尺度上下文强训练配置复杂推理较慢选型上没有绝对最优。小数据集、单 GPU、类别边界精细优先 U-Net大规模多类别制图任务DeepLabV3 或带高效注意力头的 U-Net 变体往往更稳。3.3 Transformer与注意力机制大感受野改变了什么ViT 把影像切成固定大小的 patch做 patch embedding 后送入 Transformer 编码器通过自注意力计算任意两个位置之间的依赖关系。对遥感影像而言这意味着某个像元是否属于不透水面可以直接参考几百米外的同材质区域而不是只依赖局部卷积感受野。SegFormer、Swin Transformer 与 U-Net 的混合结构在遥感语义分割中表现亮眼正是因为这个特性符合地物分布的长程相关性。代价也很直接自注意力的计算量随序列长度二次增长大尺寸遥感影像必须切块切块又打断跨块依赖。ViT 类模型通常需要更多数据才能收敛在只有几千张切片的小数据集上效果可能还不如 U-Net。实践里我的做法是先跑一个 U-Net 基线再看影像中是否存在跨大范围才能判别的类别如果有再尝试 SegFormer 这类混合结构不要一上来就选择大模型。3.4 高分辨率影像的精细化分类边界细节与尺度问题精细化分类的瓶颈通常不在网络结构而在训练数据的边界标注质量。遥感标注是在影像上画矢量多边形多边形边缘与真实地物边界之间存在锯齿误差模型学到的边界只不过是在拟合这些锯齿。对边界敏感的任务训练前对标注做一次“边缘平滑与蚀刻”预处理比更换更强的解码器更有效。尺度问题是另一个隐性因素。同一栋建筑在 0.5 米分辨率下有清晰屋顶结构在 10 米分辨率下只是几个混合像元。多尺度推理把影像缩放 0.5、1.0、1.5 倍分别预测再平均能稳定提升切割指标代价是推理时间翻倍。项目节奏紧张时可以只对验证集表现最差的两个类别局部启用多尺度推理而不是全图统一跑。4. 训练范式与数据瓶颈遥感图像分类落地的真实约束4.1 标注贵、样本少自监督预训练如何降低标注依赖光学遥感影像的标注成本远高于自然图像因为地物类别在影像上的面积大、边界模糊画一个精细的水体或建筑多边形可能要好几分钟。全监督训练动辄需要数万张切片很多项目凑不齐。自监督预训练因此成为遥感分类里增长最快的方向用无标注影像学习通用特征再在少量标注数据上微调。常见路线分为两类。一类是对比学习如 SimCLR、MoCo让同一影像不同增强视角的特征尽量接近不同影像的特征尽量分离另一类是掩码重建如 MAE随机遮蔽部分 patch 后让网络重建原图。在语义分割任务里掩码重建的迁移性通常优于对比学习原因是它强迫模型学习完整空间结构而对比学习更容易依赖全局纹理捷径。遥感影像还有天然的时间维与多传感器信息可以用同一区域的季相序列作为正样本对让编码器理解“同一地物在不同时相下光谱变化但语义不变”这一规律。使用上有一个务实建议直接下载 ImageNet 预训练权重作为初始化然后用无标注遥感影像继续做 MAE 式自监督这一步通常需要几百张到几千张影像即可稳定提升下游精度尤其是建筑物、道路这类结构特征强的类别。4.2 类别不均衡与损失函数交叉熵之外的工程调整遥感分类的样本天生不均衡一幅影像里植被可能占 60%而工业厂房只占 0.1%。普通交叉熵损失在多数类主导下少数类的梯度被淹没。最简单有效的办法是用类别权重重新加权损失函数权重与类别样本数成反比常用公式是w_c N / (K * N_c)其中N是总像素数K是类别数N_c是第c类的像素数。import torch def class_weights_from_counts(counts, num_classes): # counts: dict 或 list每个类别的训练集像素数 total sum(counts) weights [] for c in range(num_classes): weights.append(total / (num_classes * counts[c])) return torch.tensor(weights, dtypetorch.float32) # 以 PyTorch 为例 criterion torch.nn.CrossEntropyLoss(weightweights)代码里total / (num_classes * counts[c])对多数类输出小于 1 的权重对少数类输出大于 1 的权重。注意counts应该从训练集掩码里统计而不是验证集权重只参与训练损失不影响验证指标计算。权重过大会导致少数类过拟合、验证集上反降出现这种情况就把权重做平方根缩放w_c sqrt(w_c)能在拉抬少数类和抑制过拟合之间取一个中间值。另一个常用组合是交叉熵加 Dice Loss。Dice Loss 直接优化类别区域重叠度对小目标更友好典型做法是loss ce_loss dice_loss两个损失各占 1.0 或让 Dice Loss 权重为 0.5 起步。它与类别权重可以共存实践中往往先加权重再看小类的 mIoU 是否仍然明显低于平均若低于平均再引入 Dice。4.3 跨域泛化训练在A区、部署到B区时的分布漂移遥感模型跨区域部署时精度下降幅度经常超预期。原因不只是地物外观差异更包括传感器响应差异、太阳高度角、时相、大气条件共同作用下的光谱漂移。同一个随机森林在 A 城市训练、直接搬到 B 城市整体精度可能从 90% 跌到 75%这在国内外大量业务项目里都是普遍现象也是当前研究现状里最集中的攻坚方向之一。缓解手段从便宜到昂贵排序如下。第一把输入特征从原始反射率换成物理意义明确的归一化指数如 NDVI、NDWI、EVI能抵消一部分光照和大气差异。第二用目标区域的少量样本做无监督域适应典型结构是特征提取器接一个域判别器用对抗训练让特征分布对齐。第三用 CycleGAN 把源域影像模拟成目标域风格用生成影像扩充训练集。第四多传感器联合训练让模型见过不同卫星的成像差异提升对传感器的鲁棒性。一个容易忽略的细节是坐标泄漏。切训练样本时如果不做空间分块同一栋建筑的不同部分可能同时出现在训练集和验证集模型其实“背下了”该建筑的纹理验证精度虚高。换到新区域后精度崩掉就是这个原因。规范做法是按地理区块划分训练集与测试集保证任意区块内的像元完整落入同一侧。5. 评估指标、复现技巧与趋势研判5.1 OA、Kappa、mIoU三个指标怎么搭配使用整体精度 OA 简单直观但在类别分布严重失衡时会掩盖少数类完全错分的问题。Kappa 引入随机一致性校正理论上比 OA 更稳健mIoU 对每个类别的 IoU 取平均少数类表现会被显著拉低是语义分割研究里最受关注的指标。三个指标要搭配着看而不是只看一个。import numpy as np def classification_metrics(cm): # cm: 混淆矩阵行真实类别列预测类别 cm np.asarray(cm, dtypenp.float64) n cm.sum() oa np.trace(cm) / n # 随机一致性概率按各类行列占比乘积求和 pe (cm.sum(axis0) * cm.sum(axis1)).sum() / (n * n) kappa (oa - pe) / (1 - pe) iou_per_class np.diag(cm) / ( cm.sum(axis1) cm.sum(axis0) - np.diag(cm) ) return oa, kappa, iou_per_class.mean()np.trace(cm)提取对角线元素之和即被正确分类的像元总数pe模拟的是随机分类时预测与真实碰巧一致的概率用各类别行和与列和的乘积除以总样本数的平方得到。iou_per_class的分母是“真实该类 预测该类 – 正确该类”对应两个集合的并集面积。返回的 mIoU 是所有类别 IoU 的算术平均所以它比 OA 更诚实某个小类完全没识别出来mIoU 会有明显缺口而 OA 可能只掉零点几个百分点。5.2 复现遥感分类实验的三个检查项复现一篇遥感图像分类论文时先别急着换模型按以下三项检查数据管线。第一空间划分是否泄漏训练集与测试集是否按地理区块分离还是随机切块混合随机切块报告的精度普遍偏高换到真实区域后会打折扣。第二多尺度推理是否启用很多高分论文在测试阶段用多尺度投票复现时要确认自己是在多尺度还是单尺度下比较最好两种结果都记录。第三统计口径是否一致以像元为单位的逐像元精度与以地理抽样区块为单位的精度本身就存在天然差异对照一定要保持口径一致。5.3 从论文走向工程趋势研判的四个信号回看国内外近年来的研究脉络遥感图像分类的趋势信号集中在四个方向。其一是大模型与基础模型适配以 SAM 为代表的分割基础模型在自然图像上表现亮眼但直接应用到遥感影像上会出现域差异需要微调或引入遥感自监督预训练。其二是多模态融合光学影像联合 SAR、DSM、夜光数据共同分类正成为提升复杂场景精度的主流路径。其三是分类体系由应用场景动态定义光伏板提取、建筑变化检测、灾后损毁评估这类按需任务逐渐取代固定类别的地表覆盖制图。其四是生成式模型的介入扩散模型和掩码重建不仅在数据增强上发挥作用也被用于直接生成带标注的合成训练集缓解数据瓶颈。对你自己的项目判断某个新方法是否值得跟进可以用一个简单问题检验它是否让验证集上最低的类别 IoU 提升了还是只提升了整体 OA。如果答案在前者说明它对小类和困难场景有真实价值如果答案只落在后者大概率是样本不均衡带来的假象不值得为它替换现有模型。本文还有配套的精品资源点击获取 遥感图像分类技术演进：从经典方法到深度学习与训练范式
简介一份聚焦遥感图像分类方法研究脉络的专业报告适合遥感、地理信息系统、测绘等领域的入门研究者与高校学生快速了解领域概貌。内容从遥感技术发展现状切入梳理多分辨率多平台并存、微波与高光谱遥感兴起、综合应用深化、商业遥感时代到来等背景进而归纳国内外在遥感图像分类算法与流程上的研究重点并对高分辨率数据分类、遥感与GIS结合等趋势作出展望。文档还涉及象元光谱分类法与面向对象分类法、支持向量机等典型方法的原理与适用场景可作为撰写课程报告、文献综述或开展相关课题时的参考资料。压缩包内共1个PDF文件大小约192KB便于随时翻阅该资源已有638人学习下载适合作为入门阶段的概览性文献。1. 遥感图像分类方法在“研究现状”里的四条演进主线遥感图像分类的现状远比“深度学习统治一切”这句话更复杂。如今几乎所有高分影像制图项目都把 U-Net 或 Transformer 作为首选模型但业务线上稳定运行多年的分类产品仍大量依赖随机森林、SVM 乃至最大似然。这个反差恰恰解释了为什么“遥感图像分类方法的国内外研究现状与发展趋势”这类综述会反复出现方法没有绝对的新旧只有样本、分辨率、可解释性和算力约束下的权衡。本文顺着文献脉络把遥感图像分类技术演进梳理成光谱统计、特征工程、深度学习、训练范式四条主线并为每类方法补上可复现的代码、参数和排错思路。它适合正在做遥感分类实验、需要给非技术同事解释算法选型的人。2. 经典方法为什么还没退场——光谱统计、纹理结构与面向对象的工程取舍2.1 从最大似然到SVM高维光谱下的分类边界怎么划最大似然分类是教科书里的起点。它假设每个类别的光谱特征服从多维高斯分布在 Landsat 时代、波段数只有 4 到 7 个时这个假设基本成立协方差矩阵也能用有限样本稳定估计。但当波段数增加到数十甚至上百协方差矩阵的参数个数随波段数平方增长样本稍少就出现奇异矩阵这也是最大似然在高光谱分类里最先失效的原因。SVM 把问题从“密度估计”切换成“边界间隔”。它不对数据分布做全局假设只关心靠近分类边界的支持向量。RBF 核把原始光谱映射到高维空间让植被、土壤、水体这类在原始空间互相重叠的类别更容易被切分。在中等样本条件下SVM 是传统方法里默认的强基线尤其适合类别重叠明显、特征维度偏高的任务。from sklearn.svm import SVC from sklearn.preprocessing import StandardScaler from sklearn.pipeline import make_pipeline # X_train: (n_samples, n_bands)每行是一个像元的光谱向量 # y_train: (n_samples,)类别从 0 开始编号 pipe make_pipeline( StandardScaler(), SVC(kernelrbf, C10.0, gammascale, class_weightbalanced, probabilityTrue) ) pipe.fit(X_train, y_train) y_pred pipe.predict(X_test)代码把标准化和 SVM 包成一条流水线fit时不会把测试集信息泄漏进标准化参数。C控制误分类惩罚越大对训练集拟合越强实践里用GridSearchCV在[0.1, 1, 10, 100]上扫一遍比默认值可靠。gammascale让核宽度随特征数量自适应避免手动设0.01这类固定值在波段数变化时失效。class_weightbalanced按类别频率给少数类更高权重对林地、水体与建筑样本量悬殊的影像很有用。SVM 的代价是决策阶段依赖支持向量全图逐像元预测时速度会明显变慢这时候随机森林通常更合适。2.2 纹理特征选GLCM还是Gabor从算子原理到参数尺度光谱特征在城区阴影、林分结构、裸岩与建筑等场景下容易混淆分类体系里需要加入纹理特征。灰度共生矩阵 GLCM 统计特定方向、特定位移上灰度对同时出现的频率常用统计量包括对比度contrast、相关性correlation、能量energy和同质性homogeneity。其中 contrast 越大纹理越粗糙对应建筑密集区energy 越大灰度分布越均匀对应草地或水体。Gabor 滤波器本质是正弦波乘高斯窗通过在频率和方向两个维度上建模提取边缘响应。它在理论上有更强的多尺度分析能力但参数网格大波长、方向、带宽都要调遥感业务里效率不高。GLCM 则不同窗口、位移、方向三个参数语义直白算完后可以直接与光谱通道拼接不需要对每个波段循环做卷积再筛选响应幅值。纹理算子主要参数适合地物运算成本与分类器的配合GLCM窗口大小、位移(d)、方向(θ)、统计量城区、林地、农田纹理中需控制窗口层数直接拼接光谱向量进 SVM 或随机森林Gabor波长、方向、带宽边缘密集区、线性地物高参数空间大需要先做特征降维再进分类器LBP邻域半径、采样点数局部微纹理低适合作为补充特征实际项目中 GLCM 窗口大小与影像分辨率强相关。Sentinel-2 多光谱数据 10 米分辨率下3×3 窗口只覆盖约 30 米见方对城市地物建议从 5×5 试到 11×11 再定。方向参数一般取 0 度、45 度、90 度、135 度四个方向的平均避免方向偏差。注意多波段影像对每个波段都算 GLCM 会把特征维度放大好几倍常见做法是先用主成分分析取第一主成分只对主成分计算 GLCM既能保留主要空间变化又能控制特征数量。2.3 面向对象分类为什么它先于深度学习解决“椒盐噪声”基于像元的分类在异质性高的高分辨率影像上会出现大量孤立错分点视觉上就是椒盐噪声。面向对象的图像分析先把影像分割成同质对象再基于对象的均值、标准差、形状与邻接关系分类。它在高分影像业务链条里至今仍是可靠方案尤其当输出需要直接转成矢量图斑时对象边界天然就是多边形边界。分割阶段最常用的是多尺度分割关键参数是尺度scale、形状shape和紧致度compactness。尺度决定对象平均大小过小产生碎图斑过大会把混合地物揉进同一对象。形状权重调高会让对象更规整但对细碎地物不友好。我一般先按最小图斑尺寸估算尺度初值在一个小范围内步进试验肉眼检查道路、田块、屋顶三类边界是否落在对象边界上再定参数。分割完成后的对象级特征不必全部进模型先让随机森林输出特征重要性筛掉冗余波段和纹理统计量能明显缩短训练时间。面向对象的局限在边界精度和线性地物。道路、河流这类目标经常被分割碎片切断后处理里可以加入狭长度elongation和形状指数做合并。另外分割参数换一个传感器或时相往往要重调在大范围区域制图时会带来额外调参负担这也是后来深度学习语义分割能快速替代它的原因之一。2.4 传统方法栈的完整链路把特征、模型、评价做成闭环传统方法的价值不在单个算法而在于整条链路可解释、可查错。特征栈一般不追求把几十个波段全塞进模型优先选 NDVI、NDWI、亮度、主成分、GLCM 对比度等物理语义明确的特征用随机森林的 OOB 误差或 Permutation Importance 把重要性接近 0 的列剔除。模型层面软投票集成 SVM 和随机森林比单模型更稳实践中一般能换来 1 到 2 个百分点的整体精度。传统方法的完整链路也暴露了上限特征设计依赖专家经验换一个区域、换一种传感器特征组合很可能要重新调整逐像元分类对邻域关系的建模也粗糙加入纹理之后虽有缓解但仍然没有像深度卷积那样自动学习语义级别的特征。这解释了为什么从 2015 年开始遥感图像分类的重心整体迁移到深度学习路线。提示传统方法在解释性上的优势适合用在灾害制图、林业清查这类需要说明分类依据的场景。很多项目把传统模型作为深度学习结果的质量校验器两边输出差异大的区域优先人工抽查而不是直接采信单条技术路线。3. 深度学习路线从图像块分类到端到端语义分割3.1 遥感分类初期的Patch-CNN先让卷积网络进遥感深度学习进入遥感分类的早期形态是 Patch-CNN把影像切成固定大小图像块每个块给一个中心像元或整个块的地物类别再用卷积网络提取特征。相比逐像元光谱分类它能利用邻域上下文精度提升明显缺点是相邻块之间大量重叠计算推理速度慢而且中心像元类别与图像块边界信息不一致时容易在边缘处产生错分。Patch-CNN 现在已经很少作为主模型使用但它留下的“切块训练”习惯仍在影响遥感实践。大影像显存放不下切块是公认的工程解法区别只在于相邻块之间是否做重叠推理。后面讲的多尺度融合和测试时增强就是针对切块推理的边界效应发展出来的后处理手段。3.2 从FCN到U-Net、DeepLab端到端语义分割的骨架怎么选全卷积网络 FCN 把传统 CNN 最后的全连接层替换成卷积层输入任意尺寸的影像输出与输入同分辨率的类别概率图这是语义分割的基本框架。FCN 的问题在于连续池化不断压缩特征图细节边界丢失严重。U-Net 用跳跃连接把编码器每一级的细节特征拼到解码器对应层小目标与边界保留能力显著提升。DeepLab 系列则用空洞卷积在保持分辨率的同时扩大感受野并引入 ASPP空洞空间金字塔池化融合多尺度上下文。import torch import torch.nn as nn class DoubleConv(nn.Module): def __init__(self, in_ch, out_ch, mid_chNone): super().__init__() mid_ch mid_ch or out_ch self.block nn.Sequential( nn.Conv2d(in_ch, mid_ch, 3, padding1, biasFalse), nn.BatchNorm2d(mid_ch), nn.ReLU(inplaceTrue), nn.Conv2d(mid_ch, out_ch, 3, padding1, biasFalse), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), ) def forward(self, x): return self.block(x) class EncoderDown(nn.Module): def __init__(self, in_ch, out_ch): super().__init__() self.down nn.Sequential(nn.MaxPool2d(2), DoubleConv(in_ch, out_ch)) def forward(self, x): return self.down(x)这是 U-Net 编码器的核心模块。DoubleConv做两次 3×3 卷积加批归一化padding1保证特征图尺寸不变EncoderDown先做 2×2 最大池化下采样再进DoubleConv通道数按[64, 128, 256, 512]逐级翻倍。biasFalse是因为后面接了BatchNorm2d卷积偏置会被归一化抵消属于常用写法。遥感大图切块训练时 batch size 往往只有 4 或 8批归一化统计不稳定遇到训练集与验证集精度差距大优先换成GroupNorm这是工程里最容易踩的坑没有之一。网络关键结构强项典型问题FCN全卷积化框架简单推理直接细节边界差小目标易丢U-Net编码器-解码器、跳跃连接小目标与边界保留好显存占用偏高DeepLab系列空洞卷积、ASPP多尺度上下文强训练配置复杂推理较慢选型上没有绝对最优。小数据集、单 GPU、类别边界精细优先 U-Net大规模多类别制图任务DeepLabV3 或带高效注意力头的 U-Net 变体往往更稳。3.3 Transformer与注意力机制大感受野改变了什么ViT 把影像切成固定大小的 patch做 patch embedding 后送入 Transformer 编码器通过自注意力计算任意两个位置之间的依赖关系。对遥感影像而言这意味着某个像元是否属于不透水面可以直接参考几百米外的同材质区域而不是只依赖局部卷积感受野。SegFormer、Swin Transformer 与 U-Net 的混合结构在遥感语义分割中表现亮眼正是因为这个特性符合地物分布的长程相关性。代价也很直接自注意力的计算量随序列长度二次增长大尺寸遥感影像必须切块切块又打断跨块依赖。ViT 类模型通常需要更多数据才能收敛在只有几千张切片的小数据集上效果可能还不如 U-Net。实践里我的做法是先跑一个 U-Net 基线再看影像中是否存在跨大范围才能判别的类别如果有再尝试 SegFormer 这类混合结构不要一上来就选择大模型。3.4 高分辨率影像的精细化分类边界细节与尺度问题精细化分类的瓶颈通常不在网络结构而在训练数据的边界标注质量。遥感标注是在影像上画矢量多边形多边形边缘与真实地物边界之间存在锯齿误差模型学到的边界只不过是在拟合这些锯齿。对边界敏感的任务训练前对标注做一次“边缘平滑与蚀刻”预处理比更换更强的解码器更有效。尺度问题是另一个隐性因素。同一栋建筑在 0.5 米分辨率下有清晰屋顶结构在 10 米分辨率下只是几个混合像元。多尺度推理把影像缩放 0.5、1.0、1.5 倍分别预测再平均能稳定提升切割指标代价是推理时间翻倍。项目节奏紧张时可以只对验证集表现最差的两个类别局部启用多尺度推理而不是全图统一跑。4. 训练范式与数据瓶颈遥感图像分类落地的真实约束4.1 标注贵、样本少自监督预训练如何降低标注依赖光学遥感影像的标注成本远高于自然图像因为地物类别在影像上的面积大、边界模糊画一个精细的水体或建筑多边形可能要好几分钟。全监督训练动辄需要数万张切片很多项目凑不齐。自监督预训练因此成为遥感分类里增长最快的方向用无标注影像学习通用特征再在少量标注数据上微调。常见路线分为两类。一类是对比学习如 SimCLR、MoCo让同一影像不同增强视角的特征尽量接近不同影像的特征尽量分离另一类是掩码重建如 MAE随机遮蔽部分 patch 后让网络重建原图。在语义分割任务里掩码重建的迁移性通常优于对比学习原因是它强迫模型学习完整空间结构而对比学习更容易依赖全局纹理捷径。遥感影像还有天然的时间维与多传感器信息可以用同一区域的季相序列作为正样本对让编码器理解“同一地物在不同时相下光谱变化但语义不变”这一规律。使用上有一个务实建议直接下载 ImageNet 预训练权重作为初始化然后用无标注遥感影像继续做 MAE 式自监督这一步通常需要几百张到几千张影像即可稳定提升下游精度尤其是建筑物、道路这类结构特征强的类别。4.2 类别不均衡与损失函数交叉熵之外的工程调整遥感分类的样本天生不均衡一幅影像里植被可能占 60%而工业厂房只占 0.1%。普通交叉熵损失在多数类主导下少数类的梯度被淹没。最简单有效的办法是用类别权重重新加权损失函数权重与类别样本数成反比常用公式是w_c N / (K * N_c)其中N是总像素数K是类别数N_c是第c类的像素数。import torch def class_weights_from_counts(counts, num_classes): # counts: dict 或 list每个类别的训练集像素数 total sum(counts) weights [] for c in range(num_classes): weights.append(total / (num_classes * counts[c])) return torch.tensor(weights, dtypetorch.float32) # 以 PyTorch 为例 criterion torch.nn.CrossEntropyLoss(weightweights)代码里total / (num_classes * counts[c])对多数类输出小于 1 的权重对少数类输出大于 1 的权重。注意counts应该从训练集掩码里统计而不是验证集权重只参与训练损失不影响验证指标计算。权重过大会导致少数类过拟合、验证集上反降出现这种情况就把权重做平方根缩放w_c sqrt(w_c)能在拉抬少数类和抑制过拟合之间取一个中间值。另一个常用组合是交叉熵加 Dice Loss。Dice Loss 直接优化类别区域重叠度对小目标更友好典型做法是loss ce_loss dice_loss两个损失各占 1.0 或让 Dice Loss 权重为 0.5 起步。它与类别权重可以共存实践中往往先加权重再看小类的 mIoU 是否仍然明显低于平均若低于平均再引入 Dice。4.3 跨域泛化训练在A区、部署到B区时的分布漂移遥感模型跨区域部署时精度下降幅度经常超预期。原因不只是地物外观差异更包括传感器响应差异、太阳高度角、时相、大气条件共同作用下的光谱漂移。同一个随机森林在 A 城市训练、直接搬到 B 城市整体精度可能从 90% 跌到 75%这在国内外大量业务项目里都是普遍现象也是当前研究现状里最集中的攻坚方向之一。缓解手段从便宜到昂贵排序如下。第一把输入特征从原始反射率换成物理意义明确的归一化指数如 NDVI、NDWI、EVI能抵消一部分光照和大气差异。第二用目标区域的少量样本做无监督域适应典型结构是特征提取器接一个域判别器用对抗训练让特征分布对齐。第三用 CycleGAN 把源域影像模拟成目标域风格用生成影像扩充训练集。第四多传感器联合训练让模型见过不同卫星的成像差异提升对传感器的鲁棒性。一个容易忽略的细节是坐标泄漏。切训练样本时如果不做空间分块同一栋建筑的不同部分可能同时出现在训练集和验证集模型其实“背下了”该建筑的纹理验证精度虚高。换到新区域后精度崩掉就是这个原因。规范做法是按地理区块划分训练集与测试集保证任意区块内的像元完整落入同一侧。5. 评估指标、复现技巧与趋势研判5.1 OA、Kappa、mIoU三个指标怎么搭配使用整体精度 OA 简单直观但在类别分布严重失衡时会掩盖少数类完全错分的问题。Kappa 引入随机一致性校正理论上比 OA 更稳健mIoU 对每个类别的 IoU 取平均少数类表现会被显著拉低是语义分割研究里最受关注的指标。三个指标要搭配着看而不是只看一个。import numpy as np def classification_metrics(cm): # cm: 混淆矩阵行真实类别列预测类别 cm np.asarray(cm, dtypenp.float64) n cm.sum() oa np.trace(cm) / n # 随机一致性概率按各类行列占比乘积求和 pe (cm.sum(axis0) * cm.sum(axis1)).sum() / (n * n) kappa (oa - pe) / (1 - pe) iou_per_class np.diag(cm) / ( cm.sum(axis1) cm.sum(axis0) - np.diag(cm) ) return oa, kappa, iou_per_class.mean()np.trace(cm)提取对角线元素之和即被正确分类的像元总数pe模拟的是随机分类时预测与真实碰巧一致的概率用各类别行和与列和的乘积除以总样本数的平方得到。iou_per_class的分母是“真实该类 预测该类 – 正确该类”对应两个集合的并集面积。返回的 mIoU 是所有类别 IoU 的算术平均所以它比 OA 更诚实某个小类完全没识别出来mIoU 会有明显缺口而 OA 可能只掉零点几个百分点。5.2 复现遥感分类实验的三个检查项复现一篇遥感图像分类论文时先别急着换模型按以下三项检查数据管线。第一空间划分是否泄漏训练集与测试集是否按地理区块分离还是随机切块混合随机切块报告的精度普遍偏高换到真实区域后会打折扣。第二多尺度推理是否启用很多高分论文在测试阶段用多尺度投票复现时要确认自己是在多尺度还是单尺度下比较最好两种结果都记录。第三统计口径是否一致以像元为单位的逐像元精度与以地理抽样区块为单位的精度本身就存在天然差异对照一定要保持口径一致。5.3 从论文走向工程趋势研判的四个信号回看国内外近年来的研究脉络遥感图像分类的趋势信号集中在四个方向。其一是大模型与基础模型适配以 SAM 为代表的分割基础模型在自然图像上表现亮眼但直接应用到遥感影像上会出现域差异需要微调或引入遥感自监督预训练。其二是多模态融合光学影像联合 SAR、DSM、夜光数据共同分类正成为提升复杂场景精度的主流路径。其三是分类体系由应用场景动态定义光伏板提取、建筑变化检测、灾后损毁评估这类按需任务逐渐取代固定类别的地表覆盖制图。其四是生成式模型的介入扩散模型和掩码重建不仅在数据增强上发挥作用也被用于直接生成带标注的合成训练集缓解数据瓶颈。对你自己的项目判断某个新方法是否值得跟进可以用一个简单问题检验它是否让验证集上最低的类别 IoU 提升了还是只提升了整体 OA。如果答案在前者说明它对小类和困难场景有真实价值如果答案只落在后者大概率是样本不均衡带来的假象不值得为它替换现有模型。本文还有配套的精品资源点击获取