简介：本文面向地信遥感与计算机视觉方向的初学者，系统梳理如何基于本地环境自建遥感影像地物分类数据集，并完成深度学习模型训练。文章既补充遥感数据预处理与影像切分的基本原理，也给出样本组织、标注、增强和训练评估的完整流程，帮助读者打通从原始影像到可训练数据再到分类结果的关键环节，降低科研入门与工程落地的门槛。
遥感地物分类是遥感影像解译中的基础任务之一，目标是将影像中的每个像元或每个局部区域划分为水体、植被、建筑、道路、耕地等类别。随着深度学习在计算机视觉领域的成熟，卷积神经网络、语义分割网络和视觉 Transformer 等结构也被广泛引入遥感地物分类任务中。然而，与自然图像不同，遥感影像通常具有更大的空间范围、更多的光谱波段以及更复杂的地物尺度差异，直接使用现成数据集往往难以覆盖特定研究区、特定传感器或特定分类体系的需求。
因此，自己制作遥感深度学习数据集并不是一项“额外工作”，而是多数遥感深度学习任务中不可省略的环节。一个高质量的自建数据集需要同时满足三个条件：第一，样本与目标区域的空间分布一致，避免训练数据与推理数据之间出现严重分布偏移；第二，类别体系与研究或业务目标匹配，例如同样是水体，有的任务关心河流与湖泊的区分，有的任务只需要水体与非水体；第三，样本尺寸、波段组合和归一化方式与后续模型输入结构匹配，减少数据适配过程中的信息损失。
对于刚接触深度学习遥感地物分类的开发者来说，自己制作数据集还能帮助理解数据质量对模型性能的根本影响。很多模型调优无效的问题，往往不是网络结构不够复杂，而是训练样本中的噪声、类别不平衡或标注边界不准确所导致。掌握数据集构建方法，有助于在后续实验中更快定位问题来源。
在制作数据集之前，首先需要对原始遥感影像进行必要预处理。遥感影像预处理的目标是消除传感器、大气、地形和光照等因素带来的非地物变化，使不同区域、不同时相的影像在辐射和几何上尽量一致。
遥感影像的像元值通常记录为数字值，需要经过辐射定标和大气校正转换为地表反射率或辐亮度，才能在不同影像之间进行比较。对于深度学习地物分类任务来说，如果训练数据和推理数据来自同一传感器、同一时期且大气条件相似，有时可以直接使用原始数字值；但当数据来源复杂或涉及多时相分析时，辐射一致性处理就显得非常重要。
初学阶段可以采用简化流程，例如使用元数据中的定标系数将数字值转换为辐亮度，再根据研究区情况决定是否进行进一步的大气校正。关键原则是保持数据内部的一致性：如果某一景影像做了大气校正，其他参与训练和预测的影像也应采用相同流程。
几何校正的目的是使影像中的每个像元对应准确的地理坐标。对于深度学习任务，几何校正精度直接影响样本标注和预测结果的定位。如果使用多源遥感数据，还需要进行空间配准，使不同影像在同一坐标参考系下逐像元对齐。
在实际操作中，应优先选择已经做过系统几何校正的数据产品。若仍需自行校正，可以基于地面控制点或参考影像进行多项式校正，并注意检查校正后的重采样质量，避免过度平滑或像元错位。
遥感影像通常包含多个光谱波段，但并非所有波段对地物分类都有同等贡献。蓝、绿、红、近红外是可见光与近红外范围内的常用波段，其中近红外波段对植被和水体识别尤为关键。对于深度学习模型，可以直接将多波段数据作为多通道输入，也可以先计算归一化植被指数、归一化水体指数等特征，再与原始波段叠加。
无论采用哪种方式，都需要在数据集制作阶段明确记录波段顺序和物理含义，避免训练阶段与推理阶段因通道错位导致结果异常。
深度学习模型通常要求输入固定尺寸的图像块，而原始遥感影像往往非常大，因此需要将大影像切分为大量小尺寸瓦片。影像切分不是简单的机械裁剪，需要结合地物尺度和模型感受野进行设计。
瓦片尺寸的大小直接影响模型能够利用的上下文信息。较小的瓦片计算效率更高，但可能无法容纳大型地物的完整边界；较大的瓦片能提供更丰富的空间上下文，但会增加显存占用和训练时间。对于遥感地物分类，常见的瓦片尺寸可以从 128×128、256×256 到 512×512 像素不等。
选择瓦片尺寸时，应观察研究区中主要地物的空间尺度。如果地物以小尺度要素为主，例如城市中的单栋建筑或道路，可以选择较小瓦片；如果地物呈连续大片分布，例如农田、林地或大型水体，则可以使用较大瓦片来获取更多上下文信息。
当影像尺寸不能整除瓦片尺寸时，通常采用有重叠切分策略，让相邻瓦片之间保留一定比例的重叠区域。这样可以避免模型在拼接预测结果时在瓦片边界处产生明显接缝。重叠比例一般设置为瓦片边长的 10% 到 25%，具体大小可以根据地物连续性和后处理方式调整。
在推理阶段，重叠区域会产生多个预测结果，可以通过加权平均或投票方式融合。训练阶段则需要注意避免同一区域以不同偏移量进入训练集和验证集，否则会导致验证指标虚高。
切分后的瓦片中，可能存在大量无效或低信息量的样本，例如全背景区域、云覆盖区域或影像边缘的黑边。这些样本如果不加处理直接参与训练，会引入大量标签噪声。可以基于像元统计值或简单规则进行初步筛选，例如计算瓦片的有效像元比例、方差或边缘占比。对于云污染较严重的区域，可以结合云掩膜产品进行剔除。
样本标注是数据集构建中人工成本最高、也最容易引入误差的环节。遥感地物分类的标注方式可以分为两类：用于语义分割的逐像元标注和用于图像分类的瓦片级标注。
语义分割任务需要为每个像元赋予类别标签。传统的人工标注方式成本较高，但可以通过先使用无监督分割或传统分类方法生成初步结果，再进行人工修正。标注时应注意边界位置的一致性，尤其是线状地物和小面积地物，避免将不同类别混合在过渡带中。
对于初学者，可以采用多边形标注工具沿地物边界勾画，然后将矢量多边形栅格化为标签图。标签图中的每个像元值对应类别编号，通常从 0 开始，背景类也应有明确编号，不能与无数据区域混淆。
如果任务目标只是判断整张瓦片的主要地物类型，而不需要逐像元细分，可以采用瓦片级标注。这种方式标注效率更高，但需要明确“主要地物”的判定标准，例如单一类别占比超过 70% 才作为正样本，否则标记为混合类别或直接剔除。
对于类别体系设计，应尽量保持类别之间的可分性和互斥性。过于细碎的类别会加大标注难度和模型学习压力，过于粗糙的类别又可能无法满足实际应用需求。可以先从较小且易区分的类别体系开始，再根据实验结果逐步细化。
划分数据集时，不仅要考虑数量比例，还要考虑空间独立性。遥感影像具有明显的空间自相关性，如果简单随机划分，训练样本和验证样本可能来自同一片连续区域，导致验证指标无法反映模型对陌生场景的泛化能力。
推荐按照影像幅或地理区块进行划分，使训练、验证和测试集在空间上尽量分离。例如将研究区划分为若干子区域，不同子区域分别划入不同集合。这样可以更真实地评估模型在未见过区域上的表现。
遥感地物分类中，不同地物类别的面积差异往往很大。例如在城市区域，建筑比例可能远高于水体，而水体在整体影像中占比很小。类别不平衡会导致模型偏向多数类，使少数类的召回率偏低。
处理类别不平衡的方法包括在损失函数中引入类别权重、对少数类样本进行过采样、对多数类样本进行欠采样，以及在数据增强阶段对不同类别采用不同增强强度。需要强调的是，验证集应保持原始分布或根据业务需求设定评估权重，不要在验证集上做人工平衡。
数据增强可以显著提高模型对几何变化、辐射变化和小样本情况的鲁棒性。遥感影像的数据增强需要特别注意几何变换与标签图的一致性。
常见的增强操作包括：
对于语义分割任务，几何变换必须同步作用于原始影像和标签图。翻转和 90° 旋转可以保持像元对应关系，而非 90° 旋转或随机缩放则需要使用重采样方法，并在标签图上采用最近邻插值以保持类别值不被改变。
增强强度也应适度。过度增强可能改变地物的物理特征，例如将红外波段与可见光波段进行不合理组合，反而会引入噪声。建议从基础几何增强开始，再逐步引入辐射增强，并通过验证集表现判断增强是否真正有效。
成规模的数据集需要一套清晰、可复用的文件组织方式。常见做法是将影像瓦片和标签瓦片分别存放在不同目录，并使用统一的命名规则建立对应关系，例如：
dataset/├── train/│ ├── images/│ │ ├── tile_0001.tif│ │ └── tile_0002.tif│ └── labels/│ ├── tile_0001.png│ └── tile_0002.png├── val/│ ├── images/│ └── labels/└── test/├── images/└── labels/
这种结构便于数据加载器批量读取，也便于后续增加新样本或调整划分策略。对于大尺寸数据集，可以将数据转换为统一的二进制格式或分块存储格式以加速读取，但这并非初学阶段的必需环节。
在模型训练过程中，数据加载器应支持按批次读取、随机打乱、多进程加载和在线增强等功能。对于多光谱影像，需要注意不同文件的波段顺序保持一致，并在输入模型前进行归一化处理，例如将像元值缩放到 0 到 1 或标准化为零均值单位方差。
遥感地物分类可以基于卷积神经网络构建基线模型。对于语义分割任务，编码器-解码器结构是常见选择，编码器负责提取多尺度特征，解码器恢复空间分辨率并输出逐像元类别概率。对于瓦片级图像分类任务，则可以使用经典卷积网络或轻量级视觉模型。
初学阶段不建议一开始就堆叠过于复杂的结构，而应先建立一个可运行的基线模型，确认数据管道、损失函数和评估指标均正常后，再逐步替换骨干网络或增加注意力模块。
多类别地物分类通常使用交叉熵损失函数。对于类别不平衡问题，可以使用加权交叉熵或结合焦点损失。评估指标除整体准确率外，更应关注各类别的精确率、召回率、F1 分数以及平均交并比。对于建筑物、道路等小目标类别，单独查看类别级指标比只看整体准确率更有意义。
训练过程中还应记录训练损失与验证损失曲线，观察是否存在过拟合或欠拟合。遥感数据由于空间相关性较强，模型可能很快在训练集上达到较高精度，但验证集表现明显较差，此时应考虑增加正则化、减少模型容量或改进数据划分方式。
模型训练完成后，需要对整幅遥感影像进行推理。由于影像尺寸大于模型输入尺寸，需要采用滑动窗口方式逐块预测，再按照瓦片的空间位置拼接。对于有重叠的瓦片，可以在重叠区域进行平均或投票融合。若预测结果中出现明显椒盐噪声，可以使用形态学开闭操作或条件随机场等后处理方法进行平滑。
最终分类结果可以保存为地理参考栅格文件，便于在常用地理信息软件中叠加显示，也可以进一步转换为矢量图层用于制图或空间分析。
自己制作遥感深度学习数据集并进行地物分类，可以归纳为以下步骤：
整套流程中，数据构建往往比模型调参更耗费时间，但也更能决定最终效果。对初学者而言，建议先在较小研究区上完整走通“数据—训练—评估—推理”全流程，再逐步扩大数据规模与模型复杂度。通过这种方式，可以在较短时间内建立对遥感深度学习地物分类的系统认知，为后续科研或工程实践打下扎实基础。