简介这是一套面向遥感图像处理与课程设计场景的Python完整实现方案适合高校学生作为毕业设计、综合实践或期末大作业的参考范本。项目围绕道路提取核心任务包含特征提取、聚类分析、检测策略、结果可视化等完整模块代码附有详尽注释便于初学者理解算法逻辑与工程实现细节。资源共64个文件以Python源文件为主辅以备份文件、编译配置及测试图像整体压缩包仅3.97MB结构清晰便于按模块查阅。目前已有30人学习浏览。项目涵盖灰度共生矩阵、K均值聚类、多种道路检测策略等关键技术点并提供了面向对象设计的路口检测上下文与参数配置机制代码经过系统化测试调试曾获得优异的课程考核成绩具备较高的工程实用性与教学参考价值可作为课设任务拆解、算法复现和代码排错的重要参考。1. 遥感图像道路提取这套Python源码为什么选了U-Net而不是全连接做课程设计拿到遥感图像道路提取这个题目大多数人第一反应是用OpenCV做边缘检测加形态学处理跑通容易但精度和泛化能力都拿不出手。这份基于Python的遥感图像道路提取算法课程设计源码核心是U-Net语义分割把道路提取当成像素二分类问题来做输入遥感影像输出同尺寸的概率图再通过后处理得到干净的道路矢量。它能解决的不只是“跑个demo交差”而是从数据准备、模型训练到结果评估的一整条链路适合正在做期末大作业、又不想只交传统方法糊弄过去的同学。第1章先交代清楚这套源码用什么、为什么能拿到高分、你拿到手后需要准备什么环境。2. 把TIF影像切成模型能吃的样子GDAL裁剪、标签对齐与训练集划分2.1 先弄清楚原始数据和标签到底是什么格式遥感影像和普通自然图像最大的区别在于它通常是多波段TIF带地理坐标信息而且一张图动辄几千乘几千像素。直接拿整张图去训练显存肯定爆掉所以第一步一定是裁剪成小切片。拿到源码后不要上来就跑训练脚本先打开数据目录看一眼。常见的组织方式是images/放原始影像labels/放二值标签标签里道路像素为255或1背景为0。如果你手上的标签是白底黑线那后处理时候要留意反色问题这是后面踩坑的重灾区的起点。另一个容易被忽略的点是TIF的波段数。有些高分影像有4个波段RGBN有些是3波段少数还有8波段。源码里的数据加载部分一般会写死波段数如果你的数据是4波段U-Net的输入通道就要改成4。我之前帮人调过一份代码加载时用了img[:, :, :3]硬切结果近红外波段的信息直接被丢掉了道路边缘分割效果肉眼可见地变差。拿到源码先确认数据格式和加载代码是否匹配这一步花不了五分钟但能省掉后面一整天的排错时间。2.2 裁剪时保证特征图和标签严格对齐裁剪是遥感分割里最“细”的环节。源码里提供的是滑动窗口裁剪核心参数是tile_size和stride。tile_size决定每个切片的尺寸一般取256或512stride是窗口每次移动的步长如果stride tile_size就产生了重叠区。重叠区域的作用有两个一是增加训练样本数量二是避免道路正好被切在边界上导致标签不完整。这里给出一个标准的裁剪实现用rasterio读取影像同时裁特征和标签保证二者坐标严格对齐import rasterio from rasterio.windows import Window import numpy as np def crop_tiles(image_path, label_path, save_dir, tile_size512, stride256): with rasterio.open(image_path) as src_img, rasterio.open(label_path) as src_lab: height, width src_img.height, src_img.width for y in range(0, height - tile_size, stride): for x in range(0, width - tile_size, stride): window Window(x, y, tile_size, tile_size) img_data src_img.read(windowwindow) # shape: (C, H, W) lab_data src_lab.read(windowwindow) # shape: (1, H, W) # 转成 (H, W, C) 的排列方便后续输入模型 img_data np.transpose(img_data, (1, 2, 0)) lab_data np.transpose(lab_data[0], (0, 1)) np.save(f{save_dir}/img_{y}_{x}.npy, img_data) np.save(f{save_dir}/lab_{y}_{x}.npy, lab_data)这里的read(windowwindow)是按地理坐标窗口读取只要两个文件的投影一致切出来的图就是像素级对齐的。注意height - tile_size这个写法是防止窗口越界如果影像尺寸不是tile_size的整数倍最后一行一列会被丢弃。我一般会在做之前先打印影像尺寸确认大图的宽高如果边缘丢弃的区域太大就把stride改成tile_size // 2或者把影像先做一次镜像填充再切。参数这块可以这样调tile_size512适合显存不太够的情况tile_size256训练速度快但上下文信息少道路这种狭长目标更容易断重叠率stridetile_size//2是验证下来最稳的选择。2.3 训练集划分与正负样本比例裁剪完之后就是划分训练集和验证集。这里容易犯的错误是直接随机划分但同一张大图切出来的相邻切片高度相似训练集和验证集信息重叠验证指标虚高。我自己的习惯是先把大图按区块分组比如一张5000×5000的图切成约20×20400个切片按切片中心坐标的块号来划分保证同一地理位置只出现在一个集合里。源码里如果只提供了简单的train_test_split拿到手后最好改成这种按来源划分的方式。正负样本比例也要留意遥感影像里道路通常只占5%~10%背景占绝大多数如果训练时直接把原始切片全丢进去模型会学成“全都预测为背景”。常见做法是算一下每个切片里道路像素占比把全是背景的切片和含道路的切片按1:3或1:4的比例混合训练或者在后处理阶段用pos_weight调整二分类交叉熵的权重。3. U-Net训练参数与评价指标loss怎么设、IoU怎么算、不收敛看哪里3.1 模型结构选型标准U-Net还是轻量版源码里用的是标准U-Net编码器部分可以换ResNet34或EfficientNet预训练权重解码器保持经典的跳跃连接结构。U-Net在道路提取这个任务上的优势很直观跳跃连接让浅层细节和深层语义融合对细长拓扑结构比较友好。作为课程设计标准U-Net完全够用而且好解释答辩时可以把每个模块的功能讲得很清楚。如果你想把效果再往上拉可以参考DeepLabV3的ASPP模块但对显存和训练时间的要求会明显提高。一份课程设计源码里给你的是标准U-Net这就是最稳妥的起点别一上来就换大模型先跑通再优化。模型核心代码大概是这样的结构import torch.nn as nn class UNet(nn.Module): def __init__(self, in_channels3, out_channels1, features[64, 128, 256, 512]): super().__init__() self.encoder nn.ModuleList() self.decoder nn.ModuleList() self.pool nn.MaxPool2d(2) for f in features: self.encoder.append(self._conv_block(in_channels, f)) in_channels f self.bottleneck self._conv_block(features[-1], features[-1] * 2) for f in reversed(features): self.decoder.append(nn.ConvTranspose2d(f * 2, f, kernel_size2, stride2)) self.decoder.append(self._conv_block(f * 2, f)) def _conv_block(self, in_ch, out_ch): return nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), nn.Conv2d(out_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue) ) def forward(self, x): skip_connections [] for enc in self.encoder: x enc(x) skip_connections.append(x) x self.pool(x) x self.bottleneck(x) skip_connections skip_connections[::-1] for idx in range(0, len(self.decoder), 2): x self.decoder[idx](x) skip skip_connections[idx // 2] if x.shape ! skip.shape: x nn.functional.interpolate(x, sizeskip.shape[2:]) x torch.cat((skip, x), dim1) x self.decoder[idx 1](x) return torch.sigmoid(x)这段代码里features[64, 128, 256, 512]控制编码器各层通道数显存不够可以把数值减半。ConvTranspose2d上采样后有个对齐处理interpolate到跳跃连接的特征图尺寸这是防止因输入尺寸非整数倍导致张量形状对不上的关键动作。训练时in_channels要和你数据的波段数一致RGB就是3四波段就改成4。最后输出接sigmoid激活得到每个像素是道路的概率取值范围0到1。3.2 损失函数与训练超参BCE和Dice一起用道路提取的二分类问题里纯用BCE二元交叉熵容易让模型偏向背景占比大的情况损失值降得挺快但道路像素全被忽略。常见的做法是BCE加Dice Loss组合Dice系数直接衡量预测和真实标注的重叠程度训练时两者加权相加一般权重各取0.5。下面这段是训练循环里的关键片段你可以直接对照源码里的训练脚本看看有没有这部分import torch import torch.nn.functional as F def dice_loss(pred, target, smooth1.0): pred pred.reshape(-1) target target.reshape(-1) intersection (pred * target).sum() return 1 - (2.0 * intersection smooth) / (pred.sum() target.sum() smooth) def combined_loss(pred, target): bce F.binary_cross_entropy(pred, target) dice dice_loss(pred, target) return 0.5 * bce 0.5 * dicecombined_loss里smooth是防止分母为0的平滑项一般设1.0。训练时我一般用Adam优化器学习率1e-4batch_size根据显存调8或16比较常见。还有一个隐藏的关键点标签从npy加载后要除以255把像素值从0~255缩放到0~1否则BCE的梯度方向一开始就是错的。源码里如果没做这一步训练loss会卡在0.4上下死活不降。学习率的调整策略可以用ReduceLROnPlateau验证集IoU连续5个epoch不涨就把学习率乘0.5这是最省事的调度方式。3.3 评价指标先跑通IoU再谈可视化课程设计答辩时老师必问的问题是“你精度多少”这里精度不能只报像素准确率因为背景占比大全预测成背景也有95%以上的准确率骗得了分数骗不了答辩。必须算IoU交并比道路类IoU才是真正反映提取效果的指标。计算方式如下import numpy as np def compute_iou(pred_mask, true_mask): pred pred_mask 0.5 true true_mask 0.5 intersection np.logical_and(pred, true).sum() union np.logical_or(pred, true).sum() iou intersection / (union 1e-6) return iou这段代码里pred_mask是模型输出的概率图0.5是二值化阈值true_mask是真实标签union加了个1e-6防止除零。除了IoU还可以补一个F1-Score公式是2 * precision * recall / (precision recall)更能体现细道路的断裂情况。源码里应该已经封装了评估脚本如果没有就把这段算IoU的代码补进去跑验证集时逐张算然后取平均。记住一个经验值道路类别IoU在0.55以上就已经是可见效果较好的结果能到0.65以上在课程设计里就很能打了。4. 分割结果的后处理形态学过滤、连通域筛选与GeoJSON导出4.1 为什么模型输出不能直接交作业模型输出的概率图直接转成二值图里面会有一堆“盐粒”噪声单独亮起的像素、短小的碎线、建筑物边缘的误检。这些东西在交作业的图上非常显眼一眼就被看出是没做后处理的半成品。最基础的后处理包括三步中值滤波去噪、形态学开闭运算、小连通域剔除。这三步的目的都是让道路保持连续、平滑、拓扑完整。另外模型输出的是栅格如果课程设计要求展示在真实遥感底图上最好转成矢量线划图叠加上去这一步在后处理里一起解决。4.2 形态学开闭运算的核怎么选形态学开运算先腐蚀再膨胀可以去除细小的白色噪点闭运算先膨胀再腐蚀可以填补道路中间的细小断裂。核的大小直接影响道路的完整性核太小起不到滤波作用核太大会把相邻的平行道路融成一片。以512像素分辨率的影像为例我一般先试3×3的核看结果里碎点还剩多少道路有没有断再决定要不要升到5×5。后处理代码里直接调OpenCV就行import cv2 import numpy as np def postprocess(prob_map, threshold0.5, kernel_size5, min_area50): # 概率图转二值图 binary (prob_map threshold).astype(np.uint8) * 255 # 开运算去噪点闭运算补断线 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (kernel_size, kernel_size)) opened cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel) closed cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel) # 连通域分析去掉面积小于阈值的小块 num_labels, labels, stats, _ cv2.connectedComponentsWithStats(closed, connectivity8) filtered np.zeros_like(closed) for i in range(1, num_labels): if stats[i, cv2.CC_STAT_AREA] min_area: filtered[labels i] 255 return filteredthreshold控制二值化灵敏度调低一点道路更完整但噪声更多。kernel_size5和min_area50是经验起始值具体要看你的切片像素分辨率如果你的影像是0.5米分辨率路面宽度可能有几十个像素min_area可以设到200。connectivity8表示8邻域连通道路这种斜向目标必须用8连通4连通会把斜路断成好几段。做好这几步之后提交的图像上碎点和断线都会明显减少。4.3 把栅格转成矢量GeoJSON用rasterio的features模块有的课程设计项目要求输出带坐标的矢量文件这时候要用到rasterio.features.shapes把栅格像素转成矢量多边形。源码里如果只是输出掩膜PNG这一步可以自己补上答辩时能多一个展示的点遥感影像叠加半透明道路矢量一眼看去就是高完成度。实现方式如下import json import rasterio from rasterio import features from shapely.geometry import shape from shapely.geometry import mapping def mask_to_geojson(mask_array, transform, output_path): results [] for geom, value in features.shapes(mask_array.astype(uint8), transformtransform): if value 1: results.append(mapping(shape(geom))) geojson {type: FeatureCollection, features: results} with open(output_path, w) as f: json.dump(geojson, f)transform参数是原始TIF的地理仿射变换矩阵直接从rasterio.open()返回的src.transform拿。mask_array是0/1掩膜而不是255/0因为features.shapes会把非零值都当作前景。转换出来的是多边形面如果你要的是道路中心线还得做一次骨架提取用skimage.morphology.skeletonize但作为课程设计而言输出面矢量已经足够完整。5. 课程设计最容易翻车的五个坑现象、原因与改动建议5.1 训练Loss不降反升验证集压根不收敛现象跑了十几个epoch训练loss在0.7附近震荡验证IoU始终为零附近。原因最常见的是标签没归一化。标签图读进来是0到255模型输出是0到1BCE的梯度数值完全错位。还有一个常见原因是标签和影像没有对齐整个标签图偏移了十几个像素模型学到的特征全被错位样本干扰。解决在数据加载代码里强制加一行label label / 255.0再打印一对img和label的shape以及像素值范围确认一下。对齐问题的话先把标签和影像同一位置切片可视化检查一次看道路线是不是正好压在影像的道路位置上。5.2 训练Loss很低但预测全图全是白的现象验证loss看起来正常IoU也还行但拿全图一预测输出几乎整片都是道路。原因这大概率是因为训练样本里只有那些道路占比高的切片模型没见过大量干净背景。还有可能是后处理时二值化阈值太低预测概率0.3也被当成道路。解决回看训练集切片中道路像素占比的分布把纯背景切片和含道路切片混合。预测时把阈值从0.5往上调试0.6或0.7同时观察道路是否还连续。一般来说概率图里道路的峰值和背景的峰值应该分得比较开如果阈值调到0.8道路还是很大面积存在那就是训练样本分布的问题。5.3 道路断成一段一段的细小路几乎全丢现象预测结果里主干道清楚但乡村小路、次干道断裂严重。原因一是训练切片尺寸太小512的切片对于8米宽的道路来说还行但对3米宽的乡村路切出来可能只有四五个像素宽下采样后细节直接消失。二是形态学开运算的核太大把细路当成噪声腐蚀掉了。解决训练时把tile_size从512提高到768或1024让上下文更大。后处理的小连通域面积阈值min_area要降低因为长而窄的道路像素块面积并不大。建议先不加后处理直接看模型原始输出确认断裂是模型问题还是形态学参数问题再对症下药。5.4 模型在训练集上效果很好验证集上一塌糊涂现象训练切片逐张看预测结果非常漂亮但切到另一块区域的验证切片道路提取明显退化。原因这是典型的过拟合根源是训练样本太单一比如只来自两张高分影像。遥感影像的色调变化极大不同区域的道路材质、屋顶颜色、植被覆盖差异都会让模型失效。解决用数据增强去扛对切片做随机翻转、随机旋转90度、色彩抖动和亮度对比度调整。源码里如果只有水平翻转建议补上ColorJitter和RandomRotation。另外就是增加训练数据的来源哪怕只多一张完全不同色调的影像泛化能力也会有可见提升。5.5 GPU显存溢出batch_size根本调不上去现象CUDA out of memory调整batch_size到2照样爆显存。原因显存不足的核心往往不是batch_size而是切片的尺寸。512×512的输入加U-Net在6GB显存下跑batch_size8比较吃力加上自动求导的中间变量很容易爆掉。解决优先把tile_size改到256观察道路小的特征是否还能保住再把batch_size降到4配合梯度累积。另一个做法是在训练脚本里加torch.cuda.empty_cache()。如果显存实在不够把特征features从64改到32模型参数量能少四倍分割效果下降有限。6. 用TTA和多尺度推理把路拼完整从单张预测到全图成图验证6.1 推理时不要直接拿整张大图塞进模型训练完成之后预测阶段的核心是滑窗推理加拼接。把测试大图按训练时的tile_size和stride切块逐块预测再把结果按坐标拼回全图。拼接时重叠区域不能简单取平均值否则重叠区和非重叠区之间会有明显的亮度跳变。我常用的做法是给每张切片预测结果加一个三角窗权重重叠区域按权重叠加最终除以权重和拼出来的图过渡自然。核心逻辑可以写成这样def sliding_predict(model, full_img, tile_size512, stride256): h, w full_img.shape[:2] weight_map np.zeros((h, w), dtypenp.float32) prob_map np.zeros((h, w), dtypenp.float32) for y in range(0, h - tile_size, stride): for x in range(0, w - tile_size, stride): tile full_img[y:ytile_size, x:xtile_size] tile_tensor transform(tile).unsqueeze(0) with torch.no_grad(): pred model(tile_tensor).squeeze().numpy() prob_map[y:ytile_size, x:xtile_size] pred weight_map[y:ytile_size, x:xtile_size] 1 prob_map prob_map / np.maximum(weight_map, 1) return prob_mapweight_map里的1表示每个像素被覆盖的次数最后除以覆盖次数就是平均值。如果想让重叠区融合更平滑把weight_map换成距离中心越远权重越低的三角窗但课程设计里平均融合已经完全够用。预测前记得把模型切到eval()模式关闭dropout和batchnorm的动态更新否则推理结果会有随机性。6.2 TTA测试时增强就是白捡的精度预测阶段还有一个几乎不花成本的提分手段就是TTA。把每张切片做一次水平翻转和垂直翻转分别预测再把三次预测的概率图翻转回原始方向后取平均。这个方法专门对付模型对特定方向过拟合的问题。道路分割里U-Net对上下方向往往比对左右方向敏感TTA之后IoU一般能涨0.02到0.03。代码实现上就是在sliding_predict里多写几个翻转分支preds [] for aug_img in [tile, np.fliplr(tile), np.flipud(tile)]: with torch.no_grad(): p model(transform(aug_img).unsqueeze(0)).squeeze().numpy() preds.append(p) preds[1] np.fliplr(preds[1]) preds[2] np.flipud(preds[2]) pred np.mean(preds, axis0)这段代码就是TTA的核心翻转三次预测再平均模型实际推理时间增加了三倍但换来的是更平滑的概率边界。如果你时间充裕还可以加一个多尺度分支把切片缩放到0.75和1.25倍分别预测再resize回原尺寸效果又不一样。预测完成后拿拼好的全图概率图做一次可视化检查把预测道路轮廓叠加到原始遥感影像上透明度调到0.4人工看一眼道路是否连通、有没有跑到屋顶上去。这一步是课程设计里最出效果的地方也是答辩时最能说明问题的一张图。从那以后我每次交遥感分割作业都会强制走一遍“切片可视化重叠区拼接TTA平均”的完整流程确认全图没有黑洞也没有断层才提交这套习惯救过我不少次。希望帮到你这套工程包确实值得花一个晚上把它跑通再按你自己的数据调一遍参数。本文还有配套的精品资源点击获取
简介这是一套面向遥感图像处理与课程设计场景的Python完整实现方案适合高校学生作为毕业设计、综合实践或期末大作业的参考范本。项目围绕道路提取核心任务包含特征提取、聚类分析、检测策略、结果可视化等完整模块代码附有详尽注释便于初学者理解算法逻辑与工程实现细节。资源共64个文件以Python源文件为主辅以备份文件、编译配置及测试图像整体压缩包仅3.97MB结构清晰便于按模块查阅。目前已有30人学习浏览。项目涵盖灰度共生矩阵、K均值聚类、多种道路检测策略等关键技术点并提供了面向对象设计的路口检测上下文与参数配置机制代码经过系统化测试调试曾获得优异的课程考核成绩具备较高的工程实用性与教学参考价值可作为课设任务拆解、算法复现和代码排错的重要参考。1. 遥感图像道路提取这套Python源码为什么选了U-Net而不是全连接做课程设计拿到遥感图像道路提取这个题目大多数人第一反应是用OpenCV做边缘检测加形态学处理跑通容易但精度和泛化能力都拿不出手。这份基于Python的遥感图像道路提取算法课程设计源码核心是U-Net语义分割把道路提取当成像素二分类问题来做输入遥感影像输出同尺寸的概率图再通过后处理得到干净的道路矢量。它能解决的不只是“跑个demo交差”而是从数据准备、模型训练到结果评估的一整条链路适合正在做期末大作业、又不想只交传统方法糊弄过去的同学。第1章先交代清楚这套源码用什么、为什么能拿到高分、你拿到手后需要准备什么环境。2. 把TIF影像切成模型能吃的样子GDAL裁剪、标签对齐与训练集划分2.1 先弄清楚原始数据和标签到底是什么格式遥感影像和普通自然图像最大的区别在于它通常是多波段TIF带地理坐标信息而且一张图动辄几千乘几千像素。直接拿整张图去训练显存肯定爆掉所以第一步一定是裁剪成小切片。拿到源码后不要上来就跑训练脚本先打开数据目录看一眼。常见的组织方式是images/放原始影像labels/放二值标签标签里道路像素为255或1背景为0。如果你手上的标签是白底黑线那后处理时候要留意反色问题这是后面踩坑的重灾区的起点。另一个容易被忽略的点是TIF的波段数。有些高分影像有4个波段RGBN有些是3波段少数还有8波段。源码里的数据加载部分一般会写死波段数如果你的数据是4波段U-Net的输入通道就要改成4。我之前帮人调过一份代码加载时用了img[:, :, :3]硬切结果近红外波段的信息直接被丢掉了道路边缘分割效果肉眼可见地变差。拿到源码先确认数据格式和加载代码是否匹配这一步花不了五分钟但能省掉后面一整天的排错时间。2.2 裁剪时保证特征图和标签严格对齐裁剪是遥感分割里最“细”的环节。源码里提供的是滑动窗口裁剪核心参数是tile_size和stride。tile_size决定每个切片的尺寸一般取256或512stride是窗口每次移动的步长如果stride tile_size就产生了重叠区。重叠区域的作用有两个一是增加训练样本数量二是避免道路正好被切在边界上导致标签不完整。这里给出一个标准的裁剪实现用rasterio读取影像同时裁特征和标签保证二者坐标严格对齐import rasterio from rasterio.windows import Window import numpy as np def crop_tiles(image_path, label_path, save_dir, tile_size512, stride256): with rasterio.open(image_path) as src_img, rasterio.open(label_path) as src_lab: height, width src_img.height, src_img.width for y in range(0, height - tile_size, stride): for x in range(0, width - tile_size, stride): window Window(x, y, tile_size, tile_size) img_data src_img.read(windowwindow) # shape: (C, H, W) lab_data src_lab.read(windowwindow) # shape: (1, H, W) # 转成 (H, W, C) 的排列方便后续输入模型 img_data np.transpose(img_data, (1, 2, 0)) lab_data np.transpose(lab_data[0], (0, 1)) np.save(f{save_dir}/img_{y}_{x}.npy, img_data) np.save(f{save_dir}/lab_{y}_{x}.npy, lab_data)这里的read(windowwindow)是按地理坐标窗口读取只要两个文件的投影一致切出来的图就是像素级对齐的。注意height - tile_size这个写法是防止窗口越界如果影像尺寸不是tile_size的整数倍最后一行一列会被丢弃。我一般会在做之前先打印影像尺寸确认大图的宽高如果边缘丢弃的区域太大就把stride改成tile_size // 2或者把影像先做一次镜像填充再切。参数这块可以这样调tile_size512适合显存不太够的情况tile_size256训练速度快但上下文信息少道路这种狭长目标更容易断重叠率stridetile_size//2是验证下来最稳的选择。2.3 训练集划分与正负样本比例裁剪完之后就是划分训练集和验证集。这里容易犯的错误是直接随机划分但同一张大图切出来的相邻切片高度相似训练集和验证集信息重叠验证指标虚高。我自己的习惯是先把大图按区块分组比如一张5000×5000的图切成约20×20400个切片按切片中心坐标的块号来划分保证同一地理位置只出现在一个集合里。源码里如果只提供了简单的train_test_split拿到手后最好改成这种按来源划分的方式。正负样本比例也要留意遥感影像里道路通常只占5%~10%背景占绝大多数如果训练时直接把原始切片全丢进去模型会学成“全都预测为背景”。常见做法是算一下每个切片里道路像素占比把全是背景的切片和含道路的切片按1:3或1:4的比例混合训练或者在后处理阶段用pos_weight调整二分类交叉熵的权重。3. U-Net训练参数与评价指标loss怎么设、IoU怎么算、不收敛看哪里3.1 模型结构选型标准U-Net还是轻量版源码里用的是标准U-Net编码器部分可以换ResNet34或EfficientNet预训练权重解码器保持经典的跳跃连接结构。U-Net在道路提取这个任务上的优势很直观跳跃连接让浅层细节和深层语义融合对细长拓扑结构比较友好。作为课程设计标准U-Net完全够用而且好解释答辩时可以把每个模块的功能讲得很清楚。如果你想把效果再往上拉可以参考DeepLabV3的ASPP模块但对显存和训练时间的要求会明显提高。一份课程设计源码里给你的是标准U-Net这就是最稳妥的起点别一上来就换大模型先跑通再优化。模型核心代码大概是这样的结构import torch.nn as nn class UNet(nn.Module): def __init__(self, in_channels3, out_channels1, features[64, 128, 256, 512]): super().__init__() self.encoder nn.ModuleList() self.decoder nn.ModuleList() self.pool nn.MaxPool2d(2) for f in features: self.encoder.append(self._conv_block(in_channels, f)) in_channels f self.bottleneck self._conv_block(features[-1], features[-1] * 2) for f in reversed(features): self.decoder.append(nn.ConvTranspose2d(f * 2, f, kernel_size2, stride2)) self.decoder.append(self._conv_block(f * 2, f)) def _conv_block(self, in_ch, out_ch): return nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), nn.Conv2d(out_ch, out_ch, 3, padding1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue) ) def forward(self, x): skip_connections [] for enc in self.encoder: x enc(x) skip_connections.append(x) x self.pool(x) x self.bottleneck(x) skip_connections skip_connections[::-1] for idx in range(0, len(self.decoder), 2): x self.decoder[idx](x) skip skip_connections[idx // 2] if x.shape ! skip.shape: x nn.functional.interpolate(x, sizeskip.shape[2:]) x torch.cat((skip, x), dim1) x self.decoder[idx 1](x) return torch.sigmoid(x)这段代码里features[64, 128, 256, 512]控制编码器各层通道数显存不够可以把数值减半。ConvTranspose2d上采样后有个对齐处理interpolate到跳跃连接的特征图尺寸这是防止因输入尺寸非整数倍导致张量形状对不上的关键动作。训练时in_channels要和你数据的波段数一致RGB就是3四波段就改成4。最后输出接sigmoid激活得到每个像素是道路的概率取值范围0到1。3.2 损失函数与训练超参BCE和Dice一起用道路提取的二分类问题里纯用BCE二元交叉熵容易让模型偏向背景占比大的情况损失值降得挺快但道路像素全被忽略。常见的做法是BCE加Dice Loss组合Dice系数直接衡量预测和真实标注的重叠程度训练时两者加权相加一般权重各取0.5。下面这段是训练循环里的关键片段你可以直接对照源码里的训练脚本看看有没有这部分import torch import torch.nn.functional as F def dice_loss(pred, target, smooth1.0): pred pred.reshape(-1) target target.reshape(-1) intersection (pred * target).sum() return 1 - (2.0 * intersection smooth) / (pred.sum() target.sum() smooth) def combined_loss(pred, target): bce F.binary_cross_entropy(pred, target) dice dice_loss(pred, target) return 0.5 * bce 0.5 * dicecombined_loss里smooth是防止分母为0的平滑项一般设1.0。训练时我一般用Adam优化器学习率1e-4batch_size根据显存调8或16比较常见。还有一个隐藏的关键点标签从npy加载后要除以255把像素值从0~255缩放到0~1否则BCE的梯度方向一开始就是错的。源码里如果没做这一步训练loss会卡在0.4上下死活不降。学习率的调整策略可以用ReduceLROnPlateau验证集IoU连续5个epoch不涨就把学习率乘0.5这是最省事的调度方式。3.3 评价指标先跑通IoU再谈可视化课程设计答辩时老师必问的问题是“你精度多少”这里精度不能只报像素准确率因为背景占比大全预测成背景也有95%以上的准确率骗得了分数骗不了答辩。必须算IoU交并比道路类IoU才是真正反映提取效果的指标。计算方式如下import numpy as np def compute_iou(pred_mask, true_mask): pred pred_mask 0.5 true true_mask 0.5 intersection np.logical_and(pred, true).sum() union np.logical_or(pred, true).sum() iou intersection / (union 1e-6) return iou这段代码里pred_mask是模型输出的概率图0.5是二值化阈值true_mask是真实标签union加了个1e-6防止除零。除了IoU还可以补一个F1-Score公式是2 * precision * recall / (precision recall)更能体现细道路的断裂情况。源码里应该已经封装了评估脚本如果没有就把这段算IoU的代码补进去跑验证集时逐张算然后取平均。记住一个经验值道路类别IoU在0.55以上就已经是可见效果较好的结果能到0.65以上在课程设计里就很能打了。4. 分割结果的后处理形态学过滤、连通域筛选与GeoJSON导出4.1 为什么模型输出不能直接交作业模型输出的概率图直接转成二值图里面会有一堆“盐粒”噪声单独亮起的像素、短小的碎线、建筑物边缘的误检。这些东西在交作业的图上非常显眼一眼就被看出是没做后处理的半成品。最基础的后处理包括三步中值滤波去噪、形态学开闭运算、小连通域剔除。这三步的目的都是让道路保持连续、平滑、拓扑完整。另外模型输出的是栅格如果课程设计要求展示在真实遥感底图上最好转成矢量线划图叠加上去这一步在后处理里一起解决。4.2 形态学开闭运算的核怎么选形态学开运算先腐蚀再膨胀可以去除细小的白色噪点闭运算先膨胀再腐蚀可以填补道路中间的细小断裂。核的大小直接影响道路的完整性核太小起不到滤波作用核太大会把相邻的平行道路融成一片。以512像素分辨率的影像为例我一般先试3×3的核看结果里碎点还剩多少道路有没有断再决定要不要升到5×5。后处理代码里直接调OpenCV就行import cv2 import numpy as np def postprocess(prob_map, threshold0.5, kernel_size5, min_area50): # 概率图转二值图 binary (prob_map threshold).astype(np.uint8) * 255 # 开运算去噪点闭运算补断线 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (kernel_size, kernel_size)) opened cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel) closed cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel) # 连通域分析去掉面积小于阈值的小块 num_labels, labels, stats, _ cv2.connectedComponentsWithStats(closed, connectivity8) filtered np.zeros_like(closed) for i in range(1, num_labels): if stats[i, cv2.CC_STAT_AREA] min_area: filtered[labels i] 255 return filteredthreshold控制二值化灵敏度调低一点道路更完整但噪声更多。kernel_size5和min_area50是经验起始值具体要看你的切片像素分辨率如果你的影像是0.5米分辨率路面宽度可能有几十个像素min_area可以设到200。connectivity8表示8邻域连通道路这种斜向目标必须用8连通4连通会把斜路断成好几段。做好这几步之后提交的图像上碎点和断线都会明显减少。4.3 把栅格转成矢量GeoJSON用rasterio的features模块有的课程设计项目要求输出带坐标的矢量文件这时候要用到rasterio.features.shapes把栅格像素转成矢量多边形。源码里如果只是输出掩膜PNG这一步可以自己补上答辩时能多一个展示的点遥感影像叠加半透明道路矢量一眼看去就是高完成度。实现方式如下import json import rasterio from rasterio import features from shapely.geometry import shape from shapely.geometry import mapping def mask_to_geojson(mask_array, transform, output_path): results [] for geom, value in features.shapes(mask_array.astype(uint8), transformtransform): if value 1: results.append(mapping(shape(geom))) geojson {type: FeatureCollection, features: results} with open(output_path, w) as f: json.dump(geojson, f)transform参数是原始TIF的地理仿射变换矩阵直接从rasterio.open()返回的src.transform拿。mask_array是0/1掩膜而不是255/0因为features.shapes会把非零值都当作前景。转换出来的是多边形面如果你要的是道路中心线还得做一次骨架提取用skimage.morphology.skeletonize但作为课程设计而言输出面矢量已经足够完整。5. 课程设计最容易翻车的五个坑现象、原因与改动建议5.1 训练Loss不降反升验证集压根不收敛现象跑了十几个epoch训练loss在0.7附近震荡验证IoU始终为零附近。原因最常见的是标签没归一化。标签图读进来是0到255模型输出是0到1BCE的梯度数值完全错位。还有一个常见原因是标签和影像没有对齐整个标签图偏移了十几个像素模型学到的特征全被错位样本干扰。解决在数据加载代码里强制加一行label label / 255.0再打印一对img和label的shape以及像素值范围确认一下。对齐问题的话先把标签和影像同一位置切片可视化检查一次看道路线是不是正好压在影像的道路位置上。5.2 训练Loss很低但预测全图全是白的现象验证loss看起来正常IoU也还行但拿全图一预测输出几乎整片都是道路。原因这大概率是因为训练样本里只有那些道路占比高的切片模型没见过大量干净背景。还有可能是后处理时二值化阈值太低预测概率0.3也被当成道路。解决回看训练集切片中道路像素占比的分布把纯背景切片和含道路切片混合。预测时把阈值从0.5往上调试0.6或0.7同时观察道路是否还连续。一般来说概率图里道路的峰值和背景的峰值应该分得比较开如果阈值调到0.8道路还是很大面积存在那就是训练样本分布的问题。5.3 道路断成一段一段的细小路几乎全丢现象预测结果里主干道清楚但乡村小路、次干道断裂严重。原因一是训练切片尺寸太小512的切片对于8米宽的道路来说还行但对3米宽的乡村路切出来可能只有四五个像素宽下采样后细节直接消失。二是形态学开运算的核太大把细路当成噪声腐蚀掉了。解决训练时把tile_size从512提高到768或1024让上下文更大。后处理的小连通域面积阈值min_area要降低因为长而窄的道路像素块面积并不大。建议先不加后处理直接看模型原始输出确认断裂是模型问题还是形态学参数问题再对症下药。5.4 模型在训练集上效果很好验证集上一塌糊涂现象训练切片逐张看预测结果非常漂亮但切到另一块区域的验证切片道路提取明显退化。原因这是典型的过拟合根源是训练样本太单一比如只来自两张高分影像。遥感影像的色调变化极大不同区域的道路材质、屋顶颜色、植被覆盖差异都会让模型失效。解决用数据增强去扛对切片做随机翻转、随机旋转90度、色彩抖动和亮度对比度调整。源码里如果只有水平翻转建议补上ColorJitter和RandomRotation。另外就是增加训练数据的来源哪怕只多一张完全不同色调的影像泛化能力也会有可见提升。5.5 GPU显存溢出batch_size根本调不上去现象CUDA out of memory调整batch_size到2照样爆显存。原因显存不足的核心往往不是batch_size而是切片的尺寸。512×512的输入加U-Net在6GB显存下跑batch_size8比较吃力加上自动求导的中间变量很容易爆掉。解决优先把tile_size改到256观察道路小的特征是否还能保住再把batch_size降到4配合梯度累积。另一个做法是在训练脚本里加torch.cuda.empty_cache()。如果显存实在不够把特征features从64改到32模型参数量能少四倍分割效果下降有限。6. 用TTA和多尺度推理把路拼完整从单张预测到全图成图验证6.1 推理时不要直接拿整张大图塞进模型训练完成之后预测阶段的核心是滑窗推理加拼接。把测试大图按训练时的tile_size和stride切块逐块预测再把结果按坐标拼回全图。拼接时重叠区域不能简单取平均值否则重叠区和非重叠区之间会有明显的亮度跳变。我常用的做法是给每张切片预测结果加一个三角窗权重重叠区域按权重叠加最终除以权重和拼出来的图过渡自然。核心逻辑可以写成这样def sliding_predict(model, full_img, tile_size512, stride256): h, w full_img.shape[:2] weight_map np.zeros((h, w), dtypenp.float32) prob_map np.zeros((h, w), dtypenp.float32) for y in range(0, h - tile_size, stride): for x in range(0, w - tile_size, stride): tile full_img[y:ytile_size, x:xtile_size] tile_tensor transform(tile).unsqueeze(0) with torch.no_grad(): pred model(tile_tensor).squeeze().numpy() prob_map[y:ytile_size, x:xtile_size] pred weight_map[y:ytile_size, x:xtile_size] 1 prob_map prob_map / np.maximum(weight_map, 1) return prob_mapweight_map里的1表示每个像素被覆盖的次数最后除以覆盖次数就是平均值。如果想让重叠区融合更平滑把weight_map换成距离中心越远权重越低的三角窗但课程设计里平均融合已经完全够用。预测前记得把模型切到eval()模式关闭dropout和batchnorm的动态更新否则推理结果会有随机性。6.2 TTA测试时增强就是白捡的精度预测阶段还有一个几乎不花成本的提分手段就是TTA。把每张切片做一次水平翻转和垂直翻转分别预测再把三次预测的概率图翻转回原始方向后取平均。这个方法专门对付模型对特定方向过拟合的问题。道路分割里U-Net对上下方向往往比对左右方向敏感TTA之后IoU一般能涨0.02到0.03。代码实现上就是在sliding_predict里多写几个翻转分支preds [] for aug_img in [tile, np.fliplr(tile), np.flipud(tile)]: with torch.no_grad(): p model(transform(aug_img).unsqueeze(0)).squeeze().numpy() preds.append(p) preds[1] np.fliplr(preds[1]) preds[2] np.flipud(preds[2]) pred np.mean(preds, axis0)这段代码就是TTA的核心翻转三次预测再平均模型实际推理时间增加了三倍但换来的是更平滑的概率边界。如果你时间充裕还可以加一个多尺度分支把切片缩放到0.75和1.25倍分别预测再resize回原尺寸效果又不一样。预测完成后拿拼好的全图概率图做一次可视化检查把预测道路轮廓叠加到原始遥感影像上透明度调到0.4人工看一眼道路是否连通、有没有跑到屋顶上去。这一步是课程设计里最出效果的地方也是答辩时最能说明问题的一张图。从那以后我每次交遥感分割作业都会强制走一遍“切片可视化重叠区拼接TTA平均”的完整流程确认全图没有黑洞也没有断层才提交这套习惯救过我不少次。希望帮到你这套工程包确实值得花一个晚上把它跑通再按你自己的数据调一遍参数。本文还有配套的精品资源点击获取
