基于机器学习的遥感图像分类模型源码解析与实践指南

简介：这是一份基于机器学习的遥感图像分类模型源码包，面向计算机、人工智能、大数据等相关专业正在做课程设计、期末大作业或毕业设计的学生，也可供遥感图像与机器学习方向的学习者参考。包内共十三个文件，以六个Python源码脚本为主，覆盖模型训练、结果绘图与数据处理等核心模块；同时附带了已经训练好的SVM模型文件、结果记录文件、工作区配置文件以及说明文档，整个压缩包仅十四KB，体量轻巧，便于快速部署启动。目前已有三百零五人学习浏览。源码经过严格调试，下载后可直接运行，能够帮助读者理解遥感图像分类从特征提取、模型训练到结果可视化的完整流程；项目中保留的缓存文件与工作区配置，也方便在代码编辑器中直接打开复现实验，配套的说明文档则梳理了各模块用途与运行方式。适合具备一定编程与机器学习基础、希望高效搭建分类实验或借鉴项目模块设计思路的读者。

1. 基于机器学习的遥感图像分类模型源码：先看清楚它解决什么问题

收到一份「基于机器学习的遥感图像分类模型源码.zip」时，多数人的第一反应是解压、找 README、直接跑训练。真正做过这类项目的人知道，包里最值钱的往往不是模型定义文件，而是从原始 GeoTIFF 到分类图之间的一整条数据管线：波段怎么读、影像怎么切块、标签怎么对齐、推理怎么拼图。这个方向回答的业务问题很直接——「这块地是什么」：水体、植被、建筑、裸地，每个像素一个类别。适合算法工程师做地物分类验证，也适合需要拿一景影像快速出分类专题图的行业团队。先给一个反直觉结论：遥感图像分类的坑大多不在模型结构，而在数据口径和推理策略，后面逐条拆。

2. 遥感分类不能直接套用通用分类网络：选型先想清三件事

2.1 像素级与场景级：任务决定模型结构

遥感图像分类在源码包里通常有两种实现形式，很多人拿到包后分不清，直接跑通就以为是完成任务了。场景级分类把一景影像切成若干块，每块打一个整体标签，这跟普通图像分类差不多，模型输出的是一个类别编号。像素级分类则要求输入一块影像、输出同尺寸的标签图，每个像素一个类别，本质上是语义分割。绝大多数「基于机器学习」的源码包做的是像素级，因为地物分类的业务交付物是一张分类专题图，而不是一段文字描述。

判断一个包属于哪类，最快的办法是看标签数据的形态：标签是单波段掩码或 shapefile，就是像素级；标签是每张图对应一个 txt 里的类别名，就是场景级。两种任务的评估方式完全不同，像素级看逐类 IoU 和混淆矩阵，场景级看 Top-1 准确率。如果你的需求只是判断某块区域整体是不是农田，场景级就够，不必强行上像素级；反过来，业务要一张完整的地物分类图，那就必须走像素级管线，场景级的精度再高也交付不了。

2.2 随机森林还是卷积网络：按样本量选基线

选基线的标准不是哪个精度高，而是你的标注量撑得起哪种模型。我的判断依据比较朴素：每类标注像素少于 5000 时，优先随机森林；每类超过 2 万像素且有 GPU 可用，再考虑卷积网络。随机森林的输入是每个像素的多光谱值加派生指数，比如 NDVI（归一化植被指数）、NDWI（归一化水体指数），这类手工特征只用像素自身的光谱，不依赖邻域，训练几分钟就出结果；缺点是完全没有空间上下文，地物边缘会碎成锯齿。

卷积网络直接吃影像块，空间纹理和邻域关系都被自动建模，精度上限明显更高，但代价是标注需求、显存和训练时间一起涨。下表是我在做选型时常用的对照：

我一般会先跑随机森林出一版整景分类图，拿这张图去和业务方对齐类别定义。这一步的价值在于：如果类别的语义本身定错了，比如把「湿地」和「水体」混成一类，你在卷积网络上调几天也救不回来，而随机森林半小时内就能暴露这个问题。等类别口径确认了，再用完整标注集上卷积网络。

2.3 源码包的典型目录结构与数据流

这类源码包的内部结构通常逃不出下面这个骨架，先花五分钟对一遍，能省掉大量找入口的时间：

root/ ├── data/ # 原始影像与标签，按 train/val/test 分目录 ├── configs/ # 模型与训练参数，通常是 yaml 或 json ├── src/ │ ├── data_prep.py # 切块与样本生成，第一个该看的文件 │ ├── train.py # 训练入口 │ ├── inference.py # 推理入口 │ └── utils.py # 评估、可视化辅助函数 ├── models/ # 模型结构定义 └── outputs/ # 权重、日志、分类结果图

整个数据流是：data_prep 生成训练样本 → train 产出权重 → inference 对整景影像做滑窗推理 → utils 统计 OA 与混淆矩阵，偶尔还有一张可视化对比图。你拿到包后别急着跑 train.py，先把 data_prep.py 读一遍，因为样本质量决定了后面所有结果的上限，模型再强也补不回来。另一个值得留意的是 configs 里有没有写死影像路径，很多包用的是绝对路径，换机器必须改，不然一运行就报文件找不到。还要看配置文件里的类别数是否和你手上的标签类别数一致，不一致时训练不会报错，但推理结果的类别编号和业务口径会对不上。

3. 把源码跑起来：从切块到第一次推理的最小流程

3.1 环境准备：依赖安装与连通性检查

假设机器上已有 Python 3.10 和可用的 NVIDIA 驱动。常见做法是先建一个独立环境，避免和已有项目互相污染依赖版本，尤其是 rasterio 这类带二进制扩展的库。

conda create -n rs_cls python=3.10 -y conda activate rs_cls pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install rasterio numpy pillow scikit-learn tqdm matplotlib

rasterio 负责读写 GeoTIFF，是这条管线里最核心的依赖；scikit-learn 在跑随机森林基线时用得上。如果机器没有 GPU，把 torch 那行的--index-url去掉，直接装 CPU 版，推理小影像也够用，训练速度会慢几十倍但能跑通流程。装完后建议执行一次python -c "import rasterio; print(rasterio.__version__)"确认导入成功，遥感库的二进制依赖在 Windows 上特别容易出问题，这一步能提前暴露，而不是等到跑训练才报错。

提示：CUDA 版本和 PyTorch 轮子的 cu 后缀要对上，否则装完 torch 后torch.cuda.is_available()是 False，训练照样能跑但慢得离谱。

3.2 数据准备：把一幅 GeoTIFF 切成训练样本

从原始影像生成训练样本是整个项目里最不该跳过的一步。一景遥感影像可能有上万像素宽，不可能整幅喂给模型，必须按固定大小切成小块。最小可用的切块脚本如下：

import numpy as np import rasterio from pathlib import Path def make_patches(image_path, mask_path, out_dir, patch_size=256, stride=128, ignore_value=0): out_dir = Path(out_dir) (out_dir / "img").mkdir(parents=True, exist_ok=True) (out_dir / "mask").mkdir(parents=True, exist_ok=True) with rasterio.open(image_path) as src_img, \ rasterio.open(mask_path) as src_mask: img = src_img.read() # (C, H, W) mask = src_mask.read(1) # 单波段标签 height, width = img.shape[1], img.shape[2] idx = 0 for y in range(0, height - patch_size + 1, stride): for x in range(0, width - patch_size + 1, stride): p_img = img[:, y:y+patch_size, x:x+patch_size] p_mask = mask[y:y+patch_size, x:x+patch_size] if (p_mask == ignore_value).mean() > 0.5: continue # 跳过无标签区域占多数的块 np.save(out_dir / "img" / f"p_{idx:06d}.npy", p_img) np.save(out_dir / "mask" / f"p_{idx:06d}.npy", p_mask) idx += 1 print(f"生成 {idx} 个样本，请检查各类别像素占比")

patch_size 和 stride 是最影响训练效果的两个参数。patch_size 决定模型看到的空间范围，太小看不清地物纹理，太大则一块里混着多种地物、标签含义变模糊，常用值是 128 到 256。stride 小于 patch_size 时相邻切块有重叠，间接做了数据增强，样本量成倍增加，代价是训练时间变长。(p_mask == ignore_value).mean() > 0.5这行把无标签区域占多数的块直接丢掉，避免模型在这些样本上学到无意义映射。

这里有个最常见的翻车点：必须确认 ignore_value 在你的标签里真的是「无标签」，而不是类别编号 0。如果某类地物恰好编码为 0，这个过滤条件会把该类别的有效样本全丢光，训练出来的模型对该类永远预测失败。我在第一次做类似项目时就踩过，症状是混淆矩阵里某一类的行和列全是零，查了半天才发现是过滤条件写错了。

3.3 训练模型：最小可跑的训练循环与权重保存

数据就绪后，训练脚本的核心是数据集类、损失函数和训练循环三件事。以一个小型分割网络为例：

import torch import torch.nn as nn from torch.utils.data import DataLoader, Dataset from pathlib import Path import numpy as np class PatchDataset(Dataset): def __init__(self, img_dir, mask_dir): self.files = sorted(Path(img_dir).glob("*.npy")) self.mask_dir = mask_dir def __len__(self): return len(self.files) def __getitem__(self, i): img = np.load(self.files[i]).astype(np.float32) / 4096.0 mask = np.load(Path(self.mask_dir) / self.files[i].name) return torch.from_numpy(img), torch.from_numpy(mask).long() model = SimpleSegNet(num_classes=4) # 换成你的类别数 optimizer = torch.optim.AdamW(model.parameters(), lr=1e-4, weight_decay=1e-4) criterion = nn.CrossEntropyLoss(ignore_index=0) loader = DataLoader( PatchDataset("data/train/img", "data/train/mask"), batch_size=16, shuffle=True, num_workers=4) for epoch in range(30): model.train() total_loss = 0.0 for imgs, masks in loader: optimizer.zero_grad() logits = model(imgs) # (B, C, H, W) loss = criterion(logits, masks) loss.backward() optimizer.step() total_loss += loss.item() torch.save(model.state_dict(), f"checkpoints/model_e{epoch}.pth") print(f"epoch {epoch:02d} loss {total_loss / len(loader):.4f}")

img / 4096.0是把 12 位遥感影像的原始 DN 值归一化到 0～1。4096 是常见多光谱数据的最大 DN 值，如果数据源位深不同，这个系数必须对应调整，否则模型输入分布整体偏移，训练很可能不收敛、loss 卡在某个值上震荡。ignore_index=0对应切块时的无标签区域，让损失函数跳过这些像素，避免它们干扰梯度。权重保存用state_dict()而不是整个模型对象，文件小、跨机器加载方便，后续做多尺度推理时也灵活。

3.4 推理：对整幅影像滑窗输出分类图

推理阶段的任务是对一整幅大影像做滑窗预测，再把小块结果拼回一张与原始影像完全对齐的分类图：

import numpy as np import torch import rasterio def predict_full_image(image_path, model, patch_size=256, stride=128, out_path="pred.tif"): model.eval() with rasterio.open(image_path) as src: img = src.read() profile = src.profile height, width = img.shape[1], img.shape[2] pred = np.zeros((height, width), dtype=np.uint8) for y in range(0, height - patch_size + 1, stride): for x in range(0, width - patch_size + 1, stride): block = torch.from_numpy( img[:, y:y+patch_size, x:x+patch_size] ).unsqueeze(0).float() / 4096.0 with torch.no_grad(): logits = model(block) cls = logits.argmax(dim=1).squeeze(0).numpy() pred[y:y+patch_size, x:x+patch_size] = cls profile.update(dtype=rasterio.uint8, count=1, compress="lzw") with rasterio.open(out_path, "w", **profile) as dst: dst.write(pred, 1)

滑窗推理时重叠区域的像素会被后一次预测直接覆盖，这在实践中问题不大，因为模型对同一区域在不同窗口下的预测差异通常很小。真正关键的是profile.update保留原始坐标系和分辨率，输出的 pred.tif 能直接在 GIS 软件里叠加原图检查，空间错位问题一眼就能看出来。如果分类图出现规律的条带错位，优先检查这里有没有擅自修改 profile 的 transform。

4. 换自己的数据训练：三处必改参数与精度验证

4.1 波段顺序与标签类别对齐：训练前必须核对的两个映射

用自己的数据前，先做两件事：核对波段顺序，核对标签类别编号。源码包默认的波段顺序可能是 BGR，也可能是某个固定多光谱组合，而你的数据可能是 RGBNIR 或只有 3 个波段，直接喂进去会得到完全离谱的结果。常见做法是先写一张波段映射表，在数据准备阶段就完成重排：

从 4 波段里要不要保留 NIR，取决于模型是否支持任意通道数。如果你用卷积网络，可以在第一层 conv 里把输入通道改成 4，多一个红外波段对植被和水体的区分通常有明显帮助；如果用随机森林，NIR 直接作为一维特征加入即可，不需要纠结。

标签对齐比波段更隐蔽。源码包的类别 id 可能是 1=水体 2=植被，你的掩码可能是 10、20、30 的行政区编码，或者方向完全相反。不做 id 映射就训练，模型学到的是编号之间的虚假关系。我一般会在训练前打印一次训练集每类的像素占比，和业务口径逐类核对一遍再动手，这一步花十分钟，能省掉后面三天排查。顺带检查影像和掩码的坐标系是否一致，如果投影不同，切块时掩码和影像会错位，训练出来的模型在推理时也会有系统性偏移。

4.2 训练超参数：一套稳妥的起点配置

超参数不需要一开始就精细调，先跑通再优化。下面是我常用的起点配置，直接照用不会出大问题：

训练时最该盯的不是每轮打印的准确率，而是 loss 曲线是否平滑下降。如果 loss 前几轮跳来跳去不降，优先检查归一化系数和 ignore 区域占比；如果 train loss 降但验证精度不动，基本是过拟合，需要加数据增强或早停。学习率 1e-4 是遥感分割里比较稳的起点，低于 1e-5 收敛太慢，高于 5e-4 容易训崩，表现为 loss 突然跳高后回不来。数据集规模超过 10 万块时，可以加一步 cosine 衰减，效果会更平滑。

4.3 精度验证：OA、Kappa、IoU 怎么读才不骗自己

训练和推理跑完后，源码包一般会在 outputs 下生成混淆矩阵、逐类精度报告和分类 GeoTIFF。指标先看三个：OA（总体精度）、Kappa、逐类 IoU。OA 很容易被占比高的类别主导，如果一类占 80%，模型全预测它也能拿到 80% 的 OA，所以必须配合混淆矩阵看少数类。

import numpy as np from sklearn.metrics import confusion_matrix, cohen_kappa_score y_true = np.load("outputs/val_true.npy") y_pred = np.load("outputs/val_pred.npy") cm = confusion_matrix(y_true, y_pred) oa = np.trace(cm) / cm.sum() kappa = cohen_kappa_score(y_true, y_pred) iou = cm.diagonal() / (cm.sum(0) + cm.sum(1) - cm.diagonal()) print(f"OA={oa:.3f} Kappa={kappa:.3f}") print("各类 IoU:", np.round(iou, 3))

IoU 比 F1 更能暴露位置偏差，因为它在分母上同时惩罚漏检和误检。如果某个类别的 IoU 是 0 或接近 0，先别急着调模型，回去看训练集里这类像素占比——低于 2% 属于样本不足，任何模型结构都救不回来，正确做法是补标注或做类别加权。可视化输出也值得做：把预测图和原图半透明叠加，逐类目测一遍，很多指标看不出的系统性错分在图上会非常明显。

5. 遥感图像分类的 5 个常见问题与排查：现象、原因、解决

5.1 验证集精度高但预测图全是椒盐噪声

现象：验证集 OA 有 90% 以上，但推理输出的分类图在地物边界处布满细碎的孤立像素，像撒了一层盐。

原因：模型本身没问题，问题出在推理时每个像素都是独立预测，没有利用邻域一致性。如果基线模型是随机森林这类无空间上下文的算法，这种现象会更严重，边缘区域尤为明显。

解决：在推理脚本末尾加一次多数投票滤波，对每个像素取周围 3×3 或 5×5 窗口内的众数作为最终类别。更优的做法是用带重叠的滑窗推理，同一像素在不同窗口下的多次预测做投票融合，效果更好，代价是推理时间成倍增加。先做重叠投票，再看效果决定要不要加窗口滤波，两件事不要反过来。

5.2 验证集指标好看，换一景影像就崩盘

现象：在训练用的那景影像上精度不错，换到相邻区域或不同时相的影像，分类图大面积出错，水体被识别成建筑，农田变成裸地。

原因：训练样本和验证样本来自同一景影像，空间自相关性让模型学会了记忆局部光谱特征，而不是真正的地物规律。相邻影像的大气条件、太阳角度、物候状态都不同，光谱分布整体偏移，模型没见过这种偏移，自然翻车。

解决：样本划分从随机划分改成按影像划分，同一景影像的所有样本只能进 train 或 val 之一，绝不能两边都出现。想让模型具备跨影像能力，数据准备阶段就要混入多个时间、多个区域的影像，并在波段上做整体归一化。这一步没有后悔药，必须在新数据采集阶段就规划好独立验证影像。

5.3 类别不平衡，少数类永远分不出来

现象：混淆矩阵里某一类的召回率极低，大量该类的像素被预测成占比最高的类别；训练日志里 loss 在降，但该类的精度始终起不来。

原因：如果水体在场景里的占比不到 3%，交叉熵损失被多数类主导，模型学到的最优策略就是全部预测为多数类，个别少数类样本即使预测错，对 loss 的影响也微乎其微。

解决：两个手段叠加。损失函数侧给少数类更大的类别权重，权重向量按各类像素占比的倒数设置；数据侧对少数类做重复采样，或对多数类做随机欠采样。处理完一定要再看逐类 IoU，只看 OA 是看不出来的，因为多数类的 OA 照样很漂亮。权重设得太极端会导致少数类过拟合，建议用占比倒数的平方根做一个平滑。

5.4 GPU 显存被大 patch 和大批次吃光

现象：训练刚开始就报 CUDA out of memory，或者 epoch 跑到一半崩掉；手动调小 batch_size 后 loss 曲线又开始震荡。

原因：显存需求约等于 batch_size 与 patch_size 面积的乘积，两者同时拉高必然爆显存。遥感影像普遍是 16 位存储，读进来转 float32 后每像素占 4 字节，比普通 8 位图更吃显存。

解决：先固定 batch_size=8，patch 从 512 降到 256，跑通一个 epoch 再逐项加大。也可以开混合精度训练，显存大约省一半，对分类任务来说精度损失通常可接受。如果显存还是不够，就缩小 patch 并用重叠滑窗来补偿上下文损失，这是显存紧张时比换机器更实际的路径。

5.5 跨季节数据失效：春季模型秋季翻车

现象：用春季影像训练的分类模型，应用到秋季影像时，落叶林大面积错分为裸地或草地，模型每个月都要重新训练。

原因：遥感光谱的季节性很强，物候变化让同类地物的光谱响应差异巨大。模型学到的是「春季的森林长什么样」，换到秋季就失灵，这不是模型 bug，而是训练数据的时间覆盖度不够。

解决：训练集按时间维度混合多个季节的样本，如果业务只关心单一季节，干脆只在该季节采样，并明确模型的适用时间范围。另一种维护成本较低的方案是：应用前采少量新影像像素做主动学习校准，用几十个标注点对模型输出做一次轻量纠偏，把季节漂移拉回来。这种做法在业务系统里比频繁重训更实用，缺点是每次应用都要人工确认采样点。

6. 进阶：把滑窗推理升级为多尺度投票融合

6.1 多尺度推理的代码骨架

单尺度滑窗遇到大尺度地物时容易碎——一栋大楼被切成四块，模型在每块里看到的都是墙面和阴影，分类自然出错。多尺度推理的思路是：同一位置分别用 128、256、512 三种 patch 大小预测，再把结果融合。大 patch 提供全局上下文，小 patch 保留边缘细节。

def multi_scale_predict(image, model, scales=(128, 256, 512), stride_ratio=0.5, num_classes=4): # image 形状为 (C, H, W)，已做过与训练一致的归一化 votes = np.zeros((len(scales), image.shape[1], image.shape[2], num_classes)) for s_idx, scale in enumerate(scales): stride = int(scale * stride_ratio) for y in range(0, image.shape[1] - scale + 1, stride): for x in range(0, image.shape[2] - scale + 1, stride): block = torch.from_numpy( image[:, y:y+scale, x:x+scale] ).unsqueeze(0).float() with torch.no_grad(): prob = torch.softmax(model(block), dim=1) votes[s_idx, y:y+scale, x:x+scale] += \ prob.squeeze(0).permute(1, 2, 0).numpy() final = votes.sum(axis=0).argmax(axis=2) return final.astype(np.uint8)

注意这里累加的是 softmax 概率而不是 argmax 类别，概率加权的抗噪性明显更好，某个尺度给出的不确定预测不会一票否决其他尺度。运行时间接近单尺度的 3 倍，所以建议只在最终出图或重点区域验证时用，日常调参阶段保持单尺度。

6.2 概率投票融合与面积阈值去孤岛：出图前的最后一道工序

多尺度融合后我还会接一道后处理：按连通域对分类图做面积阈值过滤，小于阈值的孤立块并入邻域多数类别。这一步产出的才是业务上能直接看的专题图，而不是像素级噪声点。整条收尾链是：多尺度概率投票 → 面积阈值去孤岛 → 输出矢量化面状结果。

回看这类源码包，真正拉开效果差距的不是模型结构选得多新，而是数据口径对不对、推理策略细不细。我踩过一轮后养成的习惯是：拿到任何新的遥感分类代码，先跑通数据准备，再盯推理输出，最后才调整模型结构。这个顺序几乎能避开全部低级错误。希望帮到你。

本文还有配套的精品资源，点击获取