基于DeepLab v3+模型的高分辨率影像养殖用海信息提取

摘要 及时、精确的养殖用海信息探测对于海洋利用开发与管理至关重要，而传统机器学习因不能自动提取原始信息特征，常导致信息提取精度不高、边界不完整等问题。鉴于此，提出采用DeepLab v3+模型进行养殖用海信息提取，重点关注该模型在高分辨率复杂影像中养殖用海信息的提取效果。结果表明，无论是单一时相影像还是由多时相构成的拼接影像，DeepLab v3+模型对养殖用海信息提取的精度均达到了97%以上，明显优于基于传统机器学习方法分类精度;在养殖网箱、排筏等非均质地物提取细节上，DeepLab v3+模型能够完整提取地物，边界也较为规则，可为用海监测与管理提供科学技术手段。

关键词 DeepLabv3+模型;信息提取;养殖用海;钦州湾

中图分类号 S 951  文献标识码 A

文章编号 0517-6611（2022）12-0208-06

doi：10.3969/j.issn.0517-6611.2022.12.053

开放科学（资源服务）标识码（OSID）：

Extraction of Aquaculture Sea from High-Resolution Remote Sensing Imagery Based on DeepLabv3+ Model

HE Xian-jin1，2，MENG Fang-xin3

（1.Key Laboratory of Environment Change and Resource Use in Beibu Gulf，Ministry of Education（Nanning Normal University），Nanning，Guangxi 530001;2.Guangxi Key Laboratory of Earth Surface Processes and Intelligent Simulation，Nanning，Guangxi 530001;3.School of Geography and Planning，Nanning Normal University，Nanning，Guangxi 530001）

Abstract Timely and accurate detection of aquaculture sea information was essential for the utilization and management of marine.However，traditional machine learning cannot automatically extract the original information features of objects，leading to low precision and incomplete boundaries of extracted objects.A method to extract aquaculture sea information was proposed by DeepLab v3+ model.The extraction effects of this model in high-resolution complex images were mainly researched.The results indicated that the accuracy of the DeepLab v3+ model for extracting marine information for aquaculture reached more than 97% for both a single-phase image and a mosaic image composed of multiple time phases.The classification accuracy was obviously better than that of the Maximum Likelihood Classification in ENVI. For the extraction of aquaculture cages and rafts，DeepLab v3+ model could completely extract these objects with regular boundaries.This research provided methodological guidance for sea monitoring and management.

Key words DeepLabv3+ model;Information extraction;Aquaculture sea;Qinzhou Bay

广西壮族自治区北部湾经济区是继珠江三角经济区、长江三角经济区、环渤海经济区之后的又一个具有重大发展意义的国际区域经济合作区。随着北部湾经济区的快速发展，海域使用也发生了翻天覆地的变化，在获取经济效益的同时，也将对周围的生态环境安全产生重要影响[1]。及时、准确发现获取海域使用动态变化信息，不但直接影响海域管理部门对海域使用的有效执法监察和行政管理，也为海域资源的可持续利用与发展提供决策支持。然而，由于整个经济区的海域范围广、面积大，人工解译获取信息速度慢，而传统的机器学习方法由于不能自动提取原始特征信息，导致获取信息精度不够高，无法更好地为沿海开发利用提供技术支撑与服务。

近年来，随着科技的迅速发展，深度学习在影像识别、人工智能等方面发挥着越来越重要的作用。深度学习作为机器学习中的一个新兴领域，可通过逐层特征提取的方法、逐层学习输入数据的方式，使得数据分类或预测的问题更加容易实现，并且可以从少数样本中集中学习数据集的本质特征，还可以通过学习深层非线性的网络结构，实现对复杂函数的逼近[2]。深度学习从大类上可以归入神经网络，通常由多层神经网络构成。其中，卷积神经网络（Convolutional Neural Network，CNN）是目前深度学习技术领域中最具有代表性的神经网络之一，可以通过一系列方法，成功将数据量庞大的图像识别问题不断降维，最终使其能够被训练[3]。CNN能够自动获取特征信息，具备更强的泛化能力，相对传统机器学习方法能够处理更复杂的分类问题，极大地提高了分类精度[4];另一种深度学习方法全卷积神经网络（Fully Convolutional Networks，FCN），则是通过去除CNN的全连接层，将传统CNN中的全连接层转化成一个个的卷积层以及添加上采样操作恢复影像尺寸的方式，在减轻网络复杂度的同时实现了影像的像素级分类[5-6]。但为了得到更深层次的语义信息，FCN分类方法采用池化层扩大感受野，不可避免地造成空间信息的损失[7]。基于此，众多更先进的深度学习网络模型应运而生，如SegNet[6]、U-Net[8]、DeepLab系列[9]。DeepLab v3因其清晰的网络结构和利用并行空洞卷积所捕获多尺度信息的特点，在影像信息解译提取方面得到了广泛应用[4]。例如，司海飞等[10]提出一种新的轻量化网络结构MobileNetV2结构，它替代了DeepLab v3原有的特征提取器，改进的DeepLab v3网络模型综合性能更强，更适合对分割性能要求较高的快速分割网络;韩玲等[11]利用DeepLab v3提取高分辨率遥感影像道路，结果显示该模型能够较好地提取高分辨率遥感影像中的道路边缘特征，相比其他道路提取方法具有更高的提取精度和更加完整的道路信息，正确率可达到93%以上;何红术等[12]提出改进的U-Net网络语义分割方法，借鉴经典U-Net网络的解编码结构对网络进行改进，改进后的U-Net网络结构在mIoU、精准率和Kappa系数指标上均高于SegNet和经典U-Net网络;蔡博文等[13]利用深度卷积神经网络对影像特征进行提取，并根据其邻域关系构建概率图学习模型，进一步引入高阶语义信息对特征进行优化，实现不透水面的精确提取。

尽管深度学习在各个领域的应用不断深入，但是对于用海信息提取的研究较少，且提取的对象多为均质地物[14]。鉴于此，笔者利用深度学习模型，对养殖用海中的网箱、浮筏等非均质地物进行提取，阐明深度学习方法在海域信息提取应用过程，并通过对传统机器学习方法，说明深度学习方法所具有的优势，为高精度监测北部湾海域使用状况提供一套科学有效的方法。

1 材料与方法

1.1 研究区概况

钦州湾位于北部湾顶部，广西沿岸中段，东邻钦州市钦州港区，西邻防城港市企沙半岛，北与钦州市钦南区接壤，南临北部湾，湾口门宽约为29 km，纵深约为39 km，海湾面积约为380 km2。钦州湾是广西的传统大蚝养殖基地，近年来养殖区域面积不断扩大，大蚝养殖也得到爆炸式增长[15]。钦州湾顶部为茅尾海，是以钦江、茅岭江为主要入湾径流的河口海滨区。东南部为三娘湾海域，有大风江淡水汇入，其特点是岛屿棋布、浅滩众多，创造了适宜多种海洋生物生存的不同环境。由于有钦江、茅岭江淡水汇入，因此饵料充足、鱼类资源丰富，并且钦州湾年均水温21.3 ℃，处于最适合生蚝生长的水温（15～25 ℃）范围内[16]。同时，湾内自然灾害较少，贴合生蚝养殖要求的无台风、无污染条件。

1.2 数据来源 该研究所用数据主要为影像数据，通过谷歌地球引擎平台获取了2期空间分辨率为0.5 m的钦州湾海域遥感影像。其中，2011年影像为同一时相影像，2019年影像则由多个时相影像拼接而成（图1）。另外，该研究利用与影像相匹配的钦州湾海域矢量数据，裁剪出钦州湾海域，这样可以减少其他地物对目标地物信息提取的干扰。

1.3 研究方法

1.3.1 基于DeepLab v3+模型的影像语义分割

1.3.1.1 模型介绍。

Deeplab语义分割网络在2015年被提出，该模型是给输入的图像在像素级别进行语义标签的分配[5]。目前，Deeplab经历了v1、v2、v3以及v3+的不断发展，其性能更是得到了不断地完善[17]。DeepLab v3+最大的特征就是引入了空洞卷积，在不损失信息的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。同时，模型为了融合多尺度信息，引入了语义分割常用的encoder-decoder形式[9]。DeepLab v3+结合了空洞空间金字塔池化（ASPP）和多比例的带孔卷积级联或并行来捕获多尺度背景两者的优点，在没有添加任何后端处理的情况下在PASCAL VOC 2012数据集上验证可达到89% mIoU[9]。该研究采用最新的DeepLab v3+模型进行钦州湾海域使用状况的信息提取，模型架构如图2所示。

首先，输入的图片经过主干DCNN深度卷积神经网络之后的结果被分为2部分，一部分直接传入Decoder，另一部分经过并行的Atrous Convolution，分别用不同rate的Atrous Convolution进行特征提取、进行合并，再进行1×1卷积压缩特征;其次，对于解码器Decoder部分，其输入有2部分，一部分是DCNN的输出，另外一部分是DCNN经过并行空洞卷积输出后的结果，接着将编码器的输出结果上采样4倍，然后与resnet中下采样前的Conv2特征Concat一起，再进行3×3的卷积，最后上采样4倍使其分辨率和低层级的Feature一致;最后，把获得的特征重新映射到图中的每一个像素点，用于每一个像素点的分类，最终输出Prediction图像。

1.3.1.2 样本获取。（1）样本影像裁剪。由于该试验的研究区范围较大，影像尺寸达到了50 000像素×50 000像素以上，所以不能直接将研究区作为标注对象，需要将影像进行切片处理。为了提高标注精度，将两景研究区影像切片为621像素×922像素大小的共4 000多张影像，并将其导出为.jpg格式。切成更小尺寸的图像是为了在标注阶段能够更好地识别地物信息，减小错分概率。

（2）样本选取与标注。基于上一步切片得到的影像，还需要通过目视解译的方法将包含目标地物的图像选取出来，经过筛选后，最终得到了共542张图像质量较好、具有较高识别度的图像;随后用Labelme工具进行语义分割样本的标注，将图像标注为养殖排筏与背景2类。这些样本在训练前需要经过镜像翻转、图像旋转等以获取更多的训练样本。

1.3.1.3 数据处理。训练前，首先将Labelme软件标注生成的json格式文件转换为VOC格式，方便后续进一步转换成DeepLab v3+模型训练所需的灰度图;随后利用build_voc2012_data.py文件将灰度图转换成tfrec7ord格式，同时添加对养殖排筏数据集的描述，最后进行数据集的训练。

训练时，引用预训练模型Xception65_coco_voc_trainval，调整迭代训练次数（training_number_of_steps）为30 000，图片训练尺寸（train_crop_size）为513，训练批数（train_batch_size）为1。另外，面对训练数据不足的情况，可以借鉴苟杰松等[15]训练过程通过增添数据增强模块，即通过随步长随机缩放、镜像翻转、图像旋转、非等比例缩放等多种方式来增加训练数据量，以防止样本不足带来的过拟合，提升模型泛化能力和鲁棒性。训练结束后，导出生成.dp格式预测模型文件。

预测时，直接调用.pb格式模型文件对图片进预测。考虑设备限制与数据处理效率，并不能将整幅影像一次性导入进行预测。需将50 000像素×50 000像素的影像切割为500像素×500像素的共10 000张小尺寸图像，再将小尺寸图像放入预测模型中循环遍历，生成的预测图保存在列表中，最后再将预测好的图像进行拼接，最终生成一幅与原图尺寸一致的图像。

1.3.2 基于最大似然法的养殖用海识别