深度语义分割网络的遥感影像水体提取

2024-03-25郑文雅

能源与环境 2024年1期

郑文雅

（福州大学环境与安全工程学院福建福州 350108）

0 引言

水是生命之源，是生命存在和发展的重要资源，及时掌握水资源的时空变化对人类生产生活具有重要意义［1］。随着遥感技术的发展，利用卫星遥感影像进行水体提取成为有效的手段，众多学者通过遥感影像对水体提取技术进行研究，提出许多有效的方法。目前水体提取可分为2 大类：①基于影像光谱特征的提取方法，通过分析影像的光谱特征来构造水体运算公式，进行水体的提取，如水体指数法［2-3］、单波段阈值法［4］、谱间关系法［5］等，这类方法更多地用在中分辨率影像上，提取速度快且简单，但细小水体提取精度低；②综合了影像的光谱、纹理、空间等特征的分类器方法，如支持向量机［6］、面向对象［7］、决策树［8］等，该类方法更常用于高分辨率影像，提取精度高，但分类过程复杂，受外界干扰大［9］。

近年来，随着深度学习的快速发展，其优秀的特征提取能力受到研究者的青睐，被逐渐用于水体提取。王雪等［10］利用全卷积神经网络模型有效提取水体；陈前等［11］利用卷积神经网络和DeepLabv3 语义分割网络，对高分辨率卫星遥感影像进行水体提取研究，证明深度学习提取水体的可行性；张铭飞等［12］利用卷积神经网络模型提取水体，模型提取精度高达94.78%。

在LONG 等［13］提出全卷积神经网络（Fully Convolutional Networks，FCN）结构后，端到端的卷积网络第一次推广到语义分割领域中。FCN 通过像素级预测实现语义分割，能准确提取物体特征，但由于像素与像素之间的关系考虑不全，导致分割结果不够精细［14］。为提高算法的精度，学者们在FCN 的基础上提出许多改进的方法，例如U-Net［15］、PSPNet［16］、SegNet［17］、DeepLab［18-20］等网络。

因此，本文针对传统方法提取水体边缘轮廓较模糊、细小水体提取不完整、水体提取精度不高等问题，构建哨兵遥感影像的语义分割训练数据集，选取常用的U-Net、PSPNet、DeepLabv3 网络模型来提取水体，并与归一化差异水体指数、最大似然法、支持向量机、随机森林进行比较，探讨语义分割模型提取水体的可行性。

1 研究区概况及数据

1.1 研究区概况

福州市位于福建省东部，地理坐标为北纬25°15'～26°39'，东经118°08′～120°31′，拥有丰富的水资源。闽江是福建省最大的水系，从武夷山流经三明、南平、宁德等地区后，在水口镇汇入福州境内。闽江长530 km，流经福州约150 km。福州市区内还有不少河流与闽江交汇，包括晋安河、安泰河、茶亭河、白马河等30 多条河流，共同构成福州市区的水系网络。研究以福州市鼓楼区、台江区、仓山区、晋安区、马尾区为研究区，该区域水域面积大，有大江、小河流、湖泊、池塘、沟渠等常见的水体类型。

1.2 数据

哨兵二号（Sentinel-2）是高分辨率多光谱成像卫星，于2015 年6 月23 日发射。携带从可见光和近红外到短波红外的13 个波段信息的多光谱成像仪，幅宽为290 km，空间分辨率分别为10、20、60 m。考虑到影像分辨率的不同，一些传统的水体指数无法直接应用。若把分辨率重采样为10 m，其效果可能也会受到影响，所以本文选择蓝、绿、红、近红这4 个空间分辨率均为10 m的波段进行研究。考虑到云量和季节的影响，本文选择2023 年1 月的福州市区哨兵二号影像。

2 研究方法

2.1 归一化差异水体指数

归一化差异水体指数（Normalized Difference Water Index，NDWI）［2］是目前应用广泛的水体指数，水体信息在绿光波段具有较强的反射，在近红外吸收强。因此，可通过二者反差构建指数，突出水体，具体计算见式（1）。

式中：Green、NIR 分别为绿波段和近红外波段。

深度学习虽然具有强悍的特征提取能力，但是其依赖于标签数据，需要消耗大量的人力物力，才能得到精确的标签数据。因此，为减少样本标记时间，本文先利用NDWI 提取水体，对水体误提、漏提的区域进行修改，完成水体标签的制作，最后构建样本数据集。

2.2 U-Net 网络模型

U-Net 模型是对FCN 网络的优化，最早应用于医学图像领域，模型结构简单，适合处理小数量级的数据集。与FCN 网络的像素相加不同，U-Net 采用通道连接的方式，可保留上下文信息，并加强像素之间的语义联系，结构如图1 所示。主要由左侧的下采样和右侧的上采样组成。下采样对输入的影像进行卷积和池化操作，作用是获取影像上下文信息，上采样作用则是精准定位目标。输入的影像通过3×3 卷积与最大池化处理对图像特征进行提取，由于特征图每次池化后都会缩小为原来的1/2，因此影像的细节信息也会损失。特征图进入解码器后会通过3×3 卷积与上采样恢复到原图相同的尺寸。接着生成的特征图会被输入解码器，与上采样中生产的相同尺寸的特征图进行拼接合并，以便获得更多的细节信息，有效恢复图片特征信息。

图1 U-Net 网络结构

2.3 PSPNet 网络模型

PSPNet 算法引入金字塔池化模块，能够增大深层区域的感受野，可以将不同尺度上的上下文信息聚集起来，进行场景理解。网络结构如图2 所示。首先输入图像，通过特征提取网络得到特征图像，接着把特征图送入金字塔池化模块，以便获得不同尺寸的区域特征，然后进行上采样，得到原图尺寸，最后连接融合原特征图和不同层的特征图并进行卷积，输出最终的预测结果。

图2 PSPNet 网络结构

2.4 DeepLabv3 网络模型

DeepLabv3 网络［20］提出的并行和串行结构，能够高效地获取多尺度的地物特征。并且通过改进具有空洞卷积的空间金字塔池化方法，以及加入批次归一化层和全局平均池化，使得算法的收敛性和整体性能都得到提高。DeepLabv3 网络有级联型（Cascaded Model）和多孔空间金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）2 种模型。本文使用常用的ASPP 模型，结构如图3 所示，其是由1 个1×1 的普通卷积、3 个3×3 的膨胀卷积和平均池化层组成。ASPP 模型使用4 个不同采样率的多孔卷积对特征图像进行分支，然后融合各采样率的图像，以获得最终图像。全局平均池用于对模型进行特征映射，并将图像级特征输入到1×1 卷积中。然后通过双线性插值将特征上采样到特定的空间维度。最后，通过连接这5 个分支的输出并使用1×1 卷积层来进一步融合信息。

图3 ASPP 模型结构

2.5 评价指标

本次研究选择混淆矩阵进行水体提取精度的验证，其中常用的指标主要有精确度（precision）、召回率（recall）、总体精度（Overall Accuracy，OA）及Kappa 系数，具体计算见公式（2）～（6）。

式中：TP（True Positive）表示水体像素被正确识别成水体的像素数量；TN（True Negative）表示非水体像素被正确识别成非水体的像素数量；FP（False Positive）表示非水体像素被错误识别成水体的像素数量；FN（False Negative）表示水体像素被错误识别成非水体的像素数量。

3 实验与分析

3.1 实验参数确定

采用相同的数据集和模型训练参数对U-Net、PSPNet、DeepLabv3 模型进行训练，实验通过Python 和Pytorch 实现。数据集影像大小设为256×256，通过图像旋转、镜像翻转等操作进行数据增强，数据集中将80%数据集作为训练集，20%作为测试集。模型参数批次大小（Batch Size）设置为4，训练轮数（Epoch）设为100，基础学习率（Learning rate）设为0.000 1。

3.2 不同方法实验结果

为探讨语义分割模型提取水体的可行性，研究选取NDWI、最大似然法（ML）、支持向量机（SVM）、随机森林（RF）与PSPNet、U-Net、DeepLabv3 等3 种语义分割方法进行对比。其中，NDWI 阈值设置为自定义，保证在错提较少的情况下提取更多的水体。各方法部分提取结果如图4 所示。图4（a）包括小河流、湖泊、池塘，图4（i）则为宽阔的闽江，图中均包含大量的建筑和阴影。由图4可以看出，NDWI 法漏提、错提水体严重，对于小面积水体提取效果较差，建筑物多且密集的区域容易被检测成水体，结果受阈值选取的影响，阈值选取过大，水体提取完整，但是误提严重。ML、SVM、MF 都能较好地提取出水体，但存在不同程度的误提、漏提现象，小部分阴影和建筑被错误提取以及小面积水体、水体边缘线的提取效果较差，3 种分类器方法受到样本的影响，不同的样本提取结果差异较大。3 种语义分割方法均能较好地去除阴影和建筑对水体提取的影响，整体效果较好。其中，Deeplabv3 方法提取水体的能力最好，对小面积水体的提取能力优于PSPNet 和U-Net，但提取的水体边缘较平滑，提取水体边缘线能力欠佳；PSPNet 方法零星的阴影会被提取以及细小水体未能提取到；U-Net 方法很好的区分水体和非水体，但一些小水体没能完全提出。综上可以看出，DeepLabv3 方法提取水体的能力最好。这是由于DeepLabv3 网络引入批量归一化层和全局平均池化，以更优化的方式对多尺度上下文进行编码进而获得整体信息，所以整体提取效果最佳。

图4 各方法实验结果

3.3 不同方法实验精度评价

本文采用随机抽样方式评估各方法提取水体的精度，结果如表1 所示。由表1 可以看出NDWI 的精确度最低，为80.33%，说明其误检严重。ML 法的召回率最低，为80%，主要因为ML 法分类过程中平均值和方差只计算1 次，导致提取结果稍差。3 种分类器方法中RF的总体精度和Kappa 系数是最高的，其次是SVM，最后是ML，均优于NDWI 法。其中，ML 的精确度达90.57%，高于NDWI 的80.33%、SVM 的87.93%、RF 的86.89%，表明ML 提取水体的准确较高，误检情况少，但是其提取水体的能力较差，导致整体提取效果差。分析表1 可知，3 种语义分割模型总体精度和Kappa 系数都高于其他4 种方法，这说明语义分割网络提取水体是可行且准确的，精度优于传统方法。其中，DeepLabv3 网络的总体精度大于PSPNet 网络的93.5%和U-Net 网络的95%，得到最高总体精度96%。DeepLabv3 的精确度为90.6%，召回率为96.67%，总体精度为96%，Kappa 系数为90.65%，相较于其他6 种方法有很高的准确性。