简介基于Python实现的高光谱遥感影像识别与分类项目面向毕业设计、课程设计与项目开发场景适合需要完成遥感图像分类课题的学生或研究者。资源围绕高光谱数据“休斯现象”展开提出了基于波段组合(2D)2PCA的降维方法并构建双通道卷积神经网络提取空谱特征最后融合CNN-SVM提升泛化能力形成完整的识别与分类方案。压缩包共24个文件、约6.01MB包含13个Python源码文件、2个MAT数据文件、PNG图例、pyc缓存以及Markdown/TXT文档源码经测试可直接参考并扩展使用。已有199人学习项目中含分类模型、数据预处理、日志记录等模块配套文档能帮助快速理解算法流程与工程实现。适合作为高光谱遥感分类的参考实现既可支撑论文实验对比也可用于课程汇报或二次开发。1. 高光谱遥感影像识别与分类从高维像素到分类产品这条路怎么走做高光谱遥感影像分类第一道坎不是模型而是“数据怎么读进来、波段怎么处理、标签怎么对齐”。一张高光谱影像里每个像素带着几十到几百个波段信息量远超普通 RGB 图但标注样本往往只有几千甚至几百个这种“高维度、小样本”的矛盾决定了你没法套用常规图像分类套路。这个标题要解决的正是从原始遥感影像到最终分类图的完整闭环数据读入、预处理、降维、模型训练、精度评估和结果可视化。这篇笔记适合正在做毕业设计、课程设计或项目开发的同学。我的目标是让你照着下面的代码和思路把 Indian Pines 或 Pavia University 这类公开数据集跑通并且搞明白每一个参数为什么这么设、每一步失败时该看什么。高光谱分类不是把图片喂进 CNN 那么简单它更像一个“先理解数据分布再选择模型复杂度”的工程问题。2. 先看数据长什么样高光谱数据的结构、读入方式与标签分布2.1 主流公开数据集的差异决定了你的方案上限准备动手之前先选一个合适的基准数据集。做高光谱分类的毕业设计99% 的人会从 Indian Pines、Pavia University 和 Salinas 这三个公开数据集里选一个起步。数据集空间尺寸波段数类别数特点与适用场景Indian Pines145 × 145200去除吸水波段后16数据小、跑得快适合验证模型流程是多数论文的基准Pavia University610 × 3401039空间分辨率较高适合做细节纹理和边缘保持的实验Salinas512 × 21720416地物边界清晰类别多适合做分类精度对比我一般会让刚开始接触高光谱的同学先从 Indian Pines 入手因为它的空间尺寸小哪怕是只跑 SVM 也能在几分钟内出结果。Pavia University 更适合做“空间上下文到底有没有用”这类对比实验因为它的地物边缘更细碎。Salinas 的类别多对类别不平衡的挑战更明显。这里要提醒一个容易忽略的点这些数据的波段数并不是原始全部波段。Indian Pines 原始有 220 个波段但包含水吸收和噪声波段公开的 corrected 版本通常保留 200 个。读入数据后第一步一定是确认数组的形状别想当然。2.2 从 .mat 和 .tif 读入到 numpy读取代码与波段顺序的坑公开的高光谱数据集常见存储格式有 .mat、.tif 和 .npy。Indian Pines 和 Salinas 常用 .mat 格式Pavia University 有时以 .tif 或 .mat 发布。实现的第一步是把它们统一读成 numpy 数组。python import numpy as np import scipy.io as sio from osgeo import gdal # 若数据是 .tif 格式def load_hsi_mat(mat_path, data_key): 读取 .mat 格式的高光谱数据 mat_path: 文件路径 data_key: 数据在 mat 文件里的变量名常见为 indian_pines_corrected 等 mat sio.loadmat(mat_path) data mat[data_key].astype(np.float32) # 高光谱数据一般是 uint16转 float32 便于计算 return datadef load_hsi_tif(tif_path): 读取 .tif 格式的高光谱数据 返回 (height, width, bands) 顺序的数组 ds gdal.Open(tif_path) bands ds.RasterCount # GDAL 读出来是 (bands, height, width)需要转置成 (height, width, bands) arr np.array([ds.GetRasterBand(i 1).ReadAsArray() for i in range(bands)]) arr np.transpose(arr, (1, 2, 0)).astype(np.float32) return arr逻辑说明scipy.io.loadmat读取 .mat 文件后返回一个字典需要用数据对应的 key 取值gdal.Open读取 .tif 时默认返回的是 (波段数, 高, 宽) 的维度顺序图像处理里更常用 (高, 宽, 波段)所以这里显式做 transpose。参数说明data_key写成参数而不是硬编码是因为不同版本的 mat 文件里变量名不一样常见的有indian_pines_corrected、paviaU、salinas_corrected。如果读取时报 KeyError先print(mat.keys())看真实键名。这里要特别说一个非常隐蔽的坑遥感影像的波段存储顺序有 BIP、BIL、BSQ 三种。BIP波段按像素交替存储和 BIL按行存储常见于 ENVI 导出的数据BSQ 则是每个波段完整存储。用 GDAL 读 .tif 一般会自动处理但如果你拿到的是原始二进制文件比如 .raw 或 .dat就必须知道它的存储顺序否则读出来的数组维度对不上训练出来的模型精度会异常低而且很难排查。2.3 标签不平衡训练前必须统计每个类别的样本量高光谱分类里最容易被忽略的一步是查看标签分布。Indian Pines 的 16 个类别里有的类别只有 20 个样本有的类别超过 1000 个。如果不做任何处理模型会把多数类学得很好少数类直接忽略整体精度看起来很高但个别类别精度惨不忍睹。python def show_class_distribution(gt, class_namesNone): gt: 标签矩阵形状为 (height, width)背景像素值为 0 打印每个类别的样本数量 values, counts np.unique(gt, return_countsTrue) for v, c in zip(values, counts): if v 0: print(f背景像素: {c}) else: name class_names[v - 1] if class_names else class_ str(v) print(f{name}: {c} 个像素)假设 gt 是 145x145 的标签矩阵show_class_distribution(gt, class_names[Corn-notill, Corn-mintill, ...])逻辑说明np.unique同时返回标签值和对应的像素数量背景像素值为 0是未标注区域不能参与训练。先打印分布你才能决定用分层采样还是样本加权。参数说明这里标签值从 1 开始编号0 统一表示背景这是 Indian Pines 等数据集的约定。如果你用的数据集不是这个约定需要先做一次标签重映射统一成 0背景、1~N类别。统计完分布后常见的处理方式有两种一是采用分层抽样train_test_split里设置stratifyy保证训练集和测试集每个类别的比例一致二是给少数类更高的类别权重在sklearn里对应class_weightbalanced。这两种方式不冲突建议都做。3. 模型怎么选从 RBF-SVM 到 3D-CNN 的完整路径3.1 经典 RBF-SVM 为什么仍是最可靠的 baseline很多同学一上来就想用深度学习但高光谱数据的维度高、样本少直接上深度模型很容易过拟合。RBF-SVM 在高光谱分类里被用了二十年至今仍是论文里的标准对比方法原因有两个一是 SVM 对高维小样本数据有很好的泛化能力二是 RBF 核可以隐式地把光谱向量映射到高维空间处理非线性分类问题。RBF-SVM 的核心参数只有两个C正则化系数和gamma核函数宽度。C越大越容易过拟合gamma越大决策边界越复杂。高光谱里常见的做法是C[1, 10, 100, 1000]和gamma[0.01, 0.001, 0.0001]做网格搜索但千万别上来就在全波段上跑一定要先做标准化和降维。3.2 用 sklearn 实现像素级 SVM 分类标准化、降维与训练下面给出一段可以直接跑通的完整代码。这里采用的方案是按像素把高光谱三维数组展开成二维样本数 × 波段数标准化后用 PCA 降到 30 维再训练 RBF-SVM。python from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA from sklearn.svm import SVC from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score, cohen_kappa_scoredef train_svm_classifier(data, gt, n_components30, test_size0.3, random_state42): data: (height, width, bands) 的高光谱影像 gt: (height, width) 的标签矩阵背景为 0 h, w, b data.shape # 展开像素每一行是一个像素的光谱向量 X data.reshape(h * w, b) y gt.reshape(h * w)# 只保留有标签的像素 mask y 0 X, y X[mask], y[mask] # 标准化 scaler StandardScaler().fit(X) X_scaled scaler.transform(X) # PCA 降维 pca PCA(n_componentsn_components).fit(X_scaled) X_pca pca.transform(X_scaled) # 分层划分训练集和测试集 X_train, X_test, y_train, y_test train_test_split( X_pca, y, test_sizetest_size, stratifyy, random_staterandom_state ) # RBF-SVM clf SVC(C100, gamma0.001, kernelrbf, class_weightbalanced) clf.fit(X_train, y_train) y_pred clf.predict(X_test) print(fOA: {accuracy_score(y_test, y_pred):.4f}) print(fKappa: {cohen_kappa_score(y_test, y_pred):.4f}) return clf, scaler, pca逻辑说明先把三维数组reshape成二维让每个像素变成一个样本。提取有标签的像素后标准化的fit只作用在所有有标签像素上train_test_split采用stratifyy保证每个类别的训练测试比例一致。class_weightbalanced会自动给少数类更高的惩罚权重缓解类别不平衡。参数说明n_components30是一个比较稳妥的起点Indian Pines 降到 30 维通常能保留 95% 以上的方差。C100、gamma0.001是经验值不同数据集上最好用GridSearchCV搜索但搜索前先固定 PCA 维度否则搜索空间会爆炸。这段代码里还有一个常被忽略的点标准化和 PCA 必须在训练集上完成然后再transform测试集。我在实操里见过直接把全部数据标准化后再划分的做法这样测试集的信息已经泄露到训练过程里精度虚高评审质疑时很难解释清楚。3.3 用 PCA 降维后的数据构造 2D-CNN邻域窗口让每个像素看到周围SVM 只看单个像素的光谱曲线没有使用空间上下文。高光谱影像里相邻像素通常是同一类地物所以引入邻域信息能稳定提升精度。常见做法是先对影像做 PCA 降维通常降到 3~5 个主成分然后以每个像素为中心取一个大小为w × w的窗口作为 2D-CNN 的输入。python def extract_patches(data_pca, gt, patch_size9): data_pca: (height, width, n_components) 降维后的影像 gt: (height, width) 标签矩阵 patch_size: 窗口大小奇数 返回每个有标签像素对应的邻域窗口 h, w, c data_pca.shape pad patch_size // 2 # 边界补零保证边缘像素也有完整窗口 data_padded np.pad(data_pca, ((pad, pad), (pad, pad), (0, 0)), modeconstant)X_patches [] y_labels [] coords [] for i in range(h): for j in range(w): if gt[i, j] 0: patch data_padded[i:i patch_size, j:j patch_size, :] X_patches.append(patch) y_labels.append(gt[i, j]) coords.append((i, j)) X_patches np.array(X_patches, dtypenp.float32) y_labels np.array(y_labels, dtypenp.int64) return X_patches, y_labels, coords逻辑说明对整幅影像做边界补零后窗口中心(i, j)对应的补丁是data_padded[i:ipatch_size, j:jpatch_size, :]这个切片同时包含光谱维和空间维。patch_size9表示每个样本是 9×9 的邻域加上 PCA 的 3 个通道输入形状是 (9, 9, 3)。参数说明patch_size的选择决定了模型能看到的空间范围。窗口太小看不到地物纹理窗口太大则边界处混入不同类别的像素反而干扰分类。Indian Pines 上 7×7 到 11×11 都比较常见Pavia University 地物细节多5×7 的效果可能更好。注意窗口大小必须是奇数否则中心像素会偏移。2D-CNN 的优点是把每个像素从“一条光谱曲线”扩展成“一幅小图”可以用标准卷积提取空间特征。但代价是降维如果直接用 200 个波段生成邻域窗口输入变成 (9, 9, 200)参数量会变得非常恐怖训练速度慢且极容易过拟合。所以 PCA 降到 3~5 个主成分是常见做法这是深度方案里“光谱维压缩空间维展开”的典型结构。3.4 3D-CNN让卷积同时扫光谱和空间但别忽视参数量2D-CNN 的问题在于PCA 降维虽然减少了计算量也丢掉了部分光谱细节。3D-CNN 的思路是不做大幅降维直接把邻域窗口连同波段维一起送入三维卷积让卷积核同时沿空间和光谱方向滑动。这样模型能学到光谱维度的局部连续特征因为相邻波段之间存在相关性而这种相关性在 2D-CNN 中被 PCA 抹掉了。3D-CNN 的输入形状通常是 (patch_size, patch_size, n_bands)卷积核也是三维的。下面给出一个极简的 3D-CNN 结构示例便于理解输入输出尺寸的变化。python import torch.nn as nnclass Simple3DCNN(nn.Module): definit(self, in_channels1, n_classes16): super().init() # 输入形状: (batch, 1, patch, patch, bands) self.conv1 nn.Conv3d(in_channels, 8, kernel_size(3, 3, 7), padding(1, 1, 3)) self.conv2 nn.Conv3d(8, 16, kernel_size(3, 3, 5), padding(1, 1, 2)) self.pool nn.MaxPool3d(kernel_size(1, 1, 2)) self.flatten nn.Flatten()# 这里需要根据输入尺寸计算展平后的特征数 self.fc nn.Linear(16 * 7 * 7 * 24, n_classes) # 示意具体数值要按实际输入计算 def forward(self, x): x self.conv1(x) x self.conv2(x) x self.pool(x) x self.flatten(x) x self.fc(x) return x逻辑说明Conv3d的卷积核是 (空间高, 空间宽, 光谱深度)kernel_size(3,3,7)表示每次在空间上看 3×3 邻域在光谱维上跨越 7 个波段。这样设计是因为相邻波段信息高度相关卷积核不必跨得太宽。参数说明这里展平后的 Linear 输入维度是写死的真实项目里需要用torch.nn.Module的forward传入一个实际张量打印形状再回填这个数值。这是个非常容易翻车的地方很多人改patch_size后忘记调fc的输入维数。3D-CNN 的瓶颈在于显存和训练时间。Indian Pines 如果取 11×11 的窗口、200 个波段单个样本就有 11×11×20024200 个数值batch size 一大显卡就会爆。实际项目中可以先对 200 个波段做 PCA 降到 30~50 维再送入 3D-CNN这样保留的光谱信息比 PCA 到 3 维多得多同时显存压力可控。这个“PCA 到中间维度 3D-CNN 提特征”的混合方案是我做高光谱分类时最常推荐给学生的路线。4. 精度评估与结果可视化OA、AA、Kappa 和分类图的完整输出4.1 OA、AA、Kappa 分别度量什么为什么一个都不能省高光谱分类的论文里精度评估有三个指标是标配OAOverall Accuracy、AAAverage Accuracy和 Kappa 系数。很多刚入门的同学只报一个 OA答辩时被问“你这模型对每一类分别怎么样”就卡住了。OA所有测试样本里分类正确的比例反映整体正确率。AA先对每个类分别计算分类精度再对所有类取平均。它不受类别样本量影响能把“小类全错但 OA 很高”的问题暴露出来。Kappa衡量分类结果与随机分类相比的改善程度取值范围 -1 到 1大于 0.8 表示分类结果与真值高度一致。在 Python 里这三个指标的计算用 sklearn 一行就能完成python from sklearn.metrics import accuracy_score, cohen_kappa_score, classification_reportdef evaluate_model(y_test, y_pred, class_namesNone): oa accuracy_score(y_test, y_pred) kappa cohen_kappa_score(y_test, y_pred)# classification_report 会输出每个类别的 precision/recall/f1 report classification_report(y_test, y_pred, target_namesclass_names, digits4) # AA 的计算方式各类别 recall 的平均 from sklearn.metrics import recall_score recalls recall_score(y_test, y_pred, averageNone) aa recalls[recalls 0].mean() # 某个类别可能没有样本落在测试集需要过滤 print(fOA: {oa:.4f}) print(fAA: {aa:.4f}) print(fKappa: {kappa:.4f}) print(report) return oa, aa, kappa逻辑说明classification_report的好处是能直接看到每个类别的 precision、recall 和 f1这是论文实验表格里最常贴的数据。AA 在 sklearn 里没有直接函数用recall_score(averageNone)拿到每个类的 recall 再求平均即可。参数说明averageNone返回一个数组元素个数等于类别数。要注意测试集里如果某个类完全没有样本np.nan会被过滤掉后再求平均。实际实验里为了公平训练测试划分时最好保证每个类至少有一定数量的测试样本否则 AA 会出现波动。4.2 训练测试集划分方式随机划分与分块划分的结果差距有多大高光谱分类的精度报告里训练测试集的划分方式直接决定结果是否可信。学术界对这个问题已经吵了很多年核心矛盾在于遥感影像相邻像素高度相关随机像素划分会让训练集和测试集里出现大量空间邻近的像素模型等于“看到过”测试样本的邻居精度自然虚高。常见划分方式有四种划分方式做法适用场景精度特征随机像素划分所有有标签像素中随机抽 70% 训练、30% 测试快速验证模型流程偏高特别是大斑块类别分层随机划分按类别比例随机抽取保证各类数量均衡常规对比实验相对可信但仍有空间相关性分块划分把影像切块部分块训练、部分块测试检验模型泛化能力精度明显下降更接近真实场景按地块划分按实际地物地块边界切分农田/城市制图任务最严格也最难达到高精度这块的落地建议是如果是做课程设计用分层随机划分就够如果是做毕业论文或要发表的结果至少补一个分块划分的对照组。操作方法是用sklearn.model_selection.KFold按像素坐标的块号分组而不是直接对样本数组切分。4.3 生成分类结果图从预测标签到论文配图分类实验做完最终交付物必须是一张分类结果图。它和普通图片分类不同不是输出一张图的类别而是把每个像素的预测类别映射回原始影像的空间位置形成一幅语义分割图。python import matplotlib.pyplot as plt import numpy as npdef save_classification_map(pred, gt, save_path): pred: 预测标签长度等于有标签像素数量 gt: (height, width) 的标签矩阵用于还原空间位置 save_path: 输出图片路径 h, w gt.shape # 创建空白的分类图0 表示背景 class_map np.zeros((h, w), dtypenp.int64)mask gt 0 # 按有标签像素出现的顺序把 pred 填回空间位置 class_map[mask] pred # 使用离散颜色映射避免连续渐变色带来的视觉误导 cmap plt.cm.tab20 # 20 种离散颜色适合 16 类地物 plt.figure(figsize(6, 6)) plt.imshow(class_map, cmapcmap, interpolationnearest) plt.colorbar(shrink0.8) plt.axis(off) plt.savefig(save_path, dpi300, bbox_inchestight) plt.close()逻辑说明这里的关键是class_map[gt 0] pred这一步。之前提取训练样本时是按行扫描、只取有标签像素预测结果的顺序与扫描顺序一致所以这里直接按相同顺序回填即可。最怕的就是训练代码里用了随机采样打乱顺序又没有保留索引对应关系导致图和真值错位。参数说明cmapplt.cm.tab20的离散色带最多支持 20 类足够覆盖 Indian Pines 的 16 类。dpi300满足论文图片的基本要求interpolationnearest避免插值把类别的边界抹模糊。生成分类图之后建议把原图、真值图、预测图三张图并排放在一起做目视对比。高光谱分类评审时除了数值指标地物边界的完整性、斑块内部的噪点数量都是重要评价点一张干净的分类图比一个虚高的 OA 更能说服人。5. 高光谱分类避坑指南5 个让模型翻车的实操问题5.1 随机划分训练测试集精度刷到 98%但评审不认这是我见过翻车最多的地方。有不少公开源码包按像素随机划分Indian Pines 上 OA 轻松刷到 98% 以上但仔细分析会发现训练集和测试集里大量像素来自同一个地物斑块空间位置几乎重叠模型相当于开了“上帝视角”。解决方法是把精度分成两档来汇报第一档用分层随机划分数据量和大部分论文可比第二档用分块划分或按地块划分直接体现模型的真实泛化能力。后者的精度通常会下降 5~15 个百分点但这份结果才是能写进论文且经得起复现推敲的。5.2 没做标准化就直接训练 SVM前几个波段主导预测高光谱不同波段的量纲差异很大有些波段反射率集中在 0~0.5有些波段均值接近 1000如果不做标准化SVM 的 RBF 核计算距离时会被数值大的波段完全主导模型训练时看似收敛实际学到的是噪声。解决方法是先StandardScaler再训练但要注意只对有标签像素做fit然后对整幅影像做transform。千万别先对全部数据标准化再提取标签样本这会造成数据泄露评估结果不可信。5.3 全波段直接进入卷积网络显存爆炸还容易过拟合很多人第一次用 PyTorch 做高光谱分类直接把 200 个波段和 11×11 的窗口拼成输入结果 batch size 设为 16 就显存溢出或者勉强能跑但验证集精度始终上不去。原因很简单200 个波段里有大量冗余信息相邻波段相关性极高模型要学习的参数量远超训练样本数。解决方法是先 PCA 降维Indian Pines 降到 30~50 维通常能保留 99% 以上的方差既是安全的中间值也不会丢失光谱细节。如果还想进一步压缩可以用波段选择算法选出有代表性的波段子集但这在毕设阶段不是必需品。5.4 少数类别样本只有十几个训练出来的模型把它识别成背景Indian Pines 里的某些类别比如 Grass-pasture-mowed 和 Oats标注像素只有几十个甚至十几个。训练集划分后这类样本可能只剩个位数模型根本学不到特征预测时全部归为多数类。这个问题的解法分两个层面数据层面用分层采样保证每个类别在训练集里都有一定数量无法保证时考虑对少数类做数据增强对窗口做翻转、旋转、加高斯噪声模型层面用class_weightbalanced或 PyTorch 里的CrossEntropyLoss(weight...)手动放大少数类的损失权重。最稳妥的做法是在论文里明确说明少数类精度偏低的原因而不是硬着头皮报一个虚高的平均值。5.5 分类图与真值图错位细节看起来像“鬼影”生成分类图时最容易出现的问题是训练时样本顺序经过多次shuffle和索引提取测试时又按另一套顺序预测最后把预测结果填回空间位置时张冠李戴分类图上的地物边界和原图完全对不上。解决方法是严格保持索引一致性。我的习惯是训练前先记录每个有标签像素的行列坐标训练和预测都按照这个坐标列表的顺序进行最后直接用坐标表逐像素填图。任何np.random.permutation或DataLoader的shuffleTrue都只作用于训练阶段测试阶段必须关闭洗牌否则坐标对应关系就断了。6. 进阶技巧训练日志、模型保存与可复现工程结构做高阶实验时我习惯把一个完整的毕设项目按固定结构组织。这不是形式主义而是每个文件有明确职责换机器重跑、改参数、出结果都只需要动一个入口。hyperspectral_classification/ ├── data/ # 原始数据集只读不修改 │ ├── indian_pines/ │ │ ├── indian_pines_corrected.mat │ │ └── indian_pines_gt.mat ├── src/ # 核心代码 │ ├── data_loader.py # 数据读入与预处理 │ ├── feature_extract.py # PCA降维、波段选择 │ ├── models/ │ │ ├── svm_model.py │ │ └── cnn_model.py │ ├── train.py # 训练入口 │ └── evaluate.py # 指标计算与可视化 ├── docs/ # 项目文档与说明 │ ├── 环境配置说明.md │ └── 运行步骤.md ├── output/ # 实验结果 │ ├── logs/ # 训练日志 │ ├── models/ # 保存的模型权重 │ └── figures/ # 分类结果图 └── requirements.txt这种组织方式的核心价值是可复现。我以前吃过亏实验做完了但忘记记录当时用的C和gamma是多少重跑时怎么都复现不了原始精度。后来我养成一个习惯——把每次实验的关键参数和对应指标追加到一个experiment_log.csv文件里文件只有四列timestamp, model, params, oa。这个习惯在毕设和项目开发中至少能帮你省下两天的返工时间。模型训练时另一个值得做的技巧是“只保存验证集上最优的模型”。比如 PyTorch 训练时在每个 epoch 结束后算一算验证集 OA如果高于历史最高值就保存权重否则不覆盖。这套逻辑叫“early stopping best model checkpoint”比训练几个 epoch 后随便保存一份权重要稳妥得多。到最后整个项目能不能交付看三样东西代码能不能从空环境一键跑通、文档里有没有把每个文件的输入输出写清楚、分类结果图能不能和真值图对得上。技术方案会更新但这三个底线不会变。希望这篇笔记能帮你少踩几个坑把高光谱影像分类这条路走得顺利一些。本文还有配套的精品资源点击获取