简介：面向计算机相关专业正在完成课程设计或期末大作业的学生，项目完整实现了基于图像分割对卫星遥感图像进行国土分类的方案，涵盖数据加载与预处理、PSPNet、DeepLabV3及DeepLabV3+等主流分割模型，并附有两份训练日志与26组Poster展示图，可直观呈现模型效果与调优过程。压缩包共12个文件，以8个Python脚本为主体，分别负责数据预处理、模型搭建与训练，另有2个log训练记录、1个数据说明文档和1张展示图片，整体大小仅2.49MB，结构清晰，便于按需查阅和移植复用。项目经过严格调试，下载即可直接运行，适合需要快速搭建遥感图像分类系统、深入掌握图像分割实战流程的开发者。目前已有156人学习下载，可作为课程设计答辩演示、期末报告素材或科研入门的参考范例。
1. 遥感国土分类的课程设计，为什么一定要用语义分割
遥感国土分类这个题目最容易做歪：把“基于图像分割”误读成“基于图像分类”。真实任务是逐像元输出地物标签，水体、耕地、林地、裸土、不透水面，边界闭合，面积可统计，普通分类网络交不出这种东西。资源包把 PSPNet、DeepLabV3、DeepLabV3+ 三套分割模型和完整预处理链封装在一起，训练入口是 deecamp_train.py，附 pspnet.log 与 deeplab_v3.log 两份日志和 26 组 poster 展示图，数据和训练、日志、展示能闭合成一个做课程设计足够用的工程。对赶期末大作业的同学，按下面拆的顺序把数据换进去就能复现；对想在项目里做出差异化的从业者，水体预分类和两份日志里的模型差异才是值得停下来看的地方。
2. 数据侧：preprocess 系列脚本与 data_load 迭代器的取数逻辑
2.1 preprocess_water.py：水体预分类为什么值得单独写
遥感影像的土地覆盖分类里，水体是个很矛盾的类别。它光谱特征稳定，肉眼几乎不会错认；但对分割网络又不够友好，水面波纹、云影、高差很大的建筑阴影都会让网络在边界附近来回摇摆。把水体单独拿出来处理，是所有遥感分割工程里常见的第一刀。资源包里的 preprocess_water.py 干的就是这件事，常见实现是用 NDWI（归一化差异水体指数）做硬阈值。
# preprocess_water.py 中水体掩膜的核心逻辑 import numpy as np def ndwi_mask(green, nir, threshold=0.1): # green/nir 分别为绿波段与近红外波段，形状需一致 g = green.astype(np.float32) n = nir.astype(np.float32) ndwi = (g - n) / (g + n + 1e-6) return (ndwi > threshold).astype(np.uint8)NDWI 用（绿光-近红外）/（绿光+近红外）这一比值把水体亮度提升到 0 以上、非水体压到 0 以下。阈值 0.1 是常见起点，沙质水体和浑浊水体边缘会低于它，需要小幅下调；山地阴影多时则往上调，否则阴影会被当成水。这个脚本的产出不是最终标签，而是一份 0/1 掩膜，之后要与分割网络输出做按位或：网络只负责陆地类，水体和陆地交界处才不会出现明显的锯齿边。
换句话说，preprocess_water.py 的存在是在给网络减负。国土分类中的类别不平衡问题，经常表现为水体占比极高或极低：当一片研究区有 40% 面积是水面时，模型只要把像素都推给水体就能拿到很高的像素准确率；水面很少时，水体类 IoU 又低到没法看。先把水体拿走，后面训练损失就不会被这个强先验带偏，剩余类别的不平衡程度也会缓和得多。
2.2 preprocess.py：通道选择、裁剪与归一化
preprocess.py 是通用预处理入口，承担从原始遥感影像到训练切片的转换。遥感原始数据通常以多波段 TIFF 形式存在，不能直接用 cv2 读成三通道，常见做法是先选波段再切块。一个 x 波段影像里，可见光 RGB 负责纹理，近红外波段负责植被和水体区分，很多分割网络只吃三通道输入，所以波段取舍直接决定任务上限。
# preprocess.py 中波段读取与切块的通用写法 from osgeo import gdal def load_and_crop(path, band_indices=(1, 2, 3, 4), patch_size=512): ds = gdal.Open(path) if ds is None: raise ValueError(f"GDAL 无法打开 {path}") data = ds.ReadAsArray() # 形状 (B, H, W) data = data[list(band_indices)].astype(np.float32) patches = [] # 无重叠切块，stride 等于 patch_size for y in range(0, data.shape[1] - patch_size + 1, patch_size): for x in range(0, data.shape[2] - patch_size + 1, patch_size): patches.append(data[:, y:y + patch_size, x:x + patch_size]) return np.stack(patches, axis=0)band_indices 用 1 起始的 GDAL 波段编号，第四个波段留给近红外；如果你只保留 RGB，后续 NDWI 和植被指数都会失掉信息来源。patch_size 设 512 是在精度与显存之间的折中，课程设计机器上 8GB 显存跑 512 输入比较稳妥，调到 1024 则训练显存成倍上涨。切块之后通常还要做按样本统计的均值方差归一化，而不是按整张大图算，否则不同日期的影像光照差异会把网络逼得反复震荡。归一化后的数组建议缓存成 npy，data_load.py 直接读取，省掉每次训练都重复解译 TIFF 的开销。
2.3 data_load.py：把 npy 缓存喂进数据迭代器
data_load.py 的职责是把预处理产物组织成 PyTorch 的 Dataset 和 DataLoader。为了避免每轮迭代重复做几何矫正、归一化，常见做法是上一节输出的 npy 文件，这里只负责路径对应关系和类型转换。
# data_load.py 中的 Dataset 封装 import glob import numpy as np import torch from torch.utils.data import Dataset class LandCoverDataset(Dataset): def __init__(self, image_dir, mask_dir): self.images = sorted(glob.glob(f"{image_dir}/*.npy")) self.masks = sorted(glob.glob(f"{mask_dir}/*.npy")) assert len(self.images) == len(self.masks), "影像与标签数量必须一致" def __getitem__(self, idx): image = np.load(self.images[idx]) # (C, H, W), float32 mask = np.load(self.masks[idx]) # (H, W), 类别从 0 开始 return torch.from_numpy(image), torch.from_numpy(mask).long()类别编号必须从 0 开始连续编码：0 通常是背景或未分类，1、2、3 分别对应耕地、林地、建设用地等。如果标注文件里类别从 1 起步，训练时要额外减 1，否则 CrossEntropyLoss 的类别总数会整体多一位，IoU 也会平白多出个“零类”。train/val 划分建议按大图单位切分，而不是在所有切片里随机抽，否则同一区域的大量重叠切块会同时出现在训练和验证集里，mIoU 虚高而实测崩坏。DataLoader 侧需要注意的是 num_workers 要和机器核数匹配，Windows 下还要把代码包进if __name__ == "__main__"，否则多进程取数会反复触发训练脚本。
2.4 高精数据不随包附带时，如何替换数据集
资源包里有一句“高精卫星保密数据，无法开源”，翻译成实操语言就是：工程骨架齐全，影像数据得自己准备。课程设计阶段不建议去啃那些重达几十 GB 的原始影像，更稳妥的是用公开土地覆盖数据集，或者对 Sentinel-2 单时相影像自己标注几类地物。替换数据时有四个对齐项必须检查：波段顺序、切块尺寸、类别编号、投影信息。前三个决定训练是否能跑通，最后一个决定你在答辩时能不能把结果叠回地图上。如果原工程设定输入是 RGB 三通道，而你换了四波段数据，必须在调用 preprocess.py 时同步改 band_indices，不要在 data_load 里悄悄加通道，否则第一轮 forward 就会报 shape mismatch。
3. seg_zoo 与三套分割骨干：PSPNet、DeepLabV3、DeepLabV3+ 的模块差异
3.1 seg_zoo.py：把模型选择收敛到一个入口
seg_zoo.py 从命名看就是“分割模型动物园”，它本身不包含训练逻辑，只提供一个按名字取模型的统一入口。课程设计里维护这样一个文件的价值在于：实验对比时不用在训练脚本里到处改 import，写个配置字符串就能切换模型。
# seg_zoo.py 常见结构的模型选择函数 def build_seg_model(model_name, num_classes, backbone="resnet50"): if model_name == "pspnet": return PSPNet(num_classes=num_classes, backbone=backbone) elif model_name == "deeplabv3": return DeepLabV3(num_classes=num_classes, backbone=backbone) elif model_name == "deeplabv3_plus": return DeepLabV3Plus(num_classes=num_classes, backbone=backbone) else: raise ValueError(f"unknown model: {model_name}，可用: pspnet/deeplabv3/deeplabv3_plus")这个设计的边界条件很明确：新加网络时只需要在动物园里注册一个分支，训练脚本不动。做消融实验或者并行跑多组对比就非常方便。如果你准备把 unet 作为基线模型加进来对比，也是在这一层加分支，而不是去改动训练入口。
3.2 PSPNet：金字塔池化模块怎么覆盖不同尺度地物
PSPNet 的核心是金字塔池化模块（PPM）。耕地地块、林地连片区域、城市街道纹理的尺度差异很大，只用最后一层特征图直接上采样，小尺度和全局上下文会被同时压缩。PPM 的思路是把特征图同时池化成多个分辨率，再上采样回原尺寸拼在一起。
class PyramidPoolingModule(nn.Module): def __init__(self, in_channels, pool_sizes=(1, 2, 3, 6)): super().__init__() inner = in_channels // 4 self.branches = nn.ModuleList() for size in pool_sizes: self.branches.append(nn.Sequential( nn.AdaptiveAvgPool2d(size), # 池化到 size x size nn.Conv2d(in_channels, inner, 1, bias=False), nn.BatchNorm2d(inner), nn.ReLU(inplace=True))) def forward(self, x): h, w = x.size(2), x.size(3) out = [x] for branch in self.branches: f = branch(x) out.append(F.interpolate(f, (h, w), mode="bilinear", align_corners=False)) return torch.cat(out, 1)pool_sizes 固定成 1、2、3、6 是 PSPNet 论文里的默认配置，含义与卷积核尺寸不同，它表示自适应池化的输出边长。1×1 分支聚合整张影像的全局信息，适合识别湖泊、大块农田；2×2 和 3×3 负责中等尺度的林班和建设用地组团；6×6 保留更多位置细节。把四个尺度的输出与原始特征拼接后，通道数变为原来的两倍，后续分类层看到的既是局部纹理又是全局上下文。课程设计里改 pool_sizes 的收益往往不如改主干明显，刻意调成 1、2、4、8 只会增加显存占用，对 mIoU 的提升很难超过一个百分点。
3.3 DeepLabV3 与 DeepLabV3+：膨胀卷积替换池化
DeepLab 系列与 PSPNet 最大的设计分歧，在于它不靠池化，而用膨胀卷积扩大感受野。池化会丢掉位置信息，膨胀卷积在保持特征图分辨率的前提下，让卷积核看到更远的像素。ASPP 模块使用 1×1 卷积加三个不同膨胀率的 3×3 卷积，分别抓取不同距离的语义关系。
class ASPP(nn.Module): def __init__(self, in_channels, rate_list=(6, 12, 18)): super().__init__() self.heads = nn.ModuleList() # 1x1 卷积分支，等价于膨胀率 1 self.heads.append(nn.Sequential( nn.Conv2d(in_channels, 256, 1, bias=False), nn.BatchNorm2d(256), nn.ReLU(inplace=True))) for rate in rate_list: self.heads.append(nn.Sequential( nn.Conv2d(in_channels, 256, 3, padding=rate, dilation=rate, bias=False), nn.BatchNorm2d(256), nn.ReLU(inplace=True))) def forward(self, x): feats = [head(x) for head in self.heads] return torch.cat(feats, dim=1)rate_list=(6, 12, 18) 是构建在 ImageNet 预训练权重上的经验值，输入分辨率普遍在 513 左右可确定。换成 512 输入时，18 的膨胀率会让卷积核的感受野超过特征图边长，边缘特征被边界截断，表现为道路边缘出现撕裂状伪影。若你的影像尺寸偏小，需要把膨胀率整体下调，比如 4、8、12。DeepLabV3+ 和 DeepLabV3 的编码器部分一致，多出的 decoder 是把高层输出与浅层特征拼接再细化，对恢复道路、田埂这类细边界贡献明显。资源包里 deeplabv3.py 与 deeplabv3_plus.py 并存，正好能验证这一点。
表：三套骨干在国土分类场景下的定位对比
| 网络 | 上下文提取方式 | 主要调参点 | 容易出的问题 |
|---|---|---|---|
| PSPNet | PPM 池化 1/2/3/6 | 池化分支数、骨干网络 | 大面积类别稳定，细小道路边界被池化抹掉 |
| DeepLabV3 | ASPP 膨胀率 6/12/18 | 膨胀率、输出步长 | 分辨率太小时膨胀卷积越界 |
| DeepLabV3+ | ASPP + decoder | 低层拼接层数 | decoder 特征对齐差会引入棋盘格伪影 |
把 unet 也拉进对比是很多答辩老师期待看到的扩展。unet 的编码-解码结构在医学图像分割里被验证过，放到遥感上也能直接跑，只是缺少多尺度池化和膨胀卷积，对大范围连片地物的上下文建模稍弱。加这个对比不需要改训练主流程，只要在 seg_zoo.py 里注册一个 unet 分支，把它和 PSPNet 的结果放到同一张海报上，就能把课程设计的深度往上抬一档。
4. 训练入口与日志判读：deecamp_train.py、pspnet.log、deeplab_v3.log
4.1 训练脚本的组装方式与关键超参数
deecamp_train.py 是工程里的训练入口，Deccamp 竞赛类项目常用这个命名方式，它把数据集读取、网络构建、损失计算和日志输出串在一起。跑通它之前要先准备依赖：遥感数据读写至少要装 gdal 和 numpy，分割模型需要 torch。创建虚拟环境后执行项目文件的顺序是：先跑 preprocess 生成 npy 切片，再运行训练脚本。
# 一个能够承接该工程的 python 环境创建方式 conda create -n rsseg python=3.8 -y conda activate rsseg pip install torch torchvision opencv-python numpy gdal训练循环本身没有特殊魔法，值得照抄的是一个稳定的前向反向骨架：
# deecamp_train.py 中训练一个 epoch 的核心流程 def train_one_epoch(model, loader, optimizer, criterion, device): model.train() total_loss, total_num = 0.0, 0 for images, masks in loader: images = images.to(device) masks = masks.to(device) logits = model(images) # (B, C, H, W) loss = criterion(logits, masks) optimizer.zero_grad() loss.backward() optimizer.step() total_loss += loss.item() * images.size(0) total_num += images.size(0) return total_loss / total_num常见的优化器配置是 AdamW，学习率 1e-4，权重衰减 1e-4；如果追求和论文一致的收敛行为，换成 SGD（momentum=0.9，weight_decay=5e-4）并配多项式学习率衰减，语义分割跑出来的边界会更干净。损失函数用 CrossEntropyLoss，同时要设置 ignore_index=255，把标签里无效区域的像素排除在梯度外。显存管理上，batch_size=4 是课程设计机器的保守值，16GB 显存可以上到 8；crop_size=512 与 preprocess.py 的切块尺寸必须一致，否则候选块数量对不上。
4.2 pspnet.log 与 deeplab_v3.log 怎么读
两份日志放在根目录，说明作者在选型阶段做过一轮横向对比。一般训练脚本每个 epoch 会输出学习率、损失、像素准确率、mIoU 和目前最优 mIoU：
Epoch [32/100] lr=0.00034 loss=0.3124 pixAcc=0.9362 mIoU=0.6941 best=0.7030重点不是绝对值，而是变化趋势。loss 发愁不看，先看是不是前 20 个 epoch 没有降，那是学习率太高导致的震荡，降到 3e-5 再试；pixAcc 很容易上 90，但水域占比高的数据集里 pixAcc 接近 95 也可能只说明模型学出了“全都预测成背景”的捷径；mIoU 才是类别间均衡的硬指标，遇到类别不平衡不能只盯 loss。
表：两份日志在课程设计报告里可以做哪些对比
| 对比维度 | pspnet.log | deeplab_v3.log | 结论写作方向 |
|---|---|---|---|
| 收敛速度 | 前 10 轮 loss 降幅较大 | 同等轮次下略慢 | PPM 对全局结构更敏感 |
| 显存占用 | 特征拼接通道多 | ASPP 多条膨胀卷积并行 | 日志里可额外记录显存 |
| 边界质量 | 大块地物稳，细边抖动 | 膨胀卷积保住细边 | 结合可视化单独说明 |
| 最终 mIoU | 数据相关 | 数据相关 | 关注“最优 epoch”而不是末轮 |
读日志时还要确认随机种子是否固定。两个模型对比时，如果 dataset shuffle 顺序不同，最优 epoch 的位置会有偏差，这不代表模型优劣。把随机种子在训练脚本开头固定住，见 log 和 deeplab 的比较才站得住。日志里出现 loss 突然跳到 NaN，优先查两种情况：一是近红外波段参与归一化后存在 0 方差像素，二是学习率配合 BN 在 batch 太小时梯度爆炸。
4.3 训练阶段最容易翻车的三个细节
显存不够是第一个常见问题。resnet50 加 ASPP，输入 512 时单卡 8GB 只能扛 batch_size=4 附近，一旦把 DeepLabV3+ 的 decoder 打开，显存会再涨一截。缓解办法是减少 batch、把数据加载的 pin_memory 关闭、降低 num_workers，尽量不要动 crop_size，因为预处理脚本和训练脚本的裁剪尺寸不一致会引发运行时错误。
类别顺序错位是第二个问题。替换数据集后，标签里类别编号可能从 1 开始，而代码默认从 0 开始。训练前用np.unique(mask)扫一遍训练集，确认类别索引的连续范围，否则 CrossEntropyLoss 的类别数会对不上。第三个问题是类别不平衡对损失函数的影响。水域已经被 preprocess_water.py 拿走，剩余类别里裸土和建设用地经常严重稀缺，这时普通交叉熵会把稀缺类别压成噪声，加权交叉熵更合适：
# 类别加权交叉熵，权重根据训练集各类像素占比的倒数归一化 class_weights = torch.tensor([0.8, 1.0, 1.0, 2.5, 3.0]).to(device) criterion = nn.CrossEntropyLoss(weight=class_weights, ignore_index=255)权重设置的原则是让稀缺类获得更高的惩罚权重，但不能高出平均值一个数量级，否则网络会牺牲大类精度来讨好小类，整体 mIoU 不升反降。一般以各类像素占比的倒数做底，再截断到 [0.5, 5] 区间内。
5. 把掩膜换算成可展示成果：IoU 评估、面积统计与海报组织
5.1 用逐类 IoU 替代整图准确率
答辩时评委最容易问的一句话是“你怎么证明分割结果好”。像素准确率在这里没有说服力，一个全是农田的测试切片里，把像素全预测成农田就能拿 95% 以上。要展示的是逐类 IoU，它统计每类的预测与真实标签的交集、并集比值，各类得分分开看才能暴露短板。
# 逐类 IoU 计算，pred 与 target 都是整数掩膜 def per_class_iou(pred, target, num_classes): ious = [] for c in range(num_classes): p = (pred == c) t = (target == c) inter = (p & t).sum() union = (p | t).sum() ious.append(float(inter) / (float(union) + 1e-6)) return np.array(ious)这里的逐类遍历虽然朴素，但胜在不会用错混淆矩阵的轴。假设数据集共 5 类，评估后给出数组，分别是背景、耕地、林地、草地、建设用地的 IoU。报告里通常把五个类别的 IoU 做成柱状图，再在图上标注水体是预分类拿到的结果。更好的做法是同时输出混淆矩阵，它能让答辩老师一眼看出哪些类互相混分，比如草地和耕地边界处大片错分，说明训练切片里两类的光谱纹理太接近，需要补充该区域的样本。
5.2 从分割掩膜换算国土面积统计
分类结果最终要落到“面积”才像国土分类。以一景已知地面采样距离的影像为例，分割掩膜每个像素代表一个真实的物理范围。gsd 为 1 时一个像素对应 1 平方米，0.5 时对应 0.25 平方米。统计各类像素数并乘上单像素面积，就能得到各类地物的物理占地。
# 根据掩膜统计各类面积，单位 km² import numpy as np def class_area_km2(mask, num_classes, gsd=1.0): pixel_area_m2 = gsd * gsd # 单像素对应平方米数 counts = np.bincount(mask.ravel(), minlength=num_classes) return counts * pixel_area_m2 / 1e6gsd 必须与数据说明一致，不能统一填 1.0。如果你的数据来源是 10 米分辨率的卫星影像，一个像素是 100 平方米，面积统计会差两个数量级。做完面积统计，要顺手把类别占比列成表格：耕地占比、林地占比、不透水面占比，再画饼图或横向条形图。面积统计表放在分割图下面，就构成了“图上是什么地物”到“这些地物有多少”的完整证据链。
5.3 26 组 poster 展示图怎么组织成答辩材料
资源包里的“26 组poster展示.png”大概率是一张集合了多组对比结果的大图，作报告答辩材料时可以直接复用。组织手法推荐三行一组：第一行放大原始影像和真值标签，第二行放三种模型的预测掩膜，第三行放预测与真值的差异叠加图，用红色标出误分类像素。三套模型都出现时，这样一组图就能回答“为什么选 PSPNet 或 DeepLabV3+”。最后一行放面积统计表，把每家模型输出的面积与真值面积的相对误差也列出来，视觉上既直观又带量化。海报配色要注意色盲友好性，水体和建设用地分别用蓝、红是默认习惯，草地和耕地不要都用绿色系，否则打印成黑白稿后会完全无法分辨。答辩汇报顺序也就按“预处理切块、水体预分类、模型对比、面积统计”这条线走，评委看到的每个细节都能对应到工程文件，课程设计的完整度就立住了。
本文还有配套的精品资源，点击获取
