简介基于机器学习和深度学习的遥感图像识别算法项目代码集成了kNN、SVM、CNN、LSTM四种经典模型覆盖从传统机器学习到深度学习的完整对比实验方案。面向正在完成课程设计、期末大作业或毕业设计的高校学生也适合入门遥感图像分类的初学者参考。代码附有详细注释部署简单下载后即可运行使用。资源包共33个文件约1.73MB包含Python源码、Jupyter Notebook演示文档、C辅助程序、实验图表和说明文档可以直观对比不同算法的识别效果和性能差异。项目还提供了训练过程截图和可视化结果便于理解和撰写实验报告。目前已有777人学习下载是一个经过导师认可的98分高质量项目。读者可以获得完整的算法实现、数据处理流程、模型训练与评估方法帮助快速掌握遥感图像识别的主流技术路线为课程答辩和项目展示提供有力支撑。1. 遥感图像识别为什么需要横跨KNN、SVM、CNN、LSTM四类模型遥感图像识别不是普通计算机视觉任务的简单平移。一个典型的“高分项目”里你会拿到的是亚米级或米级分辨率的卫星影像不止红绿蓝三个波段往往还有近红外乃至十几个光谱通道。这种数据带来三个直接问题波段之间相关性高、可标注样本通常只有几千块、类别分布往往极度不均水体、农田、建筑的比例天差地别。在这种约束下单一模型很难通吃——KNN 和 SVM 这类传统机器学习方法在特征经过良好降维后小样本下依然能守住一个强基线CNN 能自动从空间纹理中抽取判别特征但吃数据量LSTM 则面向另一类常见场景用多时相影像拼成时间序列来识别物候变化或地表动态。把四条技术路线放进同一个实验框架里横向对比本身就是高分项目最常要求的工作量之一。这篇文章会把从数据切分、特征构造到四个模型实现、调参、评估、落地的完整路径走一遍尽量让代码直接能改着用。2. 遥感图像识别任务定义与标准化数据集构建2.1 从高分影像到可训练样本分块、标注与划分遥感影像不是一张普通JPG通常会以GeoTIFF格式存在尺寸动辄上万乘上万像素。直接丢进模型之前标准做法是滑窗切块。下面是一个用GDAL读取多光谱影像并按固定步长切patch的实例from osgeo import gdal import numpy as np def crop_patches(src_path, patch_size128, stride64, out_pathpatches): ds gdal.Open(src_path) bands ds.RasterCount # 多光谱影像通常5~13个波段 width, height ds.RasterXSize, ds.RasterYSize os.makedirs(out_path, exist_okTrue) idx 0 for y in range(0, height - patch_size 1, stride): for x in range(0, width - patch_size 1, stride): # 读取一个patch的全部波段形状(bands, patch, patch) arr ds.ReadAsArray(x, y, patch_size, patch_size) if arr.ndim 2: arr arr[np.newaxis, :, :] # 遥感影像常含大量无效值如nodata-9999直接跳过 if np.any(arr -1000): continue np.save(f{out_path}/patch_{idx:06d}.npy, arr.astype(np.float32)) idx 1 ds None print(f共生成 {idx} 个patch)切块时最容易忽略的是重叠率与影像边缘的nodata。stride patch_size会产生重叠作用等同于数据增强能让模型对目标出现在不同位置更鲁棒但重叠比例过高会让相邻patch高度相关如果直接按随机比例划分训练验证集会导致严重的数据泄漏——模型看到的验证样本实际上在训练集里已经出现过。高分项目里常见做法是先按地理网格把影像分成若干大块再按块划分数据集保证同一个区域只出现在一个集合里。2.2 特征工程光谱、纹理与植被指数的组合方案KNN和SVM这类经典机器学习算法无法直接吃原始像素需要把每个patch压缩成一条特征向量。遥感领域沉淀下来的特征工程套路很成熟通常围绕光谱统计量、植被指数和纹理特征三部分展开特征类别典型特征计算说明光谱统计各波段均值、方差、分位数直接反映地物光谱响应植被指数NDVI、EVI、NDWI利用近红外与红波段比值突出植被/水体纹理特征灰度共生矩阵GLCM对比度、能量、熵反映地物空间排布结构对城区识别尤其有效from skimage import feature import numpy as np def extract_feature_vector(patch, pixel_per_cell8): 输入patch形状为 (C, H, W) 返回拼接后的特征向量用于KNN/SVM feats [] # 逐波段提取统计量C通常为4~13取全部波段才不丢信息 for band in range(patch.shape[0]): b patch[band] feats.extend([b.mean(), b.std(), np.percentile(b, 25), np.percentile(b, 75)]) # NDVI需要确认波段顺序常见Index 3对应近红外 nir patch[3].astype(np.float32) red patch[2].astype(np.float32) ndvi (nir - red) / (nir red 1e-6) feats.append(ndvi.mean()) # GLCM纹理灰度先归一化到0~255否则GLCM计算会非常慢 b0 ((patch[0] - patch[0].min()) / (patch[0].max() - patch[0].min() 1e-6) * 255).astype(np.uint8) glcm feature.graycomatrix(b0, distances[3], angles[0], levels256, symmetricTrue) feats.append(feature.graycoprops(glcm, contrast)[0, 0]) feats.append(feature.graycoprops(glcm, energy)[0, 0]) return np.array(feats, dtypenp.float32)这里有个常见的认知误区特征不是越多越好。每个波段都塞入四分位数后特征维度会迅速膨胀到几十维而样本量只有几千KNN会遭遇典型的“维数灾难”SVM训练时间也会明显变长。高分项目里常规解法是先提取上述特征然后用PCA压到1530维再喂给KNN/SVM或者直接用随机森林返回的特征重要性筛选TopK。可以看下特征维数对结果的影响把特征从60维逐步降到15维KNN的交叉验证精度有时反而能涨3~5个点。3. 四类模型的实现路径与核心参数调优3.1 KNN与SVM小样本遥感分类的强基线3.1.1 KNN的k值选取与距离权重KNN是遥感分类里最古老的算法之一核心逻辑就是看一个未知地物patch的特征向量离哪些已知样本最近。在特征已经压缩到20维左右的前提下KNN完全可以跑得动。代码层面的关键参数只有三个但每个都值得单独说清楚from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import cross_val_score def train_knn(X_train, y_train, k5, weightsdistance): weightsdistance 比 uniform 更稳 距离越近的邻居投票权越大对边界样本更友好 model KNeighborsClassifier( n_neighborsk, weightsweights, # distance 或 uniform metricminkowski, # minkowski即欧氏距离的推广 p2, # p2时为欧氏距离p1为曼哈顿 n_jobs-1 ) # 用5折交叉验证观察k的敏感性 scores cross_val_score(model, X_train, y_train, cv5, scoringf1_macro) print(fk{k}, mean_f1{scores.mean():.4f}) model.fit(X_train, y_train) return modelk取值不要直接拍脑袋定5。李宏毅在机器学习课程里反复强调过模型容量与泛化的关系k越小分类边界越复杂过拟合风险越高k太大边界过于平滑会把一些小类地物直接吞掉。实践上先固定weightsuniform把k从3扫到15记下交叉验证F1的均值选峰值对应那个k。另外KNN对特征尺度极度敏感——假设第一维特征是NDVI范围-1到1第二维是GLCM对比度范围可能到几百距离计算里后者会完全压制前者。KNN和SVM训练前必须做特征标准化这一步漏了后面所有结论都是错的。3.1.2 SVM的核函数选择与C、gamma调整SVM在遥感小样本分类里长期表现优于KNN原因在于它对高维空间的几何结构建模能力更强。对遥感特征向量常见选择是RBF核它只有一个gamma参数控制单一样本的 influence 范围效率比多项式核高。网格搜索的标准写法如下from sklearn.svm import SVC from sklearn.model_selection import GridSearchCV param_grid { C: [0.1, 1, 10, 100], # 误分类惩罚项越大越严格拟合训练样本 gamma: [0.001, 0.01, 0.1, 1], # RBF核宽度越小样本影响范围越大 class_weight: [balanced], # 遥感数据类别不平衡balanced会自动加权 } svm SVC(kernelrbf, probabilityTrue, random_state42) search GridSearchCV(svm, param_grid, cv5, scoringf1_macro, n_jobs-1) search.fit(X_train_scaled, y_train) print(fbest params: {search.best_params_}) print(fbest score: {search.best_score_:.4f})注意C和gamma在调参维度上是互相牵制的。C越大模型越倾向于把所有训练样本分类正确边界越复杂gamma越大RBF核越“尖锐”每个样本只影响周围极小区域同样容易过拟合。遥感场景中如果类别数多比如开垦地、水域、林地、裸土、建筑5类且光谱混淆严重C在1~10之间、gamma在0.01~0.1之间通常是安全区间。还有一点容易被头歌这类实训平台误导SVC的probabilityTrue会显著增加交叉验证耗时如果不需要概率输出保持False能让网格搜索速度快3~4倍。3.2 CNN从零构建遥感图像卷积网络大块地物识别场景里CNN是绝对的主力。遥感图像分类的CNN和普通图像分类的CNN只有两个关键差异输入通道数不对应三通道需要改网络第一层的in_channels数据量通常不足以支撑一个18层以上的大型网络裸训练需要靠数据增强和浅层结构来抑制过拟合。import torch import torch.nn as nn class RemoteSensingCNN(nn.Module): def __init__(self, in_bands4, num_classes5): super().__init__() # 第一层卷积把多光谱通道从in_bands映射到16通道特征图 self.features nn.Sequential( nn.Conv2d(in_bands, 16, kernel_size3, padding1), nn.BatchNorm2d(16), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 128→64 nn.Conv2d(16, 32, kernel_size3, padding1), nn.BatchNorm2d(32), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 64→32 nn.Conv2d(32, 64, kernel_size3, padding1), nn.BatchNorm2d(64), nn.ReLU(inplaceTrue), nn.AdaptiveAvgPool2d((1, 1)), # 全局平均池化代替Flatten更抗平移 ) self.classifier nn.Sequential( nn.Dropout(0.5), nn.Linear(64, num_classes), # 类别数由标注决定 ) def forward(self, x): x self.features(x) return self.classifier(x.view(x.size(0), -1)))网络结构设计上遥感高分影像的分类任务不需要像cspnet那种为ImageNet竞赛设计的极深backbone。三组卷积加池化、最后接自适应平均池化这组参数是一个经过了较多项目验证的基线结构。BatchNorm放在卷积之后ReLU之前作用是压制内部协变量偏移让训练对初始学习率不敏感。Dropout加在全连接层前是缓解小样本过拟合性价比最高的操作。训练时的数据增强要体现遥感数据的特点。普通图像增强做法是随机裁剪和翻转遥感影像没有“正立”的概念所以随机旋转任意角度、随机水平/垂直翻转比普通任务更实用from torchvision import transforms train_transform transforms.Compose([ transforms.RandomRotation(90), # 遥感地物没有固定朝向 transforms.RandomHorizontalFlip(), transforms.RandomVerticalFlip(), transforms.ToTensor(), transforms.Normalize([0.5]*4, [0.5]*4) # 按波段数构造均值方差 ])这组增强最大意义在于NDVI这类光谱特征不受旋转影响而建筑、农田的纹理方向会被打散——模型被迫学习“不依赖方向”的空间特征泛化能力明显提升。训练时把batch size设为32或64优化器用Adam并保持学习率1e-4左右即可李宏毅机器学习课程里强调的学习率调节策略在这里很实用每10个epoch把学习率乘以0.5观察验证集F1不再上升就停。3.3 LSTM面向时序遥感数据的序列建模LSTM不是用来处理单张遥感图的它的主战场是遥感时间序列。高分项目里常见的一类数据是同一区域多个日期的影像堆叠比如从生长季到成熟季的8期NDVI数据。作物类型不同NDVI随时间变化的曲线形状不同——水稻有一个明显的移栽后低谷玉米呈现单峰曲线常绿林则全年平缓。这种任务本质是序列分类用LSTM建模再合适不过。实现前要把数据组织成(batch, timesteps, features)的三维张量。timesteps是时间期数features可以是NDVI加上其他几个指数构成的向量import torch.nn as nn class NDVI_LSTM(nn.Module): def __init__(self, input_size4, hidden_size64, num_classes5, num_layers2): super().__init__() self.lstm nn.LSTM( input_sizeinput_size, # 比如NDVI, EVI, NDWI, 温度共4维 hidden_sizehidden_size, num_layersnum_layers, # 双层LSTM捕捉时间依赖层次结构 batch_firstTrue, dropout0.3 # 层间dropout仅在num_layers1时生效 ) self.classifier nn.Sequential( nn.Linear(hidden_size, 64), nn.ReLU(inplaceTrue), nn.Dropout(0.3), nn.Linear(64, num_classes) ) def forward(self, x): # x形状: (batch, seq_len, input_size) out, _ self.lstm(x) # 取最后一个时间步的隐状态做分类 out out[:, -1, :] return self.classifier(out)用最后一个时间步的输出来分类是序列分类的常规做法含义是“看完一整年的物候轨迹再做判断”。num_layers2能捕捉更长时间范围内的依赖但需要注意LSTM训练对梯度流不友好层数超过3时容易梯度消失这时可以尝试用带梯度裁剪的Adamoptimizer torch.optim.Adam(model.parameters(), lr1e-3) torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0)梯度裁剪是LSTM训练里几乎必须加的一行代码。时序数据长度不同时损失函数变化剧烈梯度范数忽大忽小不裁剪的话训练loss经常出现断崖式跳变。遥感时序的seq_len通常在8~30之间padding时要用torch.nn.utils.rnn.pack_padded_sequence处理不等长序列否则padding大量0会让模型的内部状态被无意义输入干扰。4. 模型横向对比评估与结果解读方法4.1 统一评估协议数据划分、评估指标与对比基准四个模型放一起对比时最忌讳的是每个模型用不同的数据划分。标准做法是把数据集一次性分为训练集70%、验证集15%、测试集15%所有模型都在同一划分上训练和评估。评估指标不要只看准确率遥感数据类别严重不平衡时小类的准确率会被大类的准确率掩盖。使用classification_report可以得到各类别具体的精度from sklearn.metrics import classification_report, confusion_matrix import numpy as np # 所有模型共用同一份测试集 models {KNN: knn_model, SVM: svm_model} for name, model in models.items(): y_pred model.predict(X_test_scaled) print(f\n {name} ) print(classification_report(y_test, y_pred, digits4)) # CNN和LSTM的输出是概率用argmax拿到类别 cnn_probs cnn_model(X_test_tensor) y_pred_cnn torch.argmax(cnn_probs, dim1).cpu().numpy() print(classification_report(y_test, y_pred_cnn, digits4))一组有代表性的实验输出表格模型训练时间(s)推理时间(ms/块)验证F1(macro)测试F1(macro)KNN(k7)0.812.40.84210.8310SVM(RBF)15.33.10.91250.9042CNN(3层)13506.80.93870.9213LSTM(时序)6208.20.88540.87164.2 参数敏感性分析与错误模式诊断报告F1只是起点高分项目真正拉开差距的是对结果的分析深度。KNN需要画出k值与交叉验证得分的关系曲线验证你选的k不是恰好撞上了一个好点SVM需要画出C和gamma的网格热力图证明参数区间选择合理。CNN可以做一个最简单的消融实验去掉数据增强、去掉BatchNorm、把dropout从0.5改成0分别记录验证集的变化。错误模式诊断方面混淆矩阵是最直接的工具import matplotlib.pyplot as plt import seaborn as sns cm confusion_matrix(y_test, y_pred_cnn) # 归一化后更能看清每一类的识别率 cm_norm cm.astype(float) / cm.sum(axis1)[:, np.newaxis] plt.figure(figsize(8, 6)) sns.heatmap(cm_norm, annotTrue, fmt.2f, cmapBlues) plt.xlabel(Predicted) plt.ylabel(Ground Truth) plt.show()混淆矩阵的解读重点放在“哪两个类别被系统性地搞混”。在遥感任务里最容易混淆的通常是林地与灌木、建筑与裸土因为它们的光谱响应曲线高度相近仅凭单时相影像的自然彩色波段根本分不开。如果项目允许给你的报告或代码里加一段建议引入多时相数据或SAR雷达波段来消除这类混淆——这个建议能直接体现你对遥感问题的理解深度。5. 高分项目中绕不开的坑过拟合、类别不平衡与通道匹配5.1 小样本过拟合的三个征兆与对策遥感标注成本极高一块128×128的patch要精确标出地物类别往往需要人工照着同一区域的高分辨率影像逐个轮廓描。因此样本量过千已经算不错过拟合几乎必然出现。典型征兆包括训练集准确率接近100%、验证集准确率却停止在70%上下模型对训练集中的噪声极度敏感稍微旋转输入图结果就变。对策依次是加正则提高dropout到0.6、缩小网络容量减少卷积核数量、加大数据增强强度。周志华在《机器学习》里对“没有免费午餐定理”的讨论在这里很适用如果样本量决定了你只能训练一个小网络那就不要追求复杂backbone的SOTA结构。ResNet18比一个三层的浅层CNN参数多几十倍在五千样本的遥感数据上效果往往反而差。5.2 类别不平衡只看准确率会让你误判模型河流、裸土这类地物在影像里面积占比极大而漏油点、小型水体这类关键目标可能只占1%。如果直接用准确率评估一个把所有样本都预测为大类的模型也能拿到95%以上的分数。class_weightbalanced能缓解一部分问题但根治手段是重采样——对少量类别的patch做SMOTE过采样或重复抽样from imblearn.over_sampling import SMOTE smote SMOTE(random_state42, k_neighbors5) X_resampled, y_resampled smote.fit_resample(X_train_scaled, y_train)SMOTE是在特征空间里对少量类别的样本做线性插值生成新的合成样本本质上是把特征工程和重采样结合了。但要注意SMOTE只适用于KNN和SVM这类基于向量距离的模型对CNN和LSTM不能直接用因为图像和序列的“特征空间”不可控。CNN场景里更稳妥的做法是给Loss按类别加权重class_weights torch.tensor([0.8, 1.2, 3.0, 1.5, 2.0]) # 按类别样本数倒数归一化 criterion nn.CrossEntropyLoss(weightclass_weights)5.3 多光谱影像喂进预训练CNN的通道匹配技巧很多高分项目希望直接复用ImageNet预训练的ResNet或VGG但遥感影像最少也有4个波段而预训练模型的第一层是3通道。常见做法有三个直接丢掉多余波段只取RGB——这会浪费近红外这个对植被识别极其重要的通道把4波段复制成3通道——信息冗余且模型不理解光谱语义最优做法是改造第一层卷积权重把预训练的3通道权重平均拆给4个输入通道def adapt_pretrained_to_multispectral(model, in_bands4): old_conv model.conv1 new_conv nn.Conv2d(in_bands, old_conv.out_channels, kernel_sizeold_conv.kernel_size, strideold_conv.stride, paddingold_conv.padding, biasFalse) with torch.no_grad(): # 把预训练3通道权重复制并平均到4通道 new_conv.weight[:, :3] old_conv.weight new_conv.weight[:, 3] old_conv.weight.mean(dim1) # 新通道取原通道均值权重 model.conv1 new_conv return model这种初始化方式的物理含义是第4个通道开始时不携带任何特定偏好相当于用前3个通道的平均语义做冷启动。相比随机初始化的第4通道模型收敛速度明显更快最终精度通常能高出24个百分点。如果只取前3个波段喂预训练模型NDVI信息彻底丢失植被类别的F1往往直接掉5个点以上这种损失是无法靠微调弥补的。6. 从模型到系统四模型统一推理与批量预测加速技巧一个完整的高分项目不只要在Jupyter Notebook里跑通还要提供一个面向新影像的批量预测脚本。如果四个模型各用一套推理代码维护成本会成倍增长。常见做法是为每个模型封装一个统一的predict函数让外部调用只看输入输出不关心内部是sklearn还是PyTorchimport time import numpy as np class ModelWrapper: 统一接口输入patch数组输出类别标签和置信度 def __init__(self, kind, model): self.kind kind self.model model def predict(self, patches): if self.kind in (knn, svm): feats np.stack([extract_feature_vector(p) for p in patches]) feats scaler.transform(feats) return self.model.predict(feats) if self.kind cnn: tensor torch.tensor(patches, dtypetorch.float32).to(device) with torch.no_grad(): prob torch.softmax(self.model(tensor), dim1) return torch.argmax(prob, dim1).cpu().numpy() # LSTM输入形状: (batch, seq, features) tensor torch.tensor(patches, dtypetorch.float32).to(device) with torch.no_grad(): prob torch.softmax(self.model(tensor), dim1) return torch.argmax(prob, dim1).cpu().numpy()推理加速上有几个直接见效的技巧。第一PyTorch模型推理前调用model.eval()并把整个预测过程包在torch.no_grad()里这能让梯度计算图完全不构建推理速度提升一半以上。第二批量预测的batch size直接影响GPU利用率遥感影像patch单张体积不大batch size可以从64开始往上试显存不报错就继续加倍。第三把FP32模型转换成FP16混合精度推理在支持半精度计算的GPU上能再获得约30%的吞吐提升model model.half() # 转半精度 tensor tensor.half()最后一个实用技巧是把推理脚本保存成命令行工具用Python的argparse接收影像路径和模型路径直接输出带类别标签的GeoTIFF。这样一来整个项目就从一个“能跑的Notebook”变成了“能交的工程系统”。处理一张上万像素的原始影像时先按第2章的滑窗方式切patch并行预测后再拼接回原图尺寸生成一张分类专题图。把预测结果叠加在原始影像上用渐变色渲染输出非技术评审也能一眼看出分类效果。本文还有配套的精品资源点击获取
遥感图像识别四模型实战：KNN、SVM、CNN与LSTM对比解析
简介基于机器学习和深度学习的遥感图像识别算法项目代码集成了kNN、SVM、CNN、LSTM四种经典模型覆盖从传统机器学习到深度学习的完整对比实验方案。面向正在完成课程设计、期末大作业或毕业设计的高校学生也适合入门遥感图像分类的初学者参考。代码附有详细注释部署简单下载后即可运行使用。资源包共33个文件约1.73MB包含Python源码、Jupyter Notebook演示文档、C辅助程序、实验图表和说明文档可以直观对比不同算法的识别效果和性能差异。项目还提供了训练过程截图和可视化结果便于理解和撰写实验报告。目前已有777人学习下载是一个经过导师认可的98分高质量项目。读者可以获得完整的算法实现、数据处理流程、模型训练与评估方法帮助快速掌握遥感图像识别的主流技术路线为课程答辩和项目展示提供有力支撑。1. 遥感图像识别为什么需要横跨KNN、SVM、CNN、LSTM四类模型遥感图像识别不是普通计算机视觉任务的简单平移。一个典型的“高分项目”里你会拿到的是亚米级或米级分辨率的卫星影像不止红绿蓝三个波段往往还有近红外乃至十几个光谱通道。这种数据带来三个直接问题波段之间相关性高、可标注样本通常只有几千块、类别分布往往极度不均水体、农田、建筑的比例天差地别。在这种约束下单一模型很难通吃——KNN 和 SVM 这类传统机器学习方法在特征经过良好降维后小样本下依然能守住一个强基线CNN 能自动从空间纹理中抽取判别特征但吃数据量LSTM 则面向另一类常见场景用多时相影像拼成时间序列来识别物候变化或地表动态。把四条技术路线放进同一个实验框架里横向对比本身就是高分项目最常要求的工作量之一。这篇文章会把从数据切分、特征构造到四个模型实现、调参、评估、落地的完整路径走一遍尽量让代码直接能改着用。2. 遥感图像识别任务定义与标准化数据集构建2.1 从高分影像到可训练样本分块、标注与划分遥感影像不是一张普通JPG通常会以GeoTIFF格式存在尺寸动辄上万乘上万像素。直接丢进模型之前标准做法是滑窗切块。下面是一个用GDAL读取多光谱影像并按固定步长切patch的实例from osgeo import gdal import numpy as np def crop_patches(src_path, patch_size128, stride64, out_pathpatches): ds gdal.Open(src_path) bands ds.RasterCount # 多光谱影像通常5~13个波段 width, height ds.RasterXSize, ds.RasterYSize os.makedirs(out_path, exist_okTrue) idx 0 for y in range(0, height - patch_size 1, stride): for x in range(0, width - patch_size 1, stride): # 读取一个patch的全部波段形状(bands, patch, patch) arr ds.ReadAsArray(x, y, patch_size, patch_size) if arr.ndim 2: arr arr[np.newaxis, :, :] # 遥感影像常含大量无效值如nodata-9999直接跳过 if np.any(arr -1000): continue np.save(f{out_path}/patch_{idx:06d}.npy, arr.astype(np.float32)) idx 1 ds None print(f共生成 {idx} 个patch)切块时最容易忽略的是重叠率与影像边缘的nodata。stride patch_size会产生重叠作用等同于数据增强能让模型对目标出现在不同位置更鲁棒但重叠比例过高会让相邻patch高度相关如果直接按随机比例划分训练验证集会导致严重的数据泄漏——模型看到的验证样本实际上在训练集里已经出现过。高分项目里常见做法是先按地理网格把影像分成若干大块再按块划分数据集保证同一个区域只出现在一个集合里。2.2 特征工程光谱、纹理与植被指数的组合方案KNN和SVM这类经典机器学习算法无法直接吃原始像素需要把每个patch压缩成一条特征向量。遥感领域沉淀下来的特征工程套路很成熟通常围绕光谱统计量、植被指数和纹理特征三部分展开特征类别典型特征计算说明光谱统计各波段均值、方差、分位数直接反映地物光谱响应植被指数NDVI、EVI、NDWI利用近红外与红波段比值突出植被/水体纹理特征灰度共生矩阵GLCM对比度、能量、熵反映地物空间排布结构对城区识别尤其有效from skimage import feature import numpy as np def extract_feature_vector(patch, pixel_per_cell8): 输入patch形状为 (C, H, W) 返回拼接后的特征向量用于KNN/SVM feats [] # 逐波段提取统计量C通常为4~13取全部波段才不丢信息 for band in range(patch.shape[0]): b patch[band] feats.extend([b.mean(), b.std(), np.percentile(b, 25), np.percentile(b, 75)]) # NDVI需要确认波段顺序常见Index 3对应近红外 nir patch[3].astype(np.float32) red patch[2].astype(np.float32) ndvi (nir - red) / (nir red 1e-6) feats.append(ndvi.mean()) # GLCM纹理灰度先归一化到0~255否则GLCM计算会非常慢 b0 ((patch[0] - patch[0].min()) / (patch[0].max() - patch[0].min() 1e-6) * 255).astype(np.uint8) glcm feature.graycomatrix(b0, distances[3], angles[0], levels256, symmetricTrue) feats.append(feature.graycoprops(glcm, contrast)[0, 0]) feats.append(feature.graycoprops(glcm, energy)[0, 0]) return np.array(feats, dtypenp.float32)这里有个常见的认知误区特征不是越多越好。每个波段都塞入四分位数后特征维度会迅速膨胀到几十维而样本量只有几千KNN会遭遇典型的“维数灾难”SVM训练时间也会明显变长。高分项目里常规解法是先提取上述特征然后用PCA压到1530维再喂给KNN/SVM或者直接用随机森林返回的特征重要性筛选TopK。可以看下特征维数对结果的影响把特征从60维逐步降到15维KNN的交叉验证精度有时反而能涨3~5个点。3. 四类模型的实现路径与核心参数调优3.1 KNN与SVM小样本遥感分类的强基线3.1.1 KNN的k值选取与距离权重KNN是遥感分类里最古老的算法之一核心逻辑就是看一个未知地物patch的特征向量离哪些已知样本最近。在特征已经压缩到20维左右的前提下KNN完全可以跑得动。代码层面的关键参数只有三个但每个都值得单独说清楚from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import cross_val_score def train_knn(X_train, y_train, k5, weightsdistance): weightsdistance 比 uniform 更稳 距离越近的邻居投票权越大对边界样本更友好 model KNeighborsClassifier( n_neighborsk, weightsweights, # distance 或 uniform metricminkowski, # minkowski即欧氏距离的推广 p2, # p2时为欧氏距离p1为曼哈顿 n_jobs-1 ) # 用5折交叉验证观察k的敏感性 scores cross_val_score(model, X_train, y_train, cv5, scoringf1_macro) print(fk{k}, mean_f1{scores.mean():.4f}) model.fit(X_train, y_train) return modelk取值不要直接拍脑袋定5。李宏毅在机器学习课程里反复强调过模型容量与泛化的关系k越小分类边界越复杂过拟合风险越高k太大边界过于平滑会把一些小类地物直接吞掉。实践上先固定weightsuniform把k从3扫到15记下交叉验证F1的均值选峰值对应那个k。另外KNN对特征尺度极度敏感——假设第一维特征是NDVI范围-1到1第二维是GLCM对比度范围可能到几百距离计算里后者会完全压制前者。KNN和SVM训练前必须做特征标准化这一步漏了后面所有结论都是错的。3.1.2 SVM的核函数选择与C、gamma调整SVM在遥感小样本分类里长期表现优于KNN原因在于它对高维空间的几何结构建模能力更强。对遥感特征向量常见选择是RBF核它只有一个gamma参数控制单一样本的 influence 范围效率比多项式核高。网格搜索的标准写法如下from sklearn.svm import SVC from sklearn.model_selection import GridSearchCV param_grid { C: [0.1, 1, 10, 100], # 误分类惩罚项越大越严格拟合训练样本 gamma: [0.001, 0.01, 0.1, 1], # RBF核宽度越小样本影响范围越大 class_weight: [balanced], # 遥感数据类别不平衡balanced会自动加权 } svm SVC(kernelrbf, probabilityTrue, random_state42) search GridSearchCV(svm, param_grid, cv5, scoringf1_macro, n_jobs-1) search.fit(X_train_scaled, y_train) print(fbest params: {search.best_params_}) print(fbest score: {search.best_score_:.4f})注意C和gamma在调参维度上是互相牵制的。C越大模型越倾向于把所有训练样本分类正确边界越复杂gamma越大RBF核越“尖锐”每个样本只影响周围极小区域同样容易过拟合。遥感场景中如果类别数多比如开垦地、水域、林地、裸土、建筑5类且光谱混淆严重C在1~10之间、gamma在0.01~0.1之间通常是安全区间。还有一点容易被头歌这类实训平台误导SVC的probabilityTrue会显著增加交叉验证耗时如果不需要概率输出保持False能让网格搜索速度快3~4倍。3.2 CNN从零构建遥感图像卷积网络大块地物识别场景里CNN是绝对的主力。遥感图像分类的CNN和普通图像分类的CNN只有两个关键差异输入通道数不对应三通道需要改网络第一层的in_channels数据量通常不足以支撑一个18层以上的大型网络裸训练需要靠数据增强和浅层结构来抑制过拟合。import torch import torch.nn as nn class RemoteSensingCNN(nn.Module): def __init__(self, in_bands4, num_classes5): super().__init__() # 第一层卷积把多光谱通道从in_bands映射到16通道特征图 self.features nn.Sequential( nn.Conv2d(in_bands, 16, kernel_size3, padding1), nn.BatchNorm2d(16), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 128→64 nn.Conv2d(16, 32, kernel_size3, padding1), nn.BatchNorm2d(32), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 64→32 nn.Conv2d(32, 64, kernel_size3, padding1), nn.BatchNorm2d(64), nn.ReLU(inplaceTrue), nn.AdaptiveAvgPool2d((1, 1)), # 全局平均池化代替Flatten更抗平移 ) self.classifier nn.Sequential( nn.Dropout(0.5), nn.Linear(64, num_classes), # 类别数由标注决定 ) def forward(self, x): x self.features(x) return self.classifier(x.view(x.size(0), -1)))网络结构设计上遥感高分影像的分类任务不需要像cspnet那种为ImageNet竞赛设计的极深backbone。三组卷积加池化、最后接自适应平均池化这组参数是一个经过了较多项目验证的基线结构。BatchNorm放在卷积之后ReLU之前作用是压制内部协变量偏移让训练对初始学习率不敏感。Dropout加在全连接层前是缓解小样本过拟合性价比最高的操作。训练时的数据增强要体现遥感数据的特点。普通图像增强做法是随机裁剪和翻转遥感影像没有“正立”的概念所以随机旋转任意角度、随机水平/垂直翻转比普通任务更实用from torchvision import transforms train_transform transforms.Compose([ transforms.RandomRotation(90), # 遥感地物没有固定朝向 transforms.RandomHorizontalFlip(), transforms.RandomVerticalFlip(), transforms.ToTensor(), transforms.Normalize([0.5]*4, [0.5]*4) # 按波段数构造均值方差 ])这组增强最大意义在于NDVI这类光谱特征不受旋转影响而建筑、农田的纹理方向会被打散——模型被迫学习“不依赖方向”的空间特征泛化能力明显提升。训练时把batch size设为32或64优化器用Adam并保持学习率1e-4左右即可李宏毅机器学习课程里强调的学习率调节策略在这里很实用每10个epoch把学习率乘以0.5观察验证集F1不再上升就停。3.3 LSTM面向时序遥感数据的序列建模LSTM不是用来处理单张遥感图的它的主战场是遥感时间序列。高分项目里常见的一类数据是同一区域多个日期的影像堆叠比如从生长季到成熟季的8期NDVI数据。作物类型不同NDVI随时间变化的曲线形状不同——水稻有一个明显的移栽后低谷玉米呈现单峰曲线常绿林则全年平缓。这种任务本质是序列分类用LSTM建模再合适不过。实现前要把数据组织成(batch, timesteps, features)的三维张量。timesteps是时间期数features可以是NDVI加上其他几个指数构成的向量import torch.nn as nn class NDVI_LSTM(nn.Module): def __init__(self, input_size4, hidden_size64, num_classes5, num_layers2): super().__init__() self.lstm nn.LSTM( input_sizeinput_size, # 比如NDVI, EVI, NDWI, 温度共4维 hidden_sizehidden_size, num_layersnum_layers, # 双层LSTM捕捉时间依赖层次结构 batch_firstTrue, dropout0.3 # 层间dropout仅在num_layers1时生效 ) self.classifier nn.Sequential( nn.Linear(hidden_size, 64), nn.ReLU(inplaceTrue), nn.Dropout(0.3), nn.Linear(64, num_classes) ) def forward(self, x): # x形状: (batch, seq_len, input_size) out, _ self.lstm(x) # 取最后一个时间步的隐状态做分类 out out[:, -1, :] return self.classifier(out)用最后一个时间步的输出来分类是序列分类的常规做法含义是“看完一整年的物候轨迹再做判断”。num_layers2能捕捉更长时间范围内的依赖但需要注意LSTM训练对梯度流不友好层数超过3时容易梯度消失这时可以尝试用带梯度裁剪的Adamoptimizer torch.optim.Adam(model.parameters(), lr1e-3) torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm1.0)梯度裁剪是LSTM训练里几乎必须加的一行代码。时序数据长度不同时损失函数变化剧烈梯度范数忽大忽小不裁剪的话训练loss经常出现断崖式跳变。遥感时序的seq_len通常在8~30之间padding时要用torch.nn.utils.rnn.pack_padded_sequence处理不等长序列否则padding大量0会让模型的内部状态被无意义输入干扰。4. 模型横向对比评估与结果解读方法4.1 统一评估协议数据划分、评估指标与对比基准四个模型放一起对比时最忌讳的是每个模型用不同的数据划分。标准做法是把数据集一次性分为训练集70%、验证集15%、测试集15%所有模型都在同一划分上训练和评估。评估指标不要只看准确率遥感数据类别严重不平衡时小类的准确率会被大类的准确率掩盖。使用classification_report可以得到各类别具体的精度from sklearn.metrics import classification_report, confusion_matrix import numpy as np # 所有模型共用同一份测试集 models {KNN: knn_model, SVM: svm_model} for name, model in models.items(): y_pred model.predict(X_test_scaled) print(f\n {name} ) print(classification_report(y_test, y_pred, digits4)) # CNN和LSTM的输出是概率用argmax拿到类别 cnn_probs cnn_model(X_test_tensor) y_pred_cnn torch.argmax(cnn_probs, dim1).cpu().numpy() print(classification_report(y_test, y_pred_cnn, digits4))一组有代表性的实验输出表格模型训练时间(s)推理时间(ms/块)验证F1(macro)测试F1(macro)KNN(k7)0.812.40.84210.8310SVM(RBF)15.33.10.91250.9042CNN(3层)13506.80.93870.9213LSTM(时序)6208.20.88540.87164.2 参数敏感性分析与错误模式诊断报告F1只是起点高分项目真正拉开差距的是对结果的分析深度。KNN需要画出k值与交叉验证得分的关系曲线验证你选的k不是恰好撞上了一个好点SVM需要画出C和gamma的网格热力图证明参数区间选择合理。CNN可以做一个最简单的消融实验去掉数据增强、去掉BatchNorm、把dropout从0.5改成0分别记录验证集的变化。错误模式诊断方面混淆矩阵是最直接的工具import matplotlib.pyplot as plt import seaborn as sns cm confusion_matrix(y_test, y_pred_cnn) # 归一化后更能看清每一类的识别率 cm_norm cm.astype(float) / cm.sum(axis1)[:, np.newaxis] plt.figure(figsize(8, 6)) sns.heatmap(cm_norm, annotTrue, fmt.2f, cmapBlues) plt.xlabel(Predicted) plt.ylabel(Ground Truth) plt.show()混淆矩阵的解读重点放在“哪两个类别被系统性地搞混”。在遥感任务里最容易混淆的通常是林地与灌木、建筑与裸土因为它们的光谱响应曲线高度相近仅凭单时相影像的自然彩色波段根本分不开。如果项目允许给你的报告或代码里加一段建议引入多时相数据或SAR雷达波段来消除这类混淆——这个建议能直接体现你对遥感问题的理解深度。5. 高分项目中绕不开的坑过拟合、类别不平衡与通道匹配5.1 小样本过拟合的三个征兆与对策遥感标注成本极高一块128×128的patch要精确标出地物类别往往需要人工照着同一区域的高分辨率影像逐个轮廓描。因此样本量过千已经算不错过拟合几乎必然出现。典型征兆包括训练集准确率接近100%、验证集准确率却停止在70%上下模型对训练集中的噪声极度敏感稍微旋转输入图结果就变。对策依次是加正则提高dropout到0.6、缩小网络容量减少卷积核数量、加大数据增强强度。周志华在《机器学习》里对“没有免费午餐定理”的讨论在这里很适用如果样本量决定了你只能训练一个小网络那就不要追求复杂backbone的SOTA结构。ResNet18比一个三层的浅层CNN参数多几十倍在五千样本的遥感数据上效果往往反而差。5.2 类别不平衡只看准确率会让你误判模型河流、裸土这类地物在影像里面积占比极大而漏油点、小型水体这类关键目标可能只占1%。如果直接用准确率评估一个把所有样本都预测为大类的模型也能拿到95%以上的分数。class_weightbalanced能缓解一部分问题但根治手段是重采样——对少量类别的patch做SMOTE过采样或重复抽样from imblearn.over_sampling import SMOTE smote SMOTE(random_state42, k_neighbors5) X_resampled, y_resampled smote.fit_resample(X_train_scaled, y_train)SMOTE是在特征空间里对少量类别的样本做线性插值生成新的合成样本本质上是把特征工程和重采样结合了。但要注意SMOTE只适用于KNN和SVM这类基于向量距离的模型对CNN和LSTM不能直接用因为图像和序列的“特征空间”不可控。CNN场景里更稳妥的做法是给Loss按类别加权重class_weights torch.tensor([0.8, 1.2, 3.0, 1.5, 2.0]) # 按类别样本数倒数归一化 criterion nn.CrossEntropyLoss(weightclass_weights)5.3 多光谱影像喂进预训练CNN的通道匹配技巧很多高分项目希望直接复用ImageNet预训练的ResNet或VGG但遥感影像最少也有4个波段而预训练模型的第一层是3通道。常见做法有三个直接丢掉多余波段只取RGB——这会浪费近红外这个对植被识别极其重要的通道把4波段复制成3通道——信息冗余且模型不理解光谱语义最优做法是改造第一层卷积权重把预训练的3通道权重平均拆给4个输入通道def adapt_pretrained_to_multispectral(model, in_bands4): old_conv model.conv1 new_conv nn.Conv2d(in_bands, old_conv.out_channels, kernel_sizeold_conv.kernel_size, strideold_conv.stride, paddingold_conv.padding, biasFalse) with torch.no_grad(): # 把预训练3通道权重复制并平均到4通道 new_conv.weight[:, :3] old_conv.weight new_conv.weight[:, 3] old_conv.weight.mean(dim1) # 新通道取原通道均值权重 model.conv1 new_conv return model这种初始化方式的物理含义是第4个通道开始时不携带任何特定偏好相当于用前3个通道的平均语义做冷启动。相比随机初始化的第4通道模型收敛速度明显更快最终精度通常能高出24个百分点。如果只取前3个波段喂预训练模型NDVI信息彻底丢失植被类别的F1往往直接掉5个点以上这种损失是无法靠微调弥补的。6. 从模型到系统四模型统一推理与批量预测加速技巧一个完整的高分项目不只要在Jupyter Notebook里跑通还要提供一个面向新影像的批量预测脚本。如果四个模型各用一套推理代码维护成本会成倍增长。常见做法是为每个模型封装一个统一的predict函数让外部调用只看输入输出不关心内部是sklearn还是PyTorchimport time import numpy as np class ModelWrapper: 统一接口输入patch数组输出类别标签和置信度 def __init__(self, kind, model): self.kind kind self.model model def predict(self, patches): if self.kind in (knn, svm): feats np.stack([extract_feature_vector(p) for p in patches]) feats scaler.transform(feats) return self.model.predict(feats) if self.kind cnn: tensor torch.tensor(patches, dtypetorch.float32).to(device) with torch.no_grad(): prob torch.softmax(self.model(tensor), dim1) return torch.argmax(prob, dim1).cpu().numpy() # LSTM输入形状: (batch, seq, features) tensor torch.tensor(patches, dtypetorch.float32).to(device) with torch.no_grad(): prob torch.softmax(self.model(tensor), dim1) return torch.argmax(prob, dim1).cpu().numpy()推理加速上有几个直接见效的技巧。第一PyTorch模型推理前调用model.eval()并把整个预测过程包在torch.no_grad()里这能让梯度计算图完全不构建推理速度提升一半以上。第二批量预测的batch size直接影响GPU利用率遥感影像patch单张体积不大batch size可以从64开始往上试显存不报错就继续加倍。第三把FP32模型转换成FP16混合精度推理在支持半精度计算的GPU上能再获得约30%的吞吐提升model model.half() # 转半精度 tensor tensor.half()最后一个实用技巧是把推理脚本保存成命令行工具用Python的argparse接收影像路径和模型路径直接输出带类别标签的GeoTIFF。这样一来整个项目就从一个“能跑的Notebook”变成了“能交的工程系统”。处理一张上万像素的原始影像时先按第2章的滑窗方式切patch并行预测后再拼接回原图尺寸生成一张分类专题图。把预测结果叠加在原始影像上用渐变色渲染输出非技术评审也能一眼看出分类效果。本文还有配套的精品资源点击获取
