简介：面向机器学习、遥感图像处理以及计算机相关专业学生，非常适合课程设计、期末大作业与毕业设计阶段快速搭建遥感分类实验。代码经过严格调试，下载后安装依赖即可运行，整体流程覆盖数据准备、特征提取、SVM模型训练、模型保存和分类结果可视化，能帮助学习者快速理解完整的算法落地链路。压缩包共13个文件，其中6个Python脚本为核心模块，另有2个pyc编译文件、2个JSON配置、1个pickle模型文件以及工作区配置和README说明，整体约14KB，轻量精简，便于阅读和二次修改。目前已有305人浏览学习。资源不但包含训练和预测主体，还提供多组绘图脚本，可直观对比不同特征或参数下的分类效果；对已有一定Python与机器学习基础的读者，可以按README指引替换自己的遥感数据集，梳理数据流与模型调优思路，是一份实用的入门到进阶参考。
1. 遥感图像分类找 SVM：这份源码解决的是「最后一公里」
机器学习的遥感图像分类，听起来是个高大上的课题，但真上手做课程设计或期末大作业时，卡住的往往不是理论，而是「拿到一张遥感影像后，怎么把它变成模型能吃的特征矩阵，训练完怎么把结果画出来」。这份基于机器学习的遥感图像分类模型源码.zip就是冲着这个痛点来的：压缩包里是一个完整可跑的 SVM 分类项目，训练好的模型（RS_SVM-1.pickle）、数据处理脚本（rs_mod_1.py）、可视化脚本（rs_plot_2.py等）和结果文件result.json都齐了。如果你是计科、人工智能、大数据、数学、电子信息方向的学生，正在做遥感分类相关课程设计、期末大作业或者毕设，这套代码能直接照着改，不用从零搭流水线。
2. 跑通这套 SVM 遥感分类流水线：文件结构与 rs_mod_1 的数据管线
拿到 zip 第一步不是看代码，而是先搞清楚这些文件谁是谁。项目里rs_mod系列是核心处理脚本，rs_plot系列是可视化脚本，RS_SVM-1.pickle是已经训练好的 SVM 模型，data_plot.py和result.json是结果输出。顺序上一般先跑rs_mod_1.py做数据准备和特征提取，再跑rs_mod_2.py训练模型，最后用rs_plot系列出图。
2.1 先看文件布局：rs_mod、rs_plot 和 pickle 各自管什么
打开 zip 后，第一眼看到的是rs_mod_1.py、rs_mod_2.py、rs_mod_3.py三个脚本。rs_mod_1.py通常负责最脏最累的活：读取原始影像、抽取像素特征、组装成训练用的特征矩阵。rs_mod_2.py负责训练 SVM 并把模型存成 pickle。rs_mod_3.py是在前两个基础上做扩展的版本。
rs_plot_2.py和rs_plot_3.py是配套的可视化脚本，把分类结果、混淆矩阵、样本分布画出来，这类脚本在结题报告和答辩 PPT 里基本是刚需。workspace.code-workspace和.vscode/settings.json是 VS Code 的工程配置，说明作者是在一个统一工作区里做的调试，这对我这种喜欢用 IDE 跑 Python 的人是加分项。
处理遥感影像不是读一张图那么简单。常见做法是先做波段拆分，再按像素或超像素提取特征，最后拼成(样本数, 特征维度)的矩阵。SVM 训练本身不关心你的特征是光谱值还是纹理特征，它只认矩阵形状和标签。
2.2 特征矩阵怎么构建：波段采样与 label 对齐
遥感影像和普通照片最大的差别是多波段。一张多光谱影像可能有 4 个、8 个甚至更多波段，每个波段代表一个光谱通道。提取特征时，如果不做波段选择，直接把所有波段铺平，特征维度会爆炸，SVM 训练会变得很慢，而且容易过拟合。
rs_mod_1.py里常见的数据管线是这样的：先把影像每个波段读成二维数组，然后对每个像素取出它在各个波段上的值，组合成一个特征向量。如果影像尺寸是 512x512、有 4 个波段，那每个像素就是一个 4 维向量，整幅影像就是 262144 个样本。
标签那边要单独处理。分类模型的标签不是自动从影像里来的，而是需要一份标注好的样本。常见做法是准备一个标签栅格或标注文件，里面每个位置对应影像里相应像素的类别编号。
# 典型的数据组装逻辑，rs_mod_1.py 的思路还原 import numpy as np from osgeo import gdal def load_image_and_labels(image_path, label_path): # 读取多光谱影像 img = gdal.Open(image_path) bands = img.RasterCount rows = img.RasterYSize cols = img.RasterXSize # 按波段读出数据，堆叠成 (rows, cols, bands) img_data = np.zeros((rows, cols, bands), dtype=np.float32) for b in range(bands): band = img.GetRasterBand(b + 1) img_data[:, :, b] = band.ReadAsArray() # 读取标签图：通常每个像素一个类别编号 lbl = gdal.Open(label_path) label_data = lbl.GetRasterBand(1).ReadAsArray().astype(np.int32) # 只取有标签的像素，避免用背景类污染训练集 valid_mask = label_data > 0 X = img_data[valid_mask].reshape(-1, bands) y = label_data[valid_mask].reshape(-1) return X, y这个片段的重点是valid_mask的过滤。很多刚接触遥感分类的同学会把背景像素（标签为 0 或 255）直接丢进训练集，导致模型学出一堆「背景模式」，真正的地物类别反而分不开。这里的逻辑是把没有有效标签的像素全部剔除，只让有真实地物标签的样本进入训练。
另一个关键点是np.float32。遥感影像原始数据经常是 uint16 甚至更高位深，如果不转 float 直接算，后面做标准化和 SVM 计算时容易出精度问题。SVM 对特征尺度敏感，这一步属于让数据「吃起来正常」的预处理。
2.3 样本拆分的顺序：先洗牌再分集
特征矩阵准备好后，下一步是把样本拆成训练集和测试集。这里有个容易踩的顺序问题：先洗牌再切分。如果影像里同类地物在空间上聚集，不洗牌直接按顺序切，会导致训练集和测试集分布完全不同，模型的分数虚高或虚低。
# 训练/测试集划分，注意 shuffle 和 stratify 的作用 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.3, # 三成样本做测试 random_state=42, # 固定随机种子，保证可复现 stratify=y # 按类别比例分层采样 ) print(f"训练样本: {X_train.shape[0]}, 测试样本: {X_test.shape[0]}") print(f"类别分布: {np.bincount(y_train)}")stratify=y这个参数值得单独说。遥感影像里地物分布天然不均衡——比如一幅影像里农田占了 60%，水体占 5%，如果不管三七二十一随机切分，测试集里可能一个水体样本都没有，汇报的时候却说准确率 95%，这是典型的自欺欺人。stratify会让训练集和测试集里的类别比例保持一致，模型评估才有说服力。
random_state=42作用不是迷信，是保证你在调参过程中每次跑出来的实验可比。没有固定随机种子，一次跑出 91%，下一次跑出 83%，你根本分不清是参数改好了还是运气改好了。
2.4 运行时的目录约定与 README 的用法
压缩包里带了README.md，别跳过它。我拆过不少项目，发现 README 里通常写着最关键的运行前提：Python 版本、依赖库、数据文件的相对路径、先运行哪个脚本。
另外注意到项目里有__pycache__和.pyc文件，说明这套代码在 Python 3.10 环境下跑过。如果你本地是 3.8 或 3.11，建议先建一个虚拟环境，把依赖装齐了再运行。requirements.txt如果没有，就需要根据 import 语句手动装。
# 常规依赖清单，按 import 语句反推 pip install numpy scikit-learn matplotlib gdal scipy注意gdal的安装经常让人头疼，Windows 下的pip install gdal容易报错。常见做法是用 conda 装：conda install gdal，或者用rasterio代替。如果rs_mod_1.py里用的是rasterio，那就直接pip install rasterio省事得多。我是建议先看rs_mod_1.py最上面几个 import 语句再决定装什么，不要无脑复制命令。
3. 训练与调参：RS_SVM-1.pickle 的诞生过程
RS_SVM-1.pickle是项目里最有价值的实物资产之一。它说明作者已经跑通过一次完整的 SVM 训练，并且把模型序列化保存下来了。这份 pickle 的意义不只是省去重新训练的时间，更重要的是它给了你一个「参考答案」——你可以直接加载它来预测新影像，也可以把它当基准线，对比自己重新训练出来的模型效果。
3.1 为什么是 SVM：小样本、高维特征下的稳妥选择
遥感图像分类的经典算法里，SVM 的地位很特殊。深度学习模型需要大量标注样本才能训得好，而遥感影像的标注恰恰是最贵的——你要请懂遥感的人逐像素画地物类型。一个课程设计项目的标注量可能只有几千到几万个像素，这个量级下，SVM 比 CNN 更稳。
SVM 的核函数让它具备了处理非线性边界的能力。遥感地物在光谱空间里往往不是线性可分的，比如植被和水体在近红外波段可能有交叉。RBF 核可以把原始特征映射到更高维空间，在这组源码里大概率用的就是 RBF 核。
实际使用中，SVM 需要的重点参数就两个：C（误分类惩罚系数）和gamma（RBF 核的宽度）。很多同学在这两个参数上全靠猜，结果要么过拟合要么欠拟合。往下看具体怎么处理。
3.2 训练脚本的骨架：从特征到 pickle
rs_mod_2.py的核心逻辑可以还原成下面这个结构：读入rs_mod_1.py生成的训练数据，创建 SVM 分类器，训练，评估，然后把模型存成 pickle 文件。
# rs_mod_2.py 的训练逻辑：训练 + 保存模型 import pickle from sklearn.svm import SVC from sklearn.metrics import accuracy_score, classification_report # 假设 X_train, X_test, y_train, y_test 已由 rs_mod_1 生成 clf = SVC( kernel='rbf', # 径向基核函数 C=10.0, # 误分类惩罚系数 gamma='scale', # 自动按 1/(n_features * X.var()) 计算 class_weight='balanced', # 类别权重自动调整 probability=True # 开启概率输出，可视化时有用 ) clf.fit(X_train, y_train) y_pred = clf.predict(X_test) print(f"Accuracy: {accuracy_score(y_test, y_pred):.4f}") print(classification_report(y_test, y_pred)) # 保存模型，等待后续 rs_plot 脚本加载 with open('RS_SVM-1.pickle', 'wb') as f: pickle.dump(clf, f)C=10.0和gamma='scale'是两个关键设定。C越大，模型对训练样本的误分类惩罚越重，决策边界会尽量把所有训练点都分对，代价是过拟合；C越小，边界越平滑，但可能欠拟合。gamma='scale'是 sklearn 的默认策略，它根据特征数量自动计算 gamma 值，避免因为特征维度差异导致「手设 gamma 直接崩」。
class_weight='balanced'是遥感分类里的保命设置。前面说过遥感地物分布不均衡，如果不做任何处理，SVM 会偏向样本多的类别。设置成balanced后，sklearn 会自动给少数类更高的权重，模型会更关注水体这种占比小但重要的类别。
probability=True这个参数容易忽略，但开了之后才能用predict_proba()输出每个像素属于各个类别的概率，后续画置信度图、做阈值过滤都要靠它。不开的话，你只能拿到硬分类结果，不能判断模型的确定性。
3.3 参数怎么调才不玄学：网格搜索的正确姿势
很多同学调参是「改一下 C，跑一下，看分数，再改」。这种方式在小数据集上还能碰运气，但遥感图像特征维度高、样本量大，一次训练可能就要几分钟到几十分钟，靠手试根本不现实。
更稳的做法是网格搜索搭配交叉验证。GridSearchCV会自动遍历参数组合，每一组都用交叉验证评估，最后给出最优参数。考虑到训练成本，网格不用铺太密，C 和 gamma 各给几个数量级候选就够。
# 用网格搜索找 C 和 gamma，五折交叉验证 from sklearn.model_selection import GridSearchCV from sklearn.svm import SVC import numpy as np param_grid = { 'C': [0.1, 1.0, 10.0, 100.0], 'gamma': ['scale', 0.01, 0.1, 1.0], 'kernel': ['rbf'] } # 样本量大时建议把一部分数据抽出来做调参，避免全量跑太慢 idx = np.random.choice(len(X_train), size=min(5000, len(X_train)), replace=False) X_sub = X_train[idx] y_sub = y_train[idx] grid = GridSearchCV( SVC(class_weight='balanced'), param_grid, cv=5, # 五折交叉验证 scoring='f1_weighted', # 用加权 F1 而不是 accuracy n_jobs=-1, # 多核并行 verbose=1 ) grid.fit(X_sub, y_sub) print(f"最优参数: {grid.best_params_}") print(f"最优分数: {grid.best_score_:.4f}")注意这里对训练数据做了子采样。全量数据可能几十万个样本，网格搜索要跑 16 组参数乘以 5 折，那就是 80 次训练，在线性核上都够呛，更别说 RBF。我一般会先抽 5000 个样本做粗调，锁定一个参数区间，再用全量数据在最优参数附近做一次确认训练。
scoring='f1_weighted'而不是accuracy，这个选择是故意的。类别不平衡时，accuracy 会虚高——比如水体只占 5%，就算全部预测错也只损失 5 个点。F1 加权会把每个类别的精确率和召回率都算进去，评价更全面。
3.4 模型持久化的坑：pickle 和 joblib 选哪个
项目里用的是RS_SVM-1.pickle，说明作者用的pickle.dump。这没问题，但要提醒一句：sklearn 官方推荐用joblib来保存模型，因为 joblib 对大数组的序列化效率更高。SVM 的support_vectors_属性在训练后会保留支持向量的原始特征，这些是多维数组，pickle 处理它们会比较笨重。
# 两种保存方式对比 import pickle # pickle 方式（项目现有） with open('RS_SVM-1.pickle', 'wb') as f: pickle.dump(clf, f) # joblib 方式（更推荐） from joblib import dump, load dump(clf, 'RS_SVM-1.joblib') loaded = load('RS_SVM-1.joblib')pickle 和 joblib 最大的差别不在代码上，而在文件体积和加载速度上。joblib 对大 numpy 数组做了专门优化，文件更小、加载更快。但如果你要跟别人共享模型，pickle 的兼容性更好一些，不用额外装 joblib。
这里有个很容易踩的坑：跨环境加载 pickle 模型时，sklearn 版本不一致会导致AttributeError或加载出来的模型行为异常。后面避坑章节会细说。
4. 结果验证与可视化：rs_plot、data_plot 与 result.json
训练完模型只走了一半路。课程设计和毕设答辩时，老师不会只看一个准确率数字，他要看分类结果图、看混淆矩阵、看每一类的精确率和召回率。rs_plot_2.py、rs_plot_3.py和data_plot.py就是干这个的。result.json是评估结果的集中输出，用 JSON 格式存着，方便后续做图表和汇报。
4.1 result.json 里该有什么：accuracy、分类报告与混淆矩阵
打开result.json，一个合格的遥感分类项目的评估结果应该包含这样几件事：整体准确率、每个类别的精确率和召回率、F1 分数、类别对应的实际名称。JSON 的好处是结构化，可以拿来做对比、画图甚至直接喂给其他脚本。
{ "model": "RS_SVM-1", "accuracy": 0.9185, "classes": ["农田", "森林", "水体", "建设用地"], "classification_report": { "农田": {"precision": 0.92, "recall": 0.88, "f1-score": 0.90], "森林": {"precision": 0.95, "recall": 0.97, "f1-score": 0.96} } }看result.json时建议先看每个类别的召回率，而不是整体准确率。整体准确率 0.92 看着不错，但如果水体这一类的召回率只有 0.53，说明一半以上的水体被漏分了。这在遥感应用里可能是大问题——漏检水体对防洪评估、湿地监测来说是不可接受的。
4.2 绘图脚本在画什么：分类结果图与混淆矩阵
rs_plot_2.py这类脚本做的事情一般有两件：一是加载训练好的模型，对整幅影像逐像素预测，输出一张分类结果彩色图；二是绘制测试集上的混淆矩阵热力图。
逐像素预测的流程需要把整幅影像的所有像素都过一遍模型。注意这里要做跟训练时一样的预处理——波段选择要一致、数据尺度要一致，否则模型会「看不懂」新数据。
# rs_plot_2.py 的思路：加载模型并生成全图分类结果 import pickle import numpy as np import matplotlib.pyplot as plt # 加载训练好的模型 with open('RS_SVM-1.pickle', 'rb') as f: clf = pickle.load(f) # 读取原始影像 from osgeo import gdal img = gdal.Open('remote_sensing_image.tif') rows, cols, bands = img.RasterYSize, img.RasterXSize, img.RasterCount img_data = np.zeros((rows, cols, bands), dtype=np.float32) for b in range(bands): img_data[:, :, b] = img.GetRasterBand(b + 1).ReadAsArray() # 展平成像素 x 波段 的矩阵 flat_pixels = img_data.reshape(-1, bands) # 模型预测 pred = clf.predict(flat_pixels) pred_img = pred.reshape(rows, cols) # 用指定颜色映射画出分类图 color_map = {1: 'green', 2: 'blue', 3: 'gray', 4: 'red'} plt.imshow(pred_img, cmap='tab20') plt.colorbar() plt.title('SVM Classification Result') plt.axis('off') plt.savefig('classification_result.png', dpi=300)这段代码有一个容易忽略的隐患：训练时喂给模型的特征是经过筛选的波段，而这里直接用了全部波段。如果训练时波段数和这里的bands不一致，predict会直接报维度错误。我拆过好几个翻车案例，都是在可视化脚本里忘了对齐训练时的特征维度。
plt.imshow(pred_img)用整数值直接画颜色是可行的，但最好确认类别编号和颜色映射的对应关系。遥感分类图里常见的配色习惯是植被用绿色、水体用蓝色、建设用地用红色/灰色，这样导师一眼就能看出分类是否合理。
4.3 可视化验证的侧重点：不看准确率看边界
分类结果图出来后，评审老师最关注的不一定是整体准确率，而是边界质量和斑块连续性。SVM 逐像素分类的典型问题是「椒盐效应」——单个像素被独立分类，结果图上出现大量孤立噪点。这是逐像素分类的通病，不是因为模型坏了，而是没有考虑空间上下文信息。
data_plot.py如果做的是样本分布图或特征散点图，重点应该看不同类别在特征空间有没有重叠。画一个前两个主成分或两个波段的散点图，可以直观判断 SVM 用线性边界够不够，还是必须上 RBF 核。这类图在答辩里很加分，因为它直接呼应了「为什么选 RBF-SVM」这个必问题。
5. 避坑记录：遥感图像分类的四个常见坑
这一章是血泪经验的集中汇总。以下四个问题我拆项目时反复遇到，每个都是「现象 → 原因 → 解决」的结构，建议对照着排查。
5.1 坑一：pickle 模型跨机器加载直接报错
现象：在自己电脑上训练好模型、保存 pickle 后，换一台电脑或换一个 Python 环境加载，直接报AttributeError: Can't get attribute 'SVC'或ModuleNotFoundError: No module named 'sklearn'。
原因：pickle 文件里存的是对象的序列化数据，加载时依赖 Python 能找到对应的类定义。如果加载环境里 skearn 版本不同，类的内部结构可能变了，pickle 找不到匹配的类；如果环境里压根没装 sklearn，那直接就废了。
解决：加载模型前先确认环境一致性，至少保证 sklearn 主版本号一致。更稳的做法是保存模型时额外记录一份环境信息：
# 保存模型时附带环境信息，避免以后“翻车” import pickle, sklearn, sys with open('RS_SVM-1.pickle', 'wb') as f: pickle.dump({ 'model': clf, 'sklearn_version': sklearn.__version__, 'python_version': sys.version }, f)这样加载时可以校验版本，如果版本不匹配至少知道是环境问题而不是代码问题。另外我建议同步用joblib.dump存一份，双保险。对毕设来说，交代码的时候附一个 requirements.txt 比什么都管用。
5.2 坑二：不标准化特征，SVM 被高数值波段带偏
现象：训练出来的模型准确率看着还行，但查看分类报告发现某一类几乎永远预测不对；或者换了数据后模型完全失效。
原因：遥感影像的不同波段数值范围差异很大。比如可见光波段可能是 0 到 255，热红外波段可能是几千到几万。SVM 的 RBF 核计算距离时，数值范围大的波段会主导距离计算，导致模型实质上只看了这一两个波段，其他波段成了摆设。
解决：训练前做特征标准化，让每个波段均值为 0、方差为 1。
from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test)注意fit_transform和transform的区别：只能用训练集的统计量去标准化训练集和测试集，不能对测试集单独做fit。严格来说，StandardScaler保存下来后，预测新影像时也要用同一个 scaler 转换，否则训练和预测的数据分布不一致。
5.3 坑三：样本不平衡时看 accuracy 是自我欺骗
现象：训练时打印的 accuracy 有 0.95，看着很漂亮，但classification_report里有一两个类别的 recall 是 0 或很低。画分类结果图时发现面积小的地物类别基本没被分出来。
原因：某个类的样本占比过高，SVM 为了最小化整体错误率，直接把少数类全部牺牲掉。比如一幅影像里农田占 85%，模型把所有像素都预测成农田，accuracy 都已经有 85% 了，看起来还没有很差。
解决：训练时加class_weight='balanced'，评估时用f1_weighted或直接看classification_report的每一行。同时检查np.bincount(y_train)的类别分布，如果某一类占比小于 5%，要么想办法补样本，要么明确告诉老师这个类别的评估结果不具备统计意义。
5.4 坑四：训练时删了某个波段，预测时忘了改维度
现象：rs_mod_1.py里做波段选择，做了特征降维，训练模型一切正常；但到rs_plot_2.py画全图分类结果时，predict直接报ValueError: X has 8 features, but SVC is expecting 6 features。
原因：训练代码和预测代码用了不同的特征提取逻辑。训练时可能删了相关性高的波段，或者做了 PCA 降维，但可视化脚本里没有应用相同的变换。
解决：把特征提取和变换逻辑封装成同一个函数，训练和预测共用。不要在两份代码里各写一遍特征处理，那样几乎必然出现「训练一套、预测另一套」的问题。
def extract_features(img_data, bands_used): """统一的特征提取函数，训练和预测都用它""" return img_data[:, bands_used] # 训练时 X = extract_features(img_data_train, [0, 1, 2, 4]) # 预测时 X_new = extract_features(img_data_new, [0, 1, 2, 4])这个问题的根子是代码结构问题，不是算法问题。一份干净的遥感分类代码里，特征处理逻辑应该只出现一次，要么写在模块里被复用，要么用同一个脚本跑完整个流程。
6. 进阶：从 SVM 走出去，把交叉验证变成默认动作
如果你已经复现了这份源码，接下来一件值得做的事是换个分类器跑同一份特征数据看看差异。遥感分类里随机森林是 SVM 最常见的对标方案，它对特征尺度不敏感、不需要调太多参数、训练速度还快。把rs_mod_2.py里的SVC换成RandomForestClassifier，其他代码几乎不用动，就能做一次公平对比。
from sklearn.ensemble import RandomForestClassifier # 替换掉 SVC，其他流程不动 rfc = RandomForestClassifier( n_estimators=200, max_depth=10, min_samples_leaf=3, class_weight='balanced', random_state=42 ) rfc.fit(X_train_scaled, y_train)一个实际操作建议是跑三折交叉验证而不是一次性切分。单次切分受随机性影响大，可能这次 0.91、下次 0.86。交叉验证会跑多次取平均，稳定性好得多，而且不需要额外写循环代码——cross_val_score一行就能搞定。
当初我拿到第一份遥感分类项目的时候，就是照着源码先跑通，再对比 SVM 和随机森林的结果。跟导师汇报时被问到的第一个问题就是「为什么用 SVM 而不是随机森林」，因为做了对比实验，能直接回答「在小样本下 RBF-SVM 的边界更干净，随机森林在样本量上去后 F1 高约 2 个百分点」——这种对比才是有说服力的。
从那以后我每次跑机器学习分类项目，都会强制走一遍「先看类别分布、再做标准化、最后交叉验证」这三步，不管数据集多大多小。这些动作在源码里可能只是一行参数，但少了它们，结果就是另一种味道了。希望这份拆解帮你在遥感分类项目上少踩几个坑，把时间花在真正有意义的模型分析上。
本文还有配套的精品资源，点击获取
