大数据之：影像提取中深度学习样本库获取的思考

话说，虾神一直是做空间统计和数据分析的，对于深度学习这个热门学科，一直以来也就停留在“了解”阶段，虽然这个平展开来，里面比较核心的技术使用了聚类，而虾神研究生的时候做的课题也正好是空间聚类，所以也算有点沾亲带故把。但是毕竟不是专门做这个的，具体的技术细节也处于一知半解的状态，而今天突然“赶时髦”般的想写这样一篇文章，无论是蹭热点也好，东施效颦也好，因为有些事情已经到了不吐不快的程度。

先简介一下深度学习（机器学习），贴概念的说法，大家自己去百度，我这里继续我的段子手写法：

机器学习的基本原理。就像下面的漫画：你告诉一台电脑，1+1 =2 然后，问它，它回答等于500，你一边丢他老木，一边不停的矫正，告诉它等于2，等于2，经过无数次的矫正，最后电脑终于知道1+1 =2，那么第一阶段目标达成。。。然后你就可以开始教它1+2 =3 了。

不管是啥学习，关键在于学习两个字，从人类获取知识的角度来说，最标准的流程就是：教——学。首先要有老师教，也就是所谓的启蒙，之后再进去引导，最后才是完全的自学。哪怕是在自学中，如果有人正确的提点，那么效果也会比自学好很多倍。

机器学习也是一样，首先要有“教”的过程，这个过程就是人们先设定好很多样本，不断的告诉机器，这个东西是啥，告诉的过程就是所谓的“训练”，比如识别苹果，人们先准备几百张（几千？几万？几十万？）张不同角度，不同颜色、不同表现的苹果的图片，然后用相应的模式提取出表达为苹果的特征，然后这些特征转换成机器能够读懂的数据模型，比如rgb为255,0,0的就是红色，大部分苹果的颜色都是红色——诸如此类的。

然后就可以调用分类算法，把这些特征的阈值都计算出来，做出分类模型，这样启蒙的过程就算完成了。

下面来了一张新的图片，继续把这张图片提取特征，用新提取的特征，去原来训练好的模型里面去验证一下，如果符合某些设定，那么机器就会告诉你，这个图片里面有没有苹果。

接下去，机器判别之后，人类还可以继续介入，肯定机器是正确的，还是错误，然后给定一个评分，就像老师批改家庭作业和测试一样，然后把新的图片再加入到样本集中，修正模型。

如此往复，当时这个模型训练的次数足够多（五年高考，三年模拟）……那么识别的能力也会越难越强。

好吧，写完之后，发现，我们的考试制度，实际上就是为了把人当成机器来培养……题目做得多，就考得更好。（也不知道是人在学习机器，还是机器在学习人……）

通过前面的接受，大家基本上知道机器学习的一个基本原理了，那么现在影像提取中，如何去应用呢？

实际上在很多年前，影像提取就已经有面向对象提取方法以及监督分类方法等，利用了机器学习的基本思想，但是每次去做，只是针对当次处理的信息和结果。

现在遥感解译领域， 最大的一个点，依然是“人工矢量化”。

通过人工对遥感图像进行解读，然后手动矢量化，提取相应的数据：地块、道路等等。这种工作的方式本来无可厚非（自动解译的准确度实在太低了）。但是在我们做人工解译的过程中，确没有留下任何可以复用的成果。

比如有一副影像图，交给内业工作人员，让他们进行道路提取，一般情况下就是工作人员直接在影像图上进行矢量化，把道路的线直接给绘制，生成矢量的line，然后赋予属性，最后结束工作。

第一年这样做，第二年也这样做，第三年、第四年……

做了N年之后，依然没有任何帮助。训练出来了一堆精通矢量化的劳动密集型工作者。

那么为什么我们不换一个思路呢？有这么多老师，为什么不能把他们从画图者转换为训练员呢？如果说在其他领域里面，样本库的获得是最难的，那么恰恰在我们GIS里面，它们是最容易的。

如果说进行人工解译的时候，把所有的特征数据通过提取——标记的方式，制作成样本库，将这些样本库作为机器学习的样本来提供给程序进行训练。这种方法会被人直接跳出来准备用砖头呼在虾神脸上：你说得轻松，矢量化本来就很辛苦了，还给你去做提取标记，这是N倍的工作量好吧！你来开工资么？就算你你开得出工资，项目时间呢？我们争分夺秒的干活，你还在这里不切实际的在幻想……最后总结出一句话：不懂的走开，瞎指挥……

实际人的工作量完全没有增加，也不用重复工作。当绘制出矢量信息之后，把矢量线（或者面）写入属性信息，那么需要做仅仅是利用这些矢量的面（或者线）直接对栅格数据进行一个按掩膜提取就可以了。

如果说从栅格变成矢量，需要人工来处理，那么从矢量回过头来提取栅格，这个过程完成可以利用脚本或者modelbuilder自动化来实现：看下面这个示例：
如下影像数据

矢量化之后：


只需要利用矢量化之后的地块进行掩膜提取即可：


提取结果如下：


草地1：


花田1：


打完收工。

最后做一个简单总结：

1、遥感影像要进行机器学习获取样本，很容易的可以从矢量化结果中来。
2、矢量化将不再是结果，而只是一个中间的过程。

3、GIS的传统工具，在大数据中，依然会变得很有用，正如英国人发明了坦克，而德国人仅仅在使用的手法上做出了一些改变，就改变了整个战争的形态。

4、当我们做的工作越来多，那么我们的样本库就会越来越丰富，那么机器就会越来越聪明……千里之行始于足下，就从基础数据提取开始吧。