深度学习——基于卷积神经网络的建筑物提取

基于高分辨率遥感影像的建筑物提取在遥感影像处理和分析的基础上,加上了模式识别、数学等方法,能够半自动甚至全自动识别与检测出影像中的建筑物相关信息。但高空间分辨率影像信噪比低,建筑物的提取无法达到很高的精度,大量的影像还是通过人工解译才能得到应用。
卷积神经网络在使用大规模数据集训练的情况下,在特征提取和分类任务中
展现出了极强的潜力。在卷积神经网络的训练过程中,大规模地标记训练数据是特征提取质量的保证,训练数据的质量将会直接影响到最终分类的精度(Bengio,et al., 2009)。使用小规模训练数据训练的网络往往对训练数据有着很强的特征提取和分类性能,但所提取的特征多样性和泛化能力较差,由于训练数据不足所造成的最大负面影响就是过拟合(即对于未输入进网络进行学习的测试数据,性能表现很差)。虽然目前已经有大量针对自然场景图片的大规模标注数据集,比如Image Net(Deng, et al., 2009)、CIFAR-10(Krizhevsky, 2009)和 PASCAL-VOC(Everingham,et al., 2010)等。 但与已有的影像空间范围较小的自然场景数据集相比,针对遥感地物多要素分类的大规模标注数据集很少,公开发布的更少,而且大部分数据集都针对于场景分类任务。这些场景数据集有:UC-Merced(Yang and Newsam,2010)、WHU-RS19(Sheng, et al., 2012)、RSSCN7(Zou, et al., 2015)和 BrazilianCoffee Scene(Penatti, et al., 2015)等。遥感场景数据集的规模一般很小,即使是现有的最大规模的遥感数据集也无法充分训练一个深层卷积神经网络。
通过自己在一副影像数据中提取相关的数据集,主要通过envi对感兴趣区roi进行截取。步骤如下:
ENVI5.1中整合了ENVI Classic/ENVI4.X中的感兴趣工具(ROI Tool),用于图像分类、裁剪、端元提取等处理。包含之前版本ROI Tool所有的功能,如绘制ROI:

– 几何绘制(多边形、矩形、椭圆形、线、点) 多个或一个

– 像元笔刷工具选择

– 区域增长法选择

– 像元阈值法选择

– 输入shapefile矢量的属性条件建立ROI

相比之前的ROI Tool,ENVI 5.1中的感兴趣区文件有一定区别:

1、 带有坐标,可用于任何与之有地理重叠的栅格数据,支持坐标自动重投影。

2、 文件格式为XML文件格式。

3、 …

1 ROI感兴趣区
感兴趣区ROIs(Region of Interest)是从图像中选择的一部分“样本”,它通过在图像上选择或使用诸如设定阈值(thresholding)或者从其他文件(如矢量)转换获得等方法生成。感兴趣区可以是点、线、面不规则的形状,通常用来作为图像分类的样本、掩膜、裁剪区域及其它操作。
ENVI 5.1中的 ROI Tool工具完全继承了之前版本的功能,如下图所示,操作上也基本保留了原来的风格。ROI列表放在了Layer Manager图层管理中。ROI Tool工具包括了菜单和若干的按钮等组成。在Toolbox中,包括/Regions of Interest菜单。
深度学习——基于卷积神经网络的建筑物提取_第1张图片
深度学习——基于卷积神经网络的建筑物提取_第2张图片
图1 ROI Tool工具和ROI列表

2 创建ROIs
这里以一个带有地理坐标的多光谱图像作为例子数据介绍ROI Tool工具的使用。数据为ENVI自带数据(…Program FilesExelisENVI51classicdata)bhtmref.img。

(1) 打开并显示图像。

(2) 可以选择以下两种方法新建ROI:

1、 选择File->New->Regions of Interest…,如果没有选择图层,默认自动在图层管理器中的最上面图层中新建一个Regions of Interest图层。

注:如果需要给其他图层新建一个roi,选择这个图层后新建ROI即可。
2、 在图层中右键选择New Region Of Interest。
(3) 打开Region Of Interest(ROI)Tool面板,修改:
ROI Name:裸地
ROI Color:选择一个颜色
深度学习——基于卷积神经网络的建筑物提取_第3张图片
图2 ROI Tool工具

(4) 面板中提供四种方式绘制ROI:几何方式(Geometry)、像素选择(Pixel)、区域增长(Grow)和阈值区间(Threshold)。这里选择常用的几何方式(Geometry),可以选择点、线、圆、矩形和任意多边形(默认)。

注:一个ROI里面可以包括很多记录(Record),这里的记录实际上就是由点、线、面组成。

(5) 在图像中单击左键选择第一个多边形节点,继续单击左键增加多边形节点。当绘制好一个多边形之后,双击两次左键或者右键选择Complete and Accept Polygon结束绘制一个多边形。继续重复绘制若干个ROI。

注:如果选择Complete Polygon,则可以对绘制的多边形ROI进行位置和形状的修改。
(6) 在图像中右键选择New ROI,可以继续新建一个ROI,重复前面步骤绘制ROI。
(7) 在Layer Manager中,可以看到绘制的所有ROI。
深度学习——基于卷积神经网络的建筑物提取_第4张图片
图3 Layer Manager中绘制的ROI

ROI编辑

当需要编辑修改某个ROI时候,你可以用[转载]ENVI5.1中的感兴趣区工具 工具定位到需要修改的感兴趣区,右键选择菜单Edit Record,可以拖动节点修改形状、大小、位置。

ROI删除

ROI Tool中单击[转载]ENVI5.1中的感兴趣区工具按钮可以删除一个ROI

ROI Tool中单击[转载]ENVI5.1中的感兴趣区工具可以删除一个ROI中的一条记录,如一个多边形。或者在一个多边形上右键选择Delete Record。

(8) 在ROI Tool中,选择File->Save AS,在Save ROIs to XML面板中选择需要保存的ROI,选择输出路径和文件名。

注:ENVI5.1中的ROI文件格式为.xml,如果需要输出之前版本的.roi文件,可选择File -> Export to Classic。
深度学习——基于卷积神经网络的建筑物提取_第5张图片
深度学习——基于卷积神经网络的建筑物提取_第6张图片
图4 Save ROIs to XML面板

常见问题:

1、 如果关闭了ROI Tool面板,在Layer Manager中,找个ROI图层双击鼠标可以打开ROI Tool面板。
2、 在Layer Manager中的ROI图层右键选择remove菜单,实际只是移除显示,没有真正删除。打开DataManager面板可以加载。
3、如果截取区域在存储时不见,可能是没有在哪一层区域进行图形截取。

你可能感兴趣的:(深度学习——自制数据集)