使用Keras基于RCNN类模型的卫星/遥感地图图像语义分割

最新推荐文章于 2023-12-25 10:45:36 发布

aohun0743

最新推荐文章于 2023-12-25 10:45:36 发布

阅读量5.2k

点赞数 4

文章标签：人工智能 python javascript ViewUI

原文链接：http://www.cnblogs.com/YSPXIZHEN/p/11287485.html

版权

这篇博客介绍了使用深度学习进行卫星/遥感地图图像语义分割，涉及SegNet、U-Net和Mask R-CNN等模型。作者探讨了数据集的处理、模型训练，包括数据增强和模型融合策略，并提出了一些额外的思路，如使用GAN扩大数据集和应用DeepLab等技术。

摘要由CSDN通过智能技术生成

遥感数据集

1. UC Merced Land-Use Data Set
图像像素大小为256*256，总包含21类场景图像，每一类有100张，共2100张。
http://weegee.vision.ucmerced.edu/datasets/landuse.html
2. WHU-RS19 Data Set
图像像素大小为600*600，总包含19类场景图像，每一类大概50张，共1005张。
https://download.csdn.net/download/u010656161/10153410
3. SIRI-WHU Data Set
图像像素大小为200*200，总包含12类场景图像，每一类有200张，共2400张。 4. RSSCN7 Data Set 图像像素大小为400*400，总包含7类场景图像，每一类有400张，共2800张。 5. RSC11 Data Set 图像像素大小为512*512，总包含11类场景图像，每一类大概100张，共1232张。 6. NWPU-RESISC45 Data Set http://www.escience.cn/people/JunweiHan/NWPU-RESISC45.html 7. Road and Building Detection Data Set https://www.cs.toronto.edu/~vmnih/data/ 8. DOTA: A Large-scale Dataset for Object Detection in Aerial Images http://captain.whu.edu.cn/DOTAweb/index.html 9. DeepGlobe卫星图像地表解析(道路提取、建筑物检测、地标分类)挑战赛 http://deepglobe.org/challenge.html

CVPR 2018挑战赛

网址：http://deepglobe.org/leaderboard.html

基于深度学习的影像地图道路提取

网络结构：D-LinkNet - LinkNet with Pretrained Encoder and Dilated Convolution for HighResolution Satellite Imagery Road Extraction

与Linknet的区别：增加了下图中的B部分，即扩张卷积层，通过多个卷积层信息的叠加，可以最大化地增大感受视野范围，同时利用ResNet34来替换掉18。

预测：由于实验需要的图片需要长与宽一致，因此在谷歌地图上找了256*256（论文声称支持1024*1024）的瓦片来进行实验，发现必须找到16级以上的瓦片才可以实现检测，可能训练数据集中需要道路的宽度具有一定的长度才可以。

基于SegNet和U-Net的遥感图像语义分割

Blog：https://blog.csdn.net/real_myth/article/details/79432456
GitHub：https://github.com/AstarLight/Satellite-Segmentation（Satellite_Image_Segmentation_BY_SegNet_UNet）

步骤：

Segmented by SegNet
Segmented by U-Net
Model Emsamble：SegNet + U-Net

数据集

数据下载：https://pan.baidu.com/s/1i6oMukH（密码：yqj2）| https://pan.baidu.com/s/1FwHkvp2esvhyOx1eSZfkog（密码：fqnw)

|-test 测试图片
|-train SegNet训练集
|----label 标记图
|----src 遥感图
|-unet_buildings UNet训练集
|----label 标记图
|----src 遥感图

数据集来自CCF大数据比赛提供的数据(2015年中国南方某城市的高清遥感图像)，是小数据集，里面包含了5张带标注的大尺寸RGB遥感图像(尺寸范围从3000×3000到6000×6000)

里面一共标注了4类物体：植被(标记1)、建筑(标记2)、水体(标记3)、道路(标记4)以及其他(标记0)。其中，耕地、林地、草地均归为植被类。更多数据介绍可以参看这里(https://www.datafountain.cn/#/competitions/270/data-intro)

训练图片及其标记图片可视化后的效果如下：蓝色-水体，黄色-房屋，绿色-植被，棕色-马路

问题：Label可视化 - 原始数据集里的训练集图片采用十六位的，图片浏览器显示全黑（一般图片浏览器无法显示16位图）

解决：将深度16位的图片转为8位（比如，Matlab下：im2 = uint8(im1))

数据处理

原始图像：5张大尺寸的遥感图像(尺寸各不相同)

随机切割：随机生成x,y坐标，然后抠出该坐标下256*256的小图

# 执行切割 - UNet训练集
python ./unet/gen_dataset.py

数据增强(Keras自带的数据增广函数/)：

原图和label图都需要旋转：90度、180度、270度
原图和label图都需要做沿y轴的镜像操作
原图做模糊操作
原图做光照调整操作
原图做增加噪声操作(高斯噪声、椒盐噪声)

# OpenCV编写的相应的增强函数
img_w = 256  
img_h = 256  
 
image_sets = ['1.png','2.png','3.png','4.png','5.png']
 
def gamma_transform(img, gamma):
    gamma_table = [np.power(x / 255.0, gamma) * 255.0 for x in range(256)]
    gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
    return cv2.LUT(img, gamma_table)
 
def random_gamma_transform(img, gamma_vari):
    log_gamma_vari = np.log(gamma_vari)
    alpha = np.random.uniform(-log_gamma_vari, log_gamma_vari)
    gamma = np.exp(alpha)
    return gamma_transform(img, gamma)
    
 
def rotate(xb,yb,angle):
    M_rotate = cv2.getRotationMatrix2D((img_w/2, img_h/2), angle, 1)
    xb = cv2.warpAffine(xb, M_rotate, (img_w, img_h))
    yb = cv2.warpAffine(yb, M_rotate, (img_w, img_h))
    return xb,yb
    
def blur(img):
    img = cv2.blur(img, (3, 3));
    return img
 
def add_noise(img):
    for i in range(200): #添加点噪声
        temp_x = np.random.randint(0,img.shape[0])
        temp_y = np.random.randint(0,img.shape[1])
        img[temp_x][temp_y] = 255
    return img
    
    
def data_augment(xb,yb):
    if np.random.random() < 0.25:
        xb,yb = rotate(xb,yb,90)
    if np.random.random() < 0.25:
        xb,yb = rotate(xb,yb,180)
    if np.random.random() < 0.25:
        xb,yb = rotate(xb,yb,270)
    if np.random.random() < 0.25:
        xb = cv2.flip(xb, 1)  # flipcode>0：沿y轴翻转
        yb = cv2.flip(yb, 1)
        
    if np.random.random() < 0.25:
        xb = random_gamma_transform(xb,1.0)
        
    if np.random.random() < 0.25:
        xb = blur(xb)
    
    if np.random.random() < 0.2:
        xb = add_noise(xb)
        
    return xb,yb
 
def creat_dataset(image_num = 100000, mode = 'original'):
    print('creating dataset...')
    image_each = image_num / len(image_sets)
    g_count = 0
    for i in tqdm(range(len(image_sets))):
        count = 0
        src_img = cv2.imread('./data/src/' + image_sets[i])  # 3 channels
        label_img = cv2.imread('./data/label/' + image_sets[i],cv2.IMREAD_GRAYSCALE)  # single channel
        X_height,X_width,_ = src_img.shape
        while count < image_each:
            random_width = random.randint(0, X_width - img_w - 1)
            random_height = random.randint(0, X_height - img_h - 1)
            src_roi = src_img[random_height: random_height + img_h, random_width: random_width + img_w,:]
            label_roi = label_img[random_height: random_height + img_h, random_width: random_width + img_w]
            if mode == 'augment':
                src_roi,label_roi = data_augment(src_roi,label_roi)
            
            visualize = np.zeros((256,256)).astype(np.uint8)
            visualize = label_roi *50
            
            cv2.imwrite(('./aug/train/visualize/%d.png' % g_count),visualize)
            cv2.imwrite(('./aug/train/src/%d.png' % g_count),src_roi)
            cv2.imwrite(('./aug/train/label/%d.png' % g_count),label_roi)
            count += 1 
            g_count += 1

经过以上数据增强操作后，可得到了较大的训练集：100000张256*256的图片

卷积神经网络模型训练

图像语义分割任务-模型选择：FCN、U-Net、SegNet、DeepLab、RefineNet、Mask Rcnn、Hed Net

SegNet - 网络结构清晰易懂，训练快

# 执行训练 - 修改filepath为segnet训练集路径
python segnet_train.py --model segnet.h5 # --model后指定保存的模型名

网络结构定义：编码器-解码器（做语义分割时通常在末端加入CRF模块做后处理，旨在进一步精修边缘的分割结果）

def SegNet():  
    model = Sequential()  
    #encoder  
    model.add(Conv2D(64,(3,3),strides=(1,1),input_shape=(3,img_w,img_h),padding='same',activation='relu'))  
    model.add(BatchNormalization())  
    model.add(Conv2D(64,(3,3),strides=(1,1),padding='same',activation=