基于深度学习方法的图像分割（含语义分割、实例分割、全景分割.zip

# rssrai2019_semantic_segmentation 2019年遥感图像稀疏表征与智能分析竞赛 - 遥感图像语义分割比赛地址：<http://rscup.bjxintong.com.cn/#/theme/3> > 评分规则：比赛初赛算法评价主要采用 Kappa 系数指标。比赛初赛最终成绩由大赛评委会专家根据Kappa系数作为得分进行排名，Kappa系数越高，遥感图像语义分割结果越准确，排名越靠前。比赛决赛成绩将基于算法模型精度、效率、规模等指标加权，对算法模型性能进行综合评估与排名。 数据下载地址：https://pan.baidu.com/s/1gx4Si7S17Uqe3bt_cVkULw [提取码: v785] 数据下载完，可以发现图像都是 7200x6800 大小。训练集、验证集和测试集位深度都是 32 位，是个 4 通道图像。 这是官方给出的数据格式说明：（注：以下`数据格式说明`是后来官方更新的。） ``` xml 数据源：高分二号MSS影像 分辨率：4米 数据格式：TIF 影像尺寸：7200x6800像素 波段排序：NIR R G B 注意： 原始影像是用ENVI classic做的预处理，可能由于版本太老，导致不兼容。 如果使用GDAL，openCV，ArcGIS，以及新版本的ENVI读取，第四个波段会出错。 推荐使用ENVI classic，matlab，IDL读取影像，或用python的libtiff库，及PIL库的CMYK模式、再转为numpy array进行处理。 语义类别及标注信息： 水 田 RGB: 0 200 0 水 浇 地 RGB: 150 250 0 旱 耕 地 RGB: 150 200 150 园 地 RGB: 200 0 200 乔木林地 RGB: 150 0 250 灌木林地 RGB: 150 150 250 天然草地 RGB: 250 200 0 人工草地 RGB: 200 200 0 工业用地 RGB: 200 0 0 城市住宅 RGB: 250 0 150 村镇住宅 RGB: 200 150 150 交通运输 RGB: 250 150 150 河 流 RGB: 0 0 200 湖 泊 RGB: 0 150 200 坑 塘 RGB: 0 200 250 其他类别 RGB: 0 0 0 ``` --- 使用 envi5.3.1 软件打开，可以看到第 4 波段数值都是 255。有些人发现了同样问题，我们很好奇怎么回事？我通过和一位大佬请教和交流，我差不多有了理解。以下为我的理解和实践的结果： 首先官方给出的数据格式说数据的波段的顺序为 NIR、R、G、B 顺序，它这里这么说没有错，但为什么我们在 envi 软件打开是第4 波段全为 255 呢？大概的原因是，通俗讲，就是采用了错误或不兼容的解码方式，把原本 4 波段数据给解码成了 3 波段，但头文件又指定了 4 个波段，而第 4 波段本身又是透明度波段，所以就全部补为 255 默认值了。属于错误解码。 > 补充一点：国际上，波段顺序普遍采用的是 b g r nir。 可以看到**使用 opencv、gdal 库，以及 envi、arcgis 软件都无法正确打开**，都是显示第四波段为 255，但使用 **idl、libtiff库 和 matlab 可以正确打开**，即可以看到正常的第四波段像素。 我小结出来的猜测和理解：原因应该就是 opencv、gdal、envi、arcgis 采用了错误或说不兼容的解码方式。 > 注：这里的 idl 可以理解为类似于 Python 一样的解释型语言，安装了 envi 软件，就可以打开运行。 > > 这段 idl 代码我放在了该仓库下，文件名为 `rssrai2019_preproc.pro`。如安装了 envi 软件，则可以直接打开该文件运行代码，可以把原图像转换成正常的，**即用 idl 代码转换后，opencv、gdal 等打开第四波段是正常数值。** > > 参数输入类似如下： > > ``` xml > rssrai_preproc,'E:\qian','tif','E:\hou','tif' > ``` > > 如上，可以把 qian 文件夹下的原图像转换，转换后的图像放在 hou 文件夹下。 > > 因为 libtiff 可以正常打开原图，那么我们可以使用 libtiff 和 opencv 分别打开原图和用 idl 代码转换后的图来对比，下面是打印出的第四波段数值： > >  > > 可以看到结果是一致的。然后本人也亲测了：使用 gdal 库去打开 idl 代码转换后的图像，得到的数值也是正常的。 > > 注意：opencv 读取和写入都是按照“BGR”顺序的，所以需要交换下第一和第三通道进行比较。 综上，所以如果要用上遥感图像第 4 波段信息进行训练，可以采用如下方式进行： 1. 可以使用 libtiff 等库读取，这样可以读取到正常的第 4 波段数值，然后保存的时候，比如需要保存下来随机裁剪的小图，可以使用 opencv 保存： ``` python img1 = TIFF.open(r"G:\test.tif", mode="r") img1 = img1.read_image(img1) # img1顺序： hir r g b hir, r, g, b = cv2.split(img1) im2 = cv2.merge((g,r,hir,b)) #顺序 g r hir b cv2.imwrite("test2.tiff", im2) #顺序 hir r g b ``` 注意：因为官方原图是 hir、r、g、b 顺序， tiff 是可以正常读取，那么返回的也是 hir、r、g、b 顺序，然而如果直接使用：`cv2.imwriter("test2.tiff", img2)` 得到的图像通道顺序是：g、r、hir、b，因为 opencv 的读取和写入都是按“BRG”顺序，所以这里需要：`im3 = cv2.merge((g,r,hir,b))` 交换下顺序，然后使用 imwrite 写入，这样保存下来的顺序就还是：hir、r、g、b 顺序了。当然了你也可以使用 scipy 的 misc 保存 ，下面有亲测实验。 2. 或者使用 idl 转换后，再使用 opencv、gdal 读取。 注意：在 windows 上可以看到转换后的或者 libtiff 读取后再用 opencv 保存下来的图像，都会有一种透明度的感觉，我的猜测是，windows 把第四通道当做 alpha 通道导致这样，关于 alpha 通道可以看看：[一个也许很傻的问题,在图像处理中alpha到底是什么？](http://bbs.csdn.net/topics/60421021)。（也只是我的猜测） 对于上面的方式 1，本人有亲测做实验，对原图使用 tiff 读取，然后再使用 opencv 保存： ``` python from libtiff import TIFF import cv2 img1 = TIFF.open(r"G:\rssrai2019_semantic_segmentation\dataset\test\GF2_PMS1__20150902_L1A0001015646-MSS1 (2).tif", mode="r") img2 = img1.read_image(img1) hir, r, g, b = cv2.split(img2) im3 = cv2.merge((g,r,hir,b)) cv2.imwrite("test.tiff", im3) # from libtiff import TIFF # from scipy import misc # # ##tiff文件解析成图像序列 # ##tiff_image_name: tiff文件名； # ##out_folder：保存图像序列的文件夹 # ##out_type：保存图像的类型，如.jpg、.png、.bmp等 # def tiff_to_image_array(tiff_image_name, out_folder, out_type): # tif = TIFF.open(tiff_image_name, mode="r") # idx = 0 # for im in list(tif.iter_images()): # # # im_name = out_folder + str(idx) + out_type # misc.imsave(im_name, im) # print(im_name, 'successfully saved!!!') # idx = idx + 1 # return # # if __name__ == '__main__': # path = r"G:\rssrai2019_semantic_segmentation\dataset\test\GF2_PMS1__20150902_L1A0001015646-MSS1 (2).tif" # out_folder = "./" # out_type = ".tiff" # tiff_to_image_array(path, out_folder, out_type) ``` 如上代码，对 test 文件夹下的的一张原图，先用 tiff 读取，然后使用 opencv 保存下来。我就不贴图了。实际中，可以看到保存下来的图像，和使用 idl 代码转换原图得到图像在电脑上显示出来是一致的。并且再用 opencv 读取保持下来的： ``` python import cv image1 = cv2.imread(r"test.tiff", -1) # 读取刚才保存下来的图。flag=-1 时，8位深度，原通道 image2 = cv2.imread("hou.tiff", -1) # idl转换后的图 print((image1==image2).all()) ``` 打印结果为：True。 --- ## 图像预处理 ### 上色label转单数值的label 官方给的遥感图像 label 数据都是已经上色了的 RGB 三通道图像，在我们实际训练过程中，我们需要单数值 label 数据，即我们首先需要把上色了 label 图像还原为单数值 label 数据。 1、方法一 我想到笨方法是，把每个颜色赋数值，从