尧图网页设计 
简介一份基于MATLAB深度学习工具箱开发的卷积神经网络项目专注图像水体识别与水体陆地二值化分割网络为9层结构在测试中水体识别准确率可达96%以上。资源适合计算机科学、人工智能、大数据、数学、电子信息等专业学生作为课程设计、期末大作业或毕业设计的实战参考也适合对遥感图像语义分割感兴趣的学习者。压缩包共63个文件约合32.62MB以39个m脚本和3个matlab程序为主体配套json标注数据、txt说明文档、tif遥感图像样本以及sh脚本覆盖数据标记、网络构建、训练评估和结果输出等环节项目内已集成jsonlab工具调试路径完整。目前已有125人学习下载代码经过严格调试解压后即可运行但建议具备一定深度学习和MATLAB基础后再上手以便根据实际图像数据调整网络参数或扩展分类目标。1. 图像水体识别为什么不能只靠阈值分割做遥感图像或无人机影像里的水体提取时很多同学第一反应是算NDWI归一化差异水体指数或者直接对灰度图卡阈值。但在实际图像里建筑物阴影、深色裸土、山体遮挡区域和浑浊水体的灰度非常接近单一阈值会把大量非水区域误判为水同时漏掉高反射或带有青苔的水面。卷积神经网络CNN的优势在于把颜色、纹理、邻域上下文一起作为特征通过多层卷积核逐步抽象出“水”的高层语义而不是死盯某个像素的亮度值。这套基于MATLAB深度学习工具箱的项目采用9层卷积神经网络直接对图像逐像素分类输出水体与陆地的二值图水体识别准确率在测试集上能稳定到96%以上。适合正在做图像分割课程设计、遥感相关毕设以及想用MATLAB快速验证CNN效果的工程师。9层的深度不算激进但在小数据集上比预训练模型更容易收敛也更便于逐层检查特征图。2. 从输入到输出9层CNN的结构设计与可调参数2.1 网络整体拓扑卷积、池化、全连接与分类层这个项目的网络不是VGG或ResNet那种现成模型而是针对“像素级二分类”手工搭建的9层结构。我的理解是它把图像切块后逐像素分类或者对整图做滑窗预测。9层内的基本组成是输入层 → 多个卷积层与ReLU激活 → 池化层 → 最后的全连接层和softmax输出。直接使用convolution2dLayer定义卷积核maxPooling2dLayer做降采样fullyConnectedLayer做特征向量到类别分数的映射。在MATLAB深度学习工具箱里这种网络用layerGraph或dlnetwork组合起来。核心卷积层的典型写法如下layers [ imageInputLayer([64 64 3], Name, input, Normalization, none) convolution2dLayer(3, 16, Padding, same, Name, conv1) reluLayer(Name, relu1) maxPooling2dLayer(2, Stride, 2, Name, pool1) convolution2dLayer(3, 32, Padding, same, Name, conv2) reluLayer(Name, relu2) maxPooling2dLayer(2, Stride, 2, Name, pool2) convolution2dLayer(3, 64, Padding, same, Name, conv3) reluLayer(Name, relu3) fullyConnectedLayer(2, Name, fc) softmaxLayer(Name, softmax) classificationLayer(Name, output) ];这里输入是64×64的RGB图像块前6层包括池化负责特征提取最后一组卷积把特征映射到64通道再接全连接层做二分类。Paddingsame保证卷积后特征图尺寸不变池化层步长2把分辨率减半。对水体这种小目标区域前两层用16和32通道就够了过深的通道数在小数据集上反而容易过拟合。2.2 层参数表与感受野计算为了说清楚每一层的作用我把这个9层网络的典型参数整理成下表实际训练时可以根据输入图像块大小调整层序号类型核大小/池化窗口输出通道步长输出特征尺寸输入64×641卷积3×316164×64×162ReLU-16-64×64×163最大池化2×216232×32×164卷积3×332132×32×325ReLU-32-32×32×326最大池化2×232216×16×327卷积3×364116×16×648ReLU-64-16×16×649全连接Softmax-2-2注意这里为了便于理解把最后两层合并作第9层描述。感受野计算是理解网络是否“看”得足够宽的关键。三层3×3卷积加上两层2×2池化的累计感受野为每次池化相当于放大2倍三层卷积有效感受野约 (3246) 15即输出像素能看到原始图像15×15的区域。如果水体边缘和陆地出现大量混叠可以考虑把第一层卷积核增大到5×5或者去掉第一个池化层让感受野覆盖到20×20以上。2.3 为什么是9层而不是更深的ResNet从精度报告看这个数据集上的水体识别准确率能达到96%以上9层结构功不可没。更深的网络如ResNet-50虽然有更强的表达力但在几百张图像的小数据集上预训练的ImageNet权重未必适配水体光谱从头训练又容易梯度消失。9层网络参数量约在几十万量级用CPU也能跑完训练这正好匹配课程设计和毕设的硬件环境。我在跑类似项目时一般会在三层卷积后面加一个dropoutLayer(Probability,0.3)防止全连接层过拟合。但要注意dropout放在池化之后而不是卷积之后否则会让特征提取不稳定。这个项目没有把dropout写进网络主体是考虑到原始数据本身带有较干净的标注过拟合风险可控。3. 标注与数据管线DataMark.m与jsonlab的配合3.1 图像标记格式从JSON到二值掩膜拿到Image1.TIF和image2.jpg后你还需要对应的标注文件image1.json和image2.json。这些JSON里保存的是多边形顶点坐标或逐像素类别DataMark.m就是用来把这些几何标注文件转换成深度学习训练所需的图像标签。JSON文件结构通常是{regions: [{shape_attributes: {name: polygon, all_points_x: [...], all_points_y: [...]}}]}但不同标注工具导出的字段不一样读取前最好先用 jsonlab 检查结构。jsonlab是MATLAB读写JSON的标准第三方库主要用loadjson和savejson。DataMark.m里典型用法如下addpath(jsonlab); ann loadjson(image1.json); % 假设标注文件里有多边形顶点坐标 polyX ann.regions{1}.shape_attributes.all_points_x; polyY ann.regions{1}.shape_attributes.all_points_y; mask poly2mask(polyX, polyY, rows, cols);这里poly2mask来自Image Processing Toolbox它把多边形坐标转换为逻辑掩膜水区域为1陆地和其他区域为0。注意poly2mask的X/Y顺序第一个参数对应列坐标第二个参数对应行坐标容易写反。如果你发现标注出来的mask整体旋转了90度先把第一个参数和第二个参数交换再试。3.2 jsonlab读取的容错处理不是所有JSON都是双层嵌套有的标注工具输出Matterport格式如下所示{ objects: [ {geometry: {x: [1,2,3], y: [4,5,6]}, label: water} ] }所以DataMark.m里建议加一层字段判断if isfield(ann, regions) shapes ann.regions; elseif isfield(ann, objects) shapes ann.objects; else error(Unknown annotation format); end这样做的好处是以后换标注工具只需要改一小段适配代码主流程不用动。我之前接过一个项目标注文件是COCO格式的JSONloadjson后需要从annotations数组里逐个取segmentation字段再转成多边形的点集。熟悉jsonlab的loadjson返回结构体或者元胞数组的特性是很重要的一步。3.3 训练集划分与样本均衡水体识别是逐像素分类但网络如果对整个大图计算损失GPU内存会爆。常见做法是把大图切成小图像块patch每个patch对应一个二值标签。项目里的DataMark.m同时也负责切块和抽样。为了避免陆地样本远多于水体样本我一般会统计每个patch中水的像素占比保留占比在20%到80%之间的patch然后对纯陆地或纯水推断产生的无用patch直接丢弃。训练集、验证集、测试集的划分建议按照randperm随机索引来定不要手动按文件名排序切分否则会引入空间相关性。例如把某一张TIF全部放入训练集另一张全部放入验证集会导致模型看到的是“见过的图片区域”泛化能力虚高。正确做法是按图像块级别混合打乱随机取70%训练、15%验证、15%测试。4. 训练与评估main.m中的核心实现4.1 图像数据存储与训练选项设置main.m的核心职责是把图像块和标签组织成MATLAB的imageDatastore或augmentedImageDatastore然后调用trainNetwork训练。对逐像素分割问题如果网络是图像块分类结构标签就是每个patch的类别标量比如1为水0为陆地。如果网络是语义分割结构则需要用pixelLabelDatastore逐像素读取掩膜。这个项目用的是分类网络输出二分类概率再将每个patch中心像素的预测结果映射回原图所以数据存储采用imageDatastore更直接。一个典型的训练设置如下imds imageDatastore(patches, IncludeSubfolders, true, LabelSource, foldernames); options trainingOptions(sgdm, ... InitialLearnRate, 0.001, ... MaxEpochs, 50, ... MiniBatchSize, 32, ... Shuffle, every-epoch, ... ValidationData, valImds, ... ValidationFrequency, 20, ... Plots, training-progress, ... Verbose, true); net trainNetwork(imds, layers, options);这里LabelSourcefoldernames要求训练集目录下有两个子文件夹water和land每个子文件夹里放切好的图像块。InitialLearnRate0.001适合从零训练的小网络MaxEpochs50是一个经验值当验证损失连续5个epoch不下降时手动停掉即可。MiniBatchSize根据显存设置显存不够可以用32CPU训练建议降到16。4.2 训练过程监控与准确率96%的由来Plotstraining-progress会在训练窗口实时显示损失曲线和验证准确率。96%这个数字要求你不仅看整体准确率还要特别关注验证集的召回率。因为水体在图像中往往只占10%~30%的像素即使把所有像素都预测为陆地准确率也有70%以上但这个模型没有任何实用价值。因此我在评估时都会计算混淆矩阵确认水体类别的精确率和召回率是否都在90%以上。如果训练曲线显示验证准确率在训练集准确率高出5个百分点以上就是典型的过拟合信号。这时优先调整InitialLearnRate到0.0005或者增加数据增强而不是盲目增加网络层数。MATLAB的augmentedImageDatastore可以方便地旋转、缩放图像块augImds augmentedImageDatastore([64 64], imds, ... DataAugmentation, imageDataAugmenter(... RandXTranslation, [-5 5], ... RandYTranslation, [-5 5], ... RandRotation, [-20 20], ... RandXScale, [0.9 1.1], ... RandYScale, [0.9 1.1]));这种随机平移和旋转对水体识别很有效因为水面波纹和岸线方向不固定。但注意不要把RandXReflection设为true因为对于某些有地理方向性的图像镜像可能会改变真实性例如从西向东流动的河流被翻转成向东向西。4.3 模型评估逐像素混淆矩阵训练完用classify对验证集图片块预测再把预测标签转回大图。计算混淆矩阵的代码如下YPred classify(net, valImds); YTrue valImds.Labels; C confusionmat(YTrue, YPred); precision diag(C) ./ sum(C, 1); recall diag(C) ./ sum(C, 2);注意sum(C,1)是每列的预测总数sum(C,2)是每行的真实总数。水体类别可能在混淆矩阵的第二行索引时要写C(2,2)。如果发现陆地的精确率极高但水体召回率低说明模型偏向预测陆地可以在网络的classificationLayer之前修改类别权重或者增加水体patch在训练集中的比例。5. 预测脚本的落地技巧从单张图片到批量二值图输出5.1 滑窗预测与边界处理项目最终要输出一张水体陆地的二值化图像一个稳健的做法是把大图切分成与训练时同尺寸的图像块逐块预测后再拼回原图。预测时使用classify(net, patch)得到该块的中心像素类别或者对整块所有像素做预测再投票。我更推荐用semanticseg一步到位但前提是网络结构兼容。在main.m里如果没有语义分割头可以这样滑窗预测image imread(image2.jpg); [H, W, ~] size(image); predMap zeros(H, W); stride 32; count zeros(H, W); for i 1:stride:H-64 for j 1:stride:W-64 patch image(i:i63, j:j63, :); label double(classify(net, patch) water); predMap(i:i63, j:j63) predMap(i:i63, j:j63) label; count(i:i63, j:j63) count(i:i63, j:j63) 1; end end bw (predMap ./ count) 0.5;这里stride32让相邻窗口有50%重叠重叠区域的每个像素被预测多次投票决定最终类别能够消除窗口边缘的接缝效应。count矩阵记录每个像素被预测的次数避免在图像最右或最下边缘除以零。5.2 形态学后处理去掉碎块CNN直接输出的二值图通常带有椒盐噪声和小面积误检区尤其是河流中的小岛或者陆地植被阴影。常见做法是先用bwareaopen删除面积小于阈值的连通域再用imclose闭合细小缝隙bw bwareaopen(bw, 100); % 删除小于100像素的连通域 se strel(disk, 3); bw imclose(bw, se);参数100和3取决于你的图片分辨率。如果是卫星影像一个水面小光斑可能只有几个像素阈值过大会把真实水洼过滤掉。我一般先按图像面积的0.01%设置阈值再根据检测结果微调。另外imclose的核半径不要超过5否则会把陆地中狭窄的水道闭合掉让细长的河段断掉。5.3 遇到内存不足时的替代方案如果整图预测时提示“Out of memory”最常见的问题是predMap和count用double类型保存。可以改成accumarray或者用逻辑数组加计数。更简单的方式是对大图分块保存每处理完512×512的区域就写入磁盘。处理TIF格式大图时我用imagesc(bw)加上imwrite(bw, result.png)输出能保持与原始图像空间一致的热力图效果。如果你需要批量处理多张TIF把上面代码包成一个函数predictWaterMask(imgPath, net)用dir(*.TIF)循环调用即可。注意TIF图像可能是16位单通道需要先im2double再repmat转成三通道否则分类器会报输入通道不匹配。这个细节在第一次跑通流程时最容易忽略。本文还有配套的精品资源点击获取 基于MATLAB深度学习的水体识别：9层CNN实现与遥感图像分割
简介一份基于MATLAB深度学习工具箱开发的卷积神经网络项目专注图像水体识别与水体陆地二值化分割网络为9层结构在测试中水体识别准确率可达96%以上。资源适合计算机科学、人工智能、大数据、数学、电子信息等专业学生作为课程设计、期末大作业或毕业设计的实战参考也适合对遥感图像语义分割感兴趣的学习者。压缩包共63个文件约合32.62MB以39个m脚本和3个matlab程序为主体配套json标注数据、txt说明文档、tif遥感图像样本以及sh脚本覆盖数据标记、网络构建、训练评估和结果输出等环节项目内已集成jsonlab工具调试路径完整。目前已有125人学习下载代码经过严格调试解压后即可运行但建议具备一定深度学习和MATLAB基础后再上手以便根据实际图像数据调整网络参数或扩展分类目标。1. 图像水体识别为什么不能只靠阈值分割做遥感图像或无人机影像里的水体提取时很多同学第一反应是算NDWI归一化差异水体指数或者直接对灰度图卡阈值。但在实际图像里建筑物阴影、深色裸土、山体遮挡区域和浑浊水体的灰度非常接近单一阈值会把大量非水区域误判为水同时漏掉高反射或带有青苔的水面。卷积神经网络CNN的优势在于把颜色、纹理、邻域上下文一起作为特征通过多层卷积核逐步抽象出“水”的高层语义而不是死盯某个像素的亮度值。这套基于MATLAB深度学习工具箱的项目采用9层卷积神经网络直接对图像逐像素分类输出水体与陆地的二值图水体识别准确率在测试集上能稳定到96%以上。适合正在做图像分割课程设计、遥感相关毕设以及想用MATLAB快速验证CNN效果的工程师。9层的深度不算激进但在小数据集上比预训练模型更容易收敛也更便于逐层检查特征图。2. 从输入到输出9层CNN的结构设计与可调参数2.1 网络整体拓扑卷积、池化、全连接与分类层这个项目的网络不是VGG或ResNet那种现成模型而是针对“像素级二分类”手工搭建的9层结构。我的理解是它把图像切块后逐像素分类或者对整图做滑窗预测。9层内的基本组成是输入层 → 多个卷积层与ReLU激活 → 池化层 → 最后的全连接层和softmax输出。直接使用convolution2dLayer定义卷积核maxPooling2dLayer做降采样fullyConnectedLayer做特征向量到类别分数的映射。在MATLAB深度学习工具箱里这种网络用layerGraph或dlnetwork组合起来。核心卷积层的典型写法如下layers [ imageInputLayer([64 64 3], Name, input, Normalization, none) convolution2dLayer(3, 16, Padding, same, Name, conv1) reluLayer(Name, relu1) maxPooling2dLayer(2, Stride, 2, Name, pool1) convolution2dLayer(3, 32, Padding, same, Name, conv2) reluLayer(Name, relu2) maxPooling2dLayer(2, Stride, 2, Name, pool2) convolution2dLayer(3, 64, Padding, same, Name, conv3) reluLayer(Name, relu3) fullyConnectedLayer(2, Name, fc) softmaxLayer(Name, softmax) classificationLayer(Name, output) ];这里输入是64×64的RGB图像块前6层包括池化负责特征提取最后一组卷积把特征映射到64通道再接全连接层做二分类。Paddingsame保证卷积后特征图尺寸不变池化层步长2把分辨率减半。对水体这种小目标区域前两层用16和32通道就够了过深的通道数在小数据集上反而容易过拟合。2.2 层参数表与感受野计算为了说清楚每一层的作用我把这个9层网络的典型参数整理成下表实际训练时可以根据输入图像块大小调整层序号类型核大小/池化窗口输出通道步长输出特征尺寸输入64×641卷积3×316164×64×162ReLU-16-64×64×163最大池化2×216232×32×164卷积3×332132×32×325ReLU-32-32×32×326最大池化2×232216×16×327卷积3×364116×16×648ReLU-64-16×16×649全连接Softmax-2-2注意这里为了便于理解把最后两层合并作第9层描述。感受野计算是理解网络是否“看”得足够宽的关键。三层3×3卷积加上两层2×2池化的累计感受野为每次池化相当于放大2倍三层卷积有效感受野约 (3246) 15即输出像素能看到原始图像15×15的区域。如果水体边缘和陆地出现大量混叠可以考虑把第一层卷积核增大到5×5或者去掉第一个池化层让感受野覆盖到20×20以上。2.3 为什么是9层而不是更深的ResNet从精度报告看这个数据集上的水体识别准确率能达到96%以上9层结构功不可没。更深的网络如ResNet-50虽然有更强的表达力但在几百张图像的小数据集上预训练的ImageNet权重未必适配水体光谱从头训练又容易梯度消失。9层网络参数量约在几十万量级用CPU也能跑完训练这正好匹配课程设计和毕设的硬件环境。我在跑类似项目时一般会在三层卷积后面加一个dropoutLayer(Probability,0.3)防止全连接层过拟合。但要注意dropout放在池化之后而不是卷积之后否则会让特征提取不稳定。这个项目没有把dropout写进网络主体是考虑到原始数据本身带有较干净的标注过拟合风险可控。3. 标注与数据管线DataMark.m与jsonlab的配合3.1 图像标记格式从JSON到二值掩膜拿到Image1.TIF和image2.jpg后你还需要对应的标注文件image1.json和image2.json。这些JSON里保存的是多边形顶点坐标或逐像素类别DataMark.m就是用来把这些几何标注文件转换成深度学习训练所需的图像标签。JSON文件结构通常是{regions: [{shape_attributes: {name: polygon, all_points_x: [...], all_points_y: [...]}}]}但不同标注工具导出的字段不一样读取前最好先用 jsonlab 检查结构。jsonlab是MATLAB读写JSON的标准第三方库主要用loadjson和savejson。DataMark.m里典型用法如下addpath(jsonlab); ann loadjson(image1.json); % 假设标注文件里有多边形顶点坐标 polyX ann.regions{1}.shape_attributes.all_points_x; polyY ann.regions{1}.shape_attributes.all_points_y; mask poly2mask(polyX, polyY, rows, cols);这里poly2mask来自Image Processing Toolbox它把多边形坐标转换为逻辑掩膜水区域为1陆地和其他区域为0。注意poly2mask的X/Y顺序第一个参数对应列坐标第二个参数对应行坐标容易写反。如果你发现标注出来的mask整体旋转了90度先把第一个参数和第二个参数交换再试。3.2 jsonlab读取的容错处理不是所有JSON都是双层嵌套有的标注工具输出Matterport格式如下所示{ objects: [ {geometry: {x: [1,2,3], y: [4,5,6]}, label: water} ] }所以DataMark.m里建议加一层字段判断if isfield(ann, regions) shapes ann.regions; elseif isfield(ann, objects) shapes ann.objects; else error(Unknown annotation format); end这样做的好处是以后换标注工具只需要改一小段适配代码主流程不用动。我之前接过一个项目标注文件是COCO格式的JSONloadjson后需要从annotations数组里逐个取segmentation字段再转成多边形的点集。熟悉jsonlab的loadjson返回结构体或者元胞数组的特性是很重要的一步。3.3 训练集划分与样本均衡水体识别是逐像素分类但网络如果对整个大图计算损失GPU内存会爆。常见做法是把大图切成小图像块patch每个patch对应一个二值标签。项目里的DataMark.m同时也负责切块和抽样。为了避免陆地样本远多于水体样本我一般会统计每个patch中水的像素占比保留占比在20%到80%之间的patch然后对纯陆地或纯水推断产生的无用patch直接丢弃。训练集、验证集、测试集的划分建议按照randperm随机索引来定不要手动按文件名排序切分否则会引入空间相关性。例如把某一张TIF全部放入训练集另一张全部放入验证集会导致模型看到的是“见过的图片区域”泛化能力虚高。正确做法是按图像块级别混合打乱随机取70%训练、15%验证、15%测试。4. 训练与评估main.m中的核心实现4.1 图像数据存储与训练选项设置main.m的核心职责是把图像块和标签组织成MATLAB的imageDatastore或augmentedImageDatastore然后调用trainNetwork训练。对逐像素分割问题如果网络是图像块分类结构标签就是每个patch的类别标量比如1为水0为陆地。如果网络是语义分割结构则需要用pixelLabelDatastore逐像素读取掩膜。这个项目用的是分类网络输出二分类概率再将每个patch中心像素的预测结果映射回原图所以数据存储采用imageDatastore更直接。一个典型的训练设置如下imds imageDatastore(patches, IncludeSubfolders, true, LabelSource, foldernames); options trainingOptions(sgdm, ... InitialLearnRate, 0.001, ... MaxEpochs, 50, ... MiniBatchSize, 32, ... Shuffle, every-epoch, ... ValidationData, valImds, ... ValidationFrequency, 20, ... Plots, training-progress, ... Verbose, true); net trainNetwork(imds, layers, options);这里LabelSourcefoldernames要求训练集目录下有两个子文件夹water和land每个子文件夹里放切好的图像块。InitialLearnRate0.001适合从零训练的小网络MaxEpochs50是一个经验值当验证损失连续5个epoch不下降时手动停掉即可。MiniBatchSize根据显存设置显存不够可以用32CPU训练建议降到16。4.2 训练过程监控与准确率96%的由来Plotstraining-progress会在训练窗口实时显示损失曲线和验证准确率。96%这个数字要求你不仅看整体准确率还要特别关注验证集的召回率。因为水体在图像中往往只占10%~30%的像素即使把所有像素都预测为陆地准确率也有70%以上但这个模型没有任何实用价值。因此我在评估时都会计算混淆矩阵确认水体类别的精确率和召回率是否都在90%以上。如果训练曲线显示验证准确率在训练集准确率高出5个百分点以上就是典型的过拟合信号。这时优先调整InitialLearnRate到0.0005或者增加数据增强而不是盲目增加网络层数。MATLAB的augmentedImageDatastore可以方便地旋转、缩放图像块augImds augmentedImageDatastore([64 64], imds, ... DataAugmentation, imageDataAugmenter(... RandXTranslation, [-5 5], ... RandYTranslation, [-5 5], ... RandRotation, [-20 20], ... RandXScale, [0.9 1.1], ... RandYScale, [0.9 1.1]));这种随机平移和旋转对水体识别很有效因为水面波纹和岸线方向不固定。但注意不要把RandXReflection设为true因为对于某些有地理方向性的图像镜像可能会改变真实性例如从西向东流动的河流被翻转成向东向西。4.3 模型评估逐像素混淆矩阵训练完用classify对验证集图片块预测再把预测标签转回大图。计算混淆矩阵的代码如下YPred classify(net, valImds); YTrue valImds.Labels; C confusionmat(YTrue, YPred); precision diag(C) ./ sum(C, 1); recall diag(C) ./ sum(C, 2);注意sum(C,1)是每列的预测总数sum(C,2)是每行的真实总数。水体类别可能在混淆矩阵的第二行索引时要写C(2,2)。如果发现陆地的精确率极高但水体召回率低说明模型偏向预测陆地可以在网络的classificationLayer之前修改类别权重或者增加水体patch在训练集中的比例。5. 预测脚本的落地技巧从单张图片到批量二值图输出5.1 滑窗预测与边界处理项目最终要输出一张水体陆地的二值化图像一个稳健的做法是把大图切分成与训练时同尺寸的图像块逐块预测后再拼回原图。预测时使用classify(net, patch)得到该块的中心像素类别或者对整块所有像素做预测再投票。我更推荐用semanticseg一步到位但前提是网络结构兼容。在main.m里如果没有语义分割头可以这样滑窗预测image imread(image2.jpg); [H, W, ~] size(image); predMap zeros(H, W); stride 32; count zeros(H, W); for i 1:stride:H-64 for j 1:stride:W-64 patch image(i:i63, j:j63, :); label double(classify(net, patch) water); predMap(i:i63, j:j63) predMap(i:i63, j:j63) label; count(i:i63, j:j63) count(i:i63, j:j63) 1; end end bw (predMap ./ count) 0.5;这里stride32让相邻窗口有50%重叠重叠区域的每个像素被预测多次投票决定最终类别能够消除窗口边缘的接缝效应。count矩阵记录每个像素被预测的次数避免在图像最右或最下边缘除以零。5.2 形态学后处理去掉碎块CNN直接输出的二值图通常带有椒盐噪声和小面积误检区尤其是河流中的小岛或者陆地植被阴影。常见做法是先用bwareaopen删除面积小于阈值的连通域再用imclose闭合细小缝隙bw bwareaopen(bw, 100); % 删除小于100像素的连通域 se strel(disk, 3); bw imclose(bw, se);参数100和3取决于你的图片分辨率。如果是卫星影像一个水面小光斑可能只有几个像素阈值过大会把真实水洼过滤掉。我一般先按图像面积的0.01%设置阈值再根据检测结果微调。另外imclose的核半径不要超过5否则会把陆地中狭窄的水道闭合掉让细长的河段断掉。5.3 遇到内存不足时的替代方案如果整图预测时提示“Out of memory”最常见的问题是predMap和count用double类型保存。可以改成accumarray或者用逻辑数组加计数。更简单的方式是对大图分块保存每处理完512×512的区域就写入磁盘。处理TIF格式大图时我用imagesc(bw)加上imwrite(bw, result.png)输出能保持与原始图像空间一致的热力图效果。如果你需要批量处理多张TIF把上面代码包成一个函数predictWaterMask(imgPath, net)用dir(*.TIF)循环调用即可。注意TIF图像可能是16位单通道需要先im2double再repmat转成三通道否则分类器会报输入通道不匹配。这个细节在第一次跑通流程时最容易忽略。本文还有配套的精品资源点击获取