基于U 2-Net深度学习模型的沿海水产养殖塘遥感信息提取.pdf

第 卷第 期自 然 资 源 遥 感.年 月 .:./.引用格式:王建强邹朝晖刘荣波等.基于 深度学习模型的沿海水产养殖塘遥感信息提取.自然资源遥感():.(.():.)基于 深度学习模型的沿海水产养殖塘遥感信息提取王建强 邹朝晖 刘荣波 刘志松(.浙江省水文地质工程地质大队宁波 .浙江海洋大学信息工程学院舟山 .潍坊市地下水及地质环境保护重点实验室潍坊)摘要:针对近海沿岸复杂地理环境中“同谱异物”效应导致传统方法提取水产养殖塘边界模糊、精度较低的问题提出了基于 深度学习模型的沿海水产养殖塘遥感信息提取方法 首先对遥感影像进行预处理选择合适的波段组合方式以区分养殖塘和其他地物 其次通过目视解译进行样本制作 然后利用 深度学习模型训练并提取沿岸养殖塘 最后利用局部最佳法确定养殖塘范围 实验结果表明该方法平均总体精度达到.平均 系数、召回率和 值分别为.和.在养殖塘个数及面积评价方面提取出养殖塘区 块共计.区块数和面积的平均准确度分别为.和.本研究能够快速、准确地开展海岸带区域养殖塘制图能够为海洋资源管理和可持续发展提供技术支持关键词:遥感图像 水产养殖塘 复杂海洋环境中图法分类号:文献标志码:文章编号:()收稿日期:修订日期:基金项目:国家自然科学基金项目“人类活动影响下的群岛区域海岸线时空演变机制分析”(编号:)资助第一作者:王建强()男硕士工程师研究方向为水文地质调查:.通信作者:邹朝晖()男硕士研究生研究方向为深度学习、遥感图像目标识别:.引言水产养殖是一种传统的渔业生产方式 根据联合国粮食及农业组织的公开数据全球水产养殖产量从 世纪 年代的 万 增至 年的 万 中国作为最大生产国其水产养殖对全球鱼类总产量的贡献达到.水产养殖产量占国内鱼类总产量的.沿海水产养殖塘是水产养殖设施的重要组成部分通常位于具有丰富生物多样性和高生态价值的海岸带区域 年我国池塘养殖面积占全国水产养殖面积的 养殖塘属于完全或部分人造养殖环境易受季节变化影响养殖过程中抗生素、杀虫剂等化学药剂的使用容易造成环境退化和生物多样性破坏 根据年可持续发展议程中可持续发展目标“保护和可持续利用海洋和海洋资源以促进可持续发展”实现对养殖设施的科学管理是推进渔业生态可持续发展的重要环节和手段 因此准确获取水产养殖塘信息对于渔业资源科学管理、海岸带环境治理具有重要意义通常情况下沿海水产养殖塘的信息获取以统计调查的方式进行 结果较为准确但费时费力并且统计数据往往受到人为因素的干扰 遥感技术以成像速度快、观测范围广、成像谱段多、实践序列长、经济效益好等特点已经成为信息提取和目标识别的主要手段 基于遥感技术的养殖塘信息提取可分为 类:阈值分割法、区域生长法、基于像元的分类法、面向对象的方法、基于深度学习的方法阈值分割法是通过选择合适的阈值对图像进行二值化操作从而得到识别目标的分割方法 此类方法实现简单、计算量小但该方法只考虑了图像单一波段的信息抗干扰性较差 区域生长法是通过聚合生长点附近性质相似的像素点或者子区域形成更大区域的分割方法 此类方法计算简单对于较均匀的连通目标有较好的分割效果 但需要人为确定生长点分割结果受噪声点影响严重 基于像元的分类方法根据同类地物在遥感图像上的表现特征利用最大似然分类器和随机森林分类器自 然 资 源 遥 感 年等进行类别属性划分 此类方法虽然计算便捷但分类结果容易受到“同谱异物”和“同物异谱”现象的影响 面向对象方法综合考虑了光谱统计特征、形状、大小、纹理和相邻关系等因素分类的结果不再以单个像素为基础而是形成同质影像对象该方法不仅有效抑制光谱变异引起的“椒盐”效应还能减少“同谱异物”造成的地物错分现象 此类方法的分类结果随图像分辨率的增加而提升但分割的尺度和参数较难确定需要反复调整 基于深度学习的方法通过组合不同卷积层构建神经网络来进行 深度学习作为一种重要的人工智能研究工具只要提前选定样本对模型参数不断更新迭代即可自动学习目标特征从而识别目标对象 此类方法更稳定受“同谱异物”等其他影响因素干扰较小模型泛化能力更高被广泛应用于计算机视觉、自然语言处理和医疗图像处理等方面 目前影响沿海水产养殖塘识别结果的主要因素有以下 点:复杂环境中存在多处干扰源“同谱异物”现象严重 水田、稻田、盐田和沿岸河渠等地物类型与水产养殖塘光谱特征较为相似在利用传统方法的时候通常很难找到合适阈值 沿海水产养殖塘图像特征不稳定 在遥感图像上不同生产阶段的养殖塘表现特征不同给多时相遥感信息提取带来了挑战 尽管水产养殖塘内部光谱特征不稳定但其边缘构成单一几何形态相对稳定 近年来众多学者利用深度学习算法在目标识别、显著性分析和遥感信息提取 等方面取得了较好效果因此本文针对传统沿海水产养殖塘遥感信息提取方法中存在的问题基于 深度学习模型开展研究以突破传统方法在复杂地理环境下提取养殖塘信息存在的不确定性 本文研究能够为海岸带空间资源调查、海洋资源科学管理、人类可持续发展提供重要的数据支撑和技术支持 研究区及其数据源.研究区域研究区六横岛地处舟山群岛南部全岛面积达 是舟山第三大岛屿地理位置如图 所示六横岛深水岸线绵长港口优势显著围塘养殖面积居舟山市榜首是舟山最重要的水产养殖乡镇之一 依托区位优势六横岛临港产业快速发展形成船舶修造、港口物流、临港石化、海洋旅游四大产业板块图 研究区区位示意图.数据源 是美国航空航天局()发射的陆地卫星系列从 年以来已经发射了 颗卫星其中 卫星发射失败 系列卫星均为近极地太阳同步轨道以同一地方时、同一方向通过同一地点保证遥感观测条件基本一致 卫星重返周期为 其余卫星为 目前 系列卫星已经连续对地观测 积累了大范围、长时间序列的地表遥感影像数据被广泛地应用于对地观测研究中根据目前数据源状况和本研究需求 选取 陆地成像仪()所获取的卫星遥感影像开展相关研究 所选择数据具体信息见表 其中前 景影像用于模型训练后 景影像用于模型测试表 本文使用遥感数据情况.序号卫星发射时间传感器成像时间 空间分辨率/.研究方法.深度学习模型近年来多层特征整合策略和多尺度特征提取是深度显著目标检测网络算法主要的改进方向 多层特征整合策略强调提出一种复杂的整合方法通过综合利用网络每一层级提取的特征以提高网络识别结果 多尺度特征提取则强调设计新的结第 期王建强等:基于 深度学习模型的沿海水产养殖塘遥感信息提取构模块通过扩大感受野和丰富上下文信息以提高模型性能 这些改进算法虽然优化了模型性能但也提高了硬件要求增加了资源开销 等提出了一种与传统的深度卷积神经网络模型不断加深卷积结构方式不同的深度学习模型 网络模型 网络模型由编码、解码和特征融合 个部分构成 在编码过程中利用多层下采样提取更全面的特征 在解码过程中利用多层上采样还原特征结果 在特征融合阶段全连接编解码过程中产生的特征结果生成显著性概率图 等在 网络基础之上提出一种二级嵌套 型结构的模型 网络模型 网络模型继承了 网络模型编解码的思想但在每次采样时不再使用单一的卷积层或者反卷积层而是内嵌一个完整的 型残差块结构(图)以取代单一的卷积操作 型残差块结构解决了以往使用小型卷积核导致感受野过窄仅能提取局部细节的缺陷 同时减少了利用空洞卷积导致的计算量过大的问题 网络模型通过设计一种简单的框架即可逐层提取多尺度特征从而提高识别效率图 型残差块结构示意图.基于 深度学习模型的沿海水产养殖塘遥感信息提取本文提出了一种基于 深度学习模型的沿海水产养殖塘遥感信息提取方法具体技术路线如图 所示图 技术路线.数据预处理多光谱影像最佳波段的选取和合成是遥感信息提取的重要组成部分直接影响到结果的准确性及有效性 遥感影像数据具有 个波段信息经过分析发现短波红外波段()、近红外波段()、红光波段()组合形式下水产养殖塘在遥感图像上表现特征最为明显 因此本文选择 ()()()的假彩色组合形式进行后续操作 通过目视解译人工标注所有的水产养殖塘区域得到完整的标注图标注图大小为 像素 像素.训练样本制作模型的训练效果受到训练样本质量影响较大为提高训练样本质量需要对裁剪后的影像进行筛选将其分为 类:该像素点每一时相下都是水产养殖塘 该像素点部分时相下是水产养殖塘 该像素点所有时相下均不是水产养殖塘 对前 类影像进行数据增强通过放大、缩小、旋转和翻转等操作将样本集扩张到 张.沿岸养殖塘遥感信息提取 网络模型由 层编码层、层解码层和全连接层 部分构成(图)每一层都包含一自 然 资 源 遥 感 年个 型残差块用于提取多尺度特征 训练样本每经过一个编码层都会向下传递采样后的训练样本同时将这一层训练结果传递给同一级别的解码层并计算损失函数 当遍历完所有的编码层和解码层后会得到 张还原成与训练样本同一尺寸的提取结果 最后在全连接层将所有的特征结果进行聚合得到最终的识别结果与损失函数 通过不断迭代以减少损失函数的值从而提高模型识别效果图 网络结构示意图.本研究硬件配置为 深度学习框架为 .操作系统为 编程语言为 .使用 进行参数更新 为 迭代次数为 为 损失函数为二值交叉熵 并根据多监督算法构建目标函数式 具体计算公式分别为:()()()()()()()()式中:为层数()和()分别为第 层权重参数和损失函数值 和 分别为全连接层权重参数和损失函数值 和 分别为图像高和宽 分别为像素点坐标()为标签值()为预测值.精度评价精度评价是遥感信息提取不可获取的重要步骤不仅能够评估所得结果的准确性和可靠性还是优化过程和调整参数的重要依据 本研究利用准确率()、召回率()和 值 个精度指标进行养殖塘提取结果的精度评价具体计算公式分别为:()()()()()()()()()()()式中:和 分别为未被识别的养殖塘像素数、错误识别的养殖塘像素数、被正确识别的养殖塘像素数()为二值化标注图中像素点的值()为 二 值 化 结 果 图 中 像 素 点 的 值 当()()时表示该像素点是真但分 类 结 果 为 假 该 像 素 点 属 于“漏 分”当()()时表示该像素点是假但分类结果为真该像素点属于“错分”结果与分析基于 深度学习模型对 年 个不同时相遥感影像的沿海水产养殖塘进行提取得到研究区域水产养殖塘遥感信息提取结果第 期王建强等:基于 深度学习模型的沿海水产养殖塘遥感信息提取.模型性能评价根据模型识别结果绘制 曲线和 曲线 曲线表达了模型分类结果中真阳性率和假阳性率之间的关系 曲线下方的面积称为 当 .时表示模型具有良好的分类结果 值越接近 分类效果越好 图 展示了本研究所构建模型的 曲线所有时相的 值都近似于 因此本研究构建的基于 的水产养殖塘识别模型效果良好()结果()左上角局部放大图 曲线.曲线描述了模型识别结果中准确率与召回率之间的关系 曲线中准确率等于或近似等于的点称为平衡点该点代表的阈值是模型分类效果最佳的阈值点 利用 曲线(图)平衡点所代表的阈值提取识别结果 在每张遥感影像中都随机选择 个“真”样本点和 个“假”样本点 识别结果中总共 个水产养殖塘样本点正确分类 个 个非水产养殖塘样本点正确分类 个图 展示了 个时相中随机样本点的分类结果 表 记录了 个时相中生产者精度、用户精度、总体精度和 系数等各项精度指标的结果 从图 和表 可以看出本研究构建的模型在 个时相的实验中都得到了较好的分类结果平均总体精度为.平均 系数为.图 曲线.()时相一()时相二()时相三()时相四图 混淆矩阵与随机样本点分类结果.自 然 资 源 遥 感 年表 养殖塘遥感信息提取准确性评估(样本点).时相生产者精度/用户精度/总体精度/系数时相一.时相二.时相三.时相四.平均值.通过矢量化识别结果并叠加在合成影像中舟山六横岛 年 月的水产养殖塘结果如表 所示 结果显示本研究采用的模型准确率、召回率和 值分别介于.和.具体识别精度如表 所示 因此该方法可以用于提取不同时相下的水产养殖塘遥感信息表 养殖塘遥感信息提取结果.时相合成影像识别结果误差时相一时相二时相三时相四表 养殖塘遥感信息提取准确性评估.时相/时相一.时相二.时相三.时相四.平均值.识别效果评价由于六横岛水产养殖塘建设集约化程度高水产养殖塘大多集中呈区域分布 以 影像数据目视解译结果为基准对遥感信息提取结果进行识别效果评价 在区块数方面 个时相准确度均高于.平均准确度为.其中时相一和时相四准确度为 最终共提取出水产养殖塘区 块 在面积方面 个时相准确度均高于.提取出的面积介于.平均准确度达到.具体结果如表 所示表 水产养殖塘提取结果定量评价.时相水产养殖塘提取结果区块数面积目视解译结果/个识别结果/个准确度/目视解译结果/识别结果/准确度/时相一.时相二.时相三.时相四.平均值.结论与展望本研究基于中等分辨率 卫星遥感数据使用 深度学习模型实现了复杂地理环境下沿海水产养殖塘遥感信息提取 在六横岛 个时相的实验表明本研究采用的方法可以准确提取沿岸养殖塘信息提取结果位置准确、边界清晰 方法的准确率、召回率和 值的平均值分别为.和.本研究虽然实现了六横岛沿岸养殖塘遥感信息准确提取但仍然存在一些问题需要进一步研究:验证模型在更高空间分辨率遥感图像上的有效性和适用性 针对重点区域基于长时间序列卫星遥感影像开展沿岸养殖塘时空格局演变分析参考文献():联合国粮食及农业组织.年世界渔业和水产养殖状况:可持续发展在行动.罗马:联合国粮食及农业组织.:.吴荔生 杨圣云.试论养殖水域生态系统结构优化与管理.海洋科学():.():.董金玮吴文斌黄健熙等.农业土地利用遥感信息提取的研究进展与展望.地球信息科学学报():.第 期王建强等:基于 深度学习模型的沿海水产养殖塘遥感信息提取 .():.():.舒 弥杜世宏.国土调查遥感 年进展与挑战.地球信息科学学报():.():.().():.徐涵秋.利用改进的归一化差异水体指数()提取水体信息的研究.遥感学报():.().():.葛云峰夏 丁唐辉明等.基于三维激光扫描技术的岩体结构面智能识别与信息提取.岩石力学与工程学报():.():.():.马 玥姜琦刚孟治国等.基于随机森林算法的农耕区土地利用分类研究.农业机械学报():.():.代晶晶吴亚楠王登红等.基于面向对象分类的稀土开采区遥感信息提取方法研究.地球学报():.():.代晓丽刘世峰宫大庆.基于 的文本相似度检测方法.通信学报():.():.冯龙锋陈 英周滔辉等.图像肺及肺病变区域分割方法综述.中国图象图形学报():.():.柯丽娜翟宇宁范剑超.深度边缘光谱 海水网箱养殖信息提取.海洋学报():.():.郑智腾范海生王 洁等.改进型双支网络模型的遥感海水网箱养殖区智能提取方法.国土资源遥感():.:./.():.:./.武易天陈 甫马 勇等.基于 数据的近海养殖区自动提取方法研究.国土资源遥感():.:./.():.:./.刘岳明杨晓梅王志华等.基于深度学习 模型的三都澳筏式养殖区提取研究.海洋学报():.():.苟杰松蒋 怡李宗南等.基于 模型的成都平原水产养殖水体信息提取.中国农机化学报():.():.文 可姚焕玫黄 以等.基于 的广西北部湾沿海水产养殖池塘遥感提取.农业工程学报():.():.柳崇斌徐 佳王冬梅等.基于 全极化 影像多特征优选的水产养殖塘提取.农业工程学报():.():.李连伟张源榆岳增友等.基于全卷积网络模型的高分遥感影像内陆网箱养殖区提取.山东科学():.():./:.:/:.自 然 资 源 遥 感 年 .:.():.:.():.陈 超陈慧欣陈 东等.舟山群岛海岸线遥感信息提取及时空演变分析.国土资源遥感():.:./.():.:./.:.():./.:/././:.:/.:./():.:.():./:.:/.:.:.():.(.):.:(责任编辑:陈 理)