劉忠偉，戚大偉

(東北林業(yè)大學(xué) 理學(xué)院，哈爾濱 150040)

0 引言

森林資源，特別是天然林資源，是地球陸地生態(tài)系統(tǒng)的主體和生態(tài)環(huán)境建設(shè)的基礎(chǔ)，具有不可替代性[1]。準(zhǔn)確識別森林植被是森林資源被科學(xué)經(jīng)營和管理的前提[2]。自動分類識別樹種，在植物學(xué)研究和多樣性保護方面意義深遠。具體來說，樹種識別可分為花卉識別、葉片識別、木材紋理識別和樹皮紋理識別等[3]。準(zhǔn)確識別樹種是利用和研究森林資源的基礎(chǔ)，并為林業(yè)資源的可持續(xù)發(fā)展提供有力保障。

在深度學(xué)習(xí)未被提出之前，圖像特征提取的方法主要有尺度不變特征(scale invariant feature transform, SIFT)[4]、局部二值特征(local binary pattern, LBP)[5]、梯度直方圖特征(histogram of gradient, HOG)[6]和灰度共生矩陣(gray-level co-occurrence matrix, GLCM)等[7]。以上這些方法要通過手動的方式進行特征提取，通常設(shè)計者經(jīng)驗的豐富程度和設(shè)計特征合理性等是影響特征算子識別性能的關(guān)鍵因素。此類方法存在操作繁瑣、精度不能較好地滿足要求等問題。

基于深度學(xué)習(xí)典型的卷積神經(jīng)網(wǎng)絡(luò)(convolution neural networks, CNNs)模型，是20世紀(jì)80年代Fukushima等[8]基于感受野的概念，提出的神經(jīng)認(rèn)知機，可看作CNNs計算模型的第一次實現(xiàn)。而后Lecun等[9]將梯度反向傳播算法應(yīng)用到CNNs模型中，在手寫數(shù)字識別問題中，表現(xiàn)出優(yōu)異性能。近年來，隨著機器學(xué)習(xí)的發(fā)展，CNNs為樹種分類識別帶來新機遇，該網(wǎng)絡(luò)模型有效地解決了自適應(yīng)特征提取以及自動化提取的難題[10]。CNNs在對數(shù)據(jù)集進行訓(xùn)練后，可自動獲取圖像中的紋理特征[11]，與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)更加復(fù)雜，具有更強的特征表達和學(xué)習(xí)能力，并且魯棒性高、適應(yīng)能力更強。因此，基于CNNs構(gòu)建的網(wǎng)絡(luò)模型可免去人工定義圖像紋理特征的成本并且識別準(zhǔn)確率較高[12]。

本研究設(shè)計了基于Lenet5模型框架的卷積神經(jīng)網(wǎng)絡(luò)，以水曲柳(Fraxinusmandshurica)、家榆(Ulmuspumila)、白樺(Betulaplatyphylla)、紅皮云杉(Piceakoraiensis)和蒙古櫟(Quercusmongolica)樹皮紋理圖像作為輸入，對5種樹木進行自動識別分類研究。

1 圖像采集與預(yù)處理

1.1 圖像數(shù)據(jù)采集

實驗采集了東北地區(qū)幾種典型林木的樹皮紋理圖像，圖像采集地點位于東經(jīng)126°45′～126°43′，北緯45°30′～45°40′的黑龍江省哈爾濱市東北林業(yè)大學(xué)校內(nèi)林場。該地區(qū)屬中溫帶大陸性季風(fēng)氣候，四季分明，年平均氣溫3.5 ℃。實驗采集水曲柳、家榆、白樺、紅皮云杉和蒙古櫟的RGB樹皮紋理圖像各1 000幅，共計5 000幅作為輸入，具體樹種信息見表1。

表1 樹種信息

1.2 圖像數(shù)據(jù)預(yù)處理

獲取圖像分辨率大小為3 024×3 024，由于獲取圖像的分辨率較大，考慮到計算機可承受的數(shù)據(jù)量和計算速度[12]，需要對所有樣本圖像的感興趣區(qū)域(Region of Interest, ROI)進行截取操作。選取100×100的窗口，截取含有2個及以上完整紋理基元的部分，該操作可對輸入卷積神經(jīng)網(wǎng)絡(luò)的圖像準(zhǔn)確定位，并有效緩解數(shù)據(jù)計算量的壓力。

從客觀存在的林木樹皮，到通過拍攝設(shè)備進行獲取，再經(jīng)由電子設(shè)備顯示后進行ROI區(qū)域截取。其過程中，可能由于自然光照因素、人為因素以及ROI截取操作等，造成紋理特征模糊等不同程度上的圖像失真，灰度偏黑或者偏白，會影響自動提取樹皮紋理特征的準(zhǔn)確率，不利于識別。所以對ROI操作后的圖像進行增強處理是極其必要的。直方圖均衡化是通過修正直方圖，使其灰度變換為均勻分布的形式，從而拉伸圖像灰度的動態(tài)范圍，它是增強圖像對比度的有效方法[13]。圖1(a)和圖1(b)分別是樹皮紋理原始圖像及其直方圖；圖1(c)和圖1(d)分別是經(jīng)過直方圖均衡化處理后的圖像及其直方圖信息。

沒有經(jīng)過直方圖均衡化處理的圖像灰度較為集中，紋理特征不夠明顯；而經(jīng)過直方圖均衡化處理后的圖像，灰度層次比較適中,圖像質(zhì)量得以改善,比原始圖像更加清晰、明朗，有利于卷積神經(jīng)網(wǎng)絡(luò)對圖像紋理特征的提取和分析。經(jīng)過以上ROI截取操作和直方圖均衡化處理后的樹皮紋理圖像，如圖2所示。

2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練

深度學(xué)習(xí)以組合低層特征的形式，形成如屬性類別和特征等更抽象更本質(zhì)的高層表達，進而發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示[14]。CNNs的網(wǎng)絡(luò)結(jié)構(gòu)與生物神經(jīng)網(wǎng)絡(luò)更相近，在圖像識別和語音識別方面獨具優(yōu)越性，尤其在視覺圖像處理相關(guān)領(lǐng)域，取得了很好的研究成果[15-16]。本文采用卷積神經(jīng)網(wǎng)絡(luò)方法，實現(xiàn)對5種基于樹皮紋理的樹種圖像進行分類識別。

圖1 直方圖均衡化

圖2 預(yù)處理后的樹皮圖像

2.1 CNNs結(jié)構(gòu)設(shè)計

常規(guī)的卷積神經(jīng)網(wǎng)絡(luò)通常由多個卷積層和池化層以及全連接層組成[17]。其中卷積層(Convolutional layer)是通過卷積核在原圖像上滑動，進行以提取輸入圖像不同特征為目的的卷積運算；組成卷積層的若干卷積單元，其參數(shù)是通過反向傳播算法最佳化而得到的。第一層卷積層只能提取一些低級的，如角、邊緣和線條等特征，更多層的網(wǎng)絡(luò)能從低級特征中迭代提取更復(fù)雜的特征。其中，池化(Pooling)是由于圖像的“靜態(tài)性”屬性，即某圖像在局部區(qū)域A的特征，很可能在局部區(qū)域B也同樣適用，因此聚合統(tǒng)計圖像的某局部區(qū)域中，不同位置特征的操作，被稱作池化[12]。常見的池化方法有最大池化(Max pooling)和平均池化(Average pooling)。其中，通過最大池化過濾器在某局部區(qū)域內(nèi)提取的某個特征，將保留其最大元素值到池化輸出里。最大池化的超參數(shù)為過濾器尺寸f和滑動步長s，如圖3所示。

池化操作可對上一層網(wǎng)絡(luò)的輸出進行壓縮，與不做池化操作而直接使用卷積后的特征相比較，池化操作可極大降低特征向量的維度，進而提高計算速度，同時可提高所提取特征的魯棒性。

經(jīng)一系列卷積和池化操作后，提取生成了該圖像的深層抽象特征，將這些特征矩陣?yán)綖橐痪S向量作為全連接層的輸入，由全連接層完成分類任務(wù)，

圖3 池化層：最大池化層

最后經(jīng)Softmax層可以得到不同種類的識別概率分布情況，從而得到分類結(jié)果。

本文參考Lenet 5網(wǎng)絡(luò)結(jié)構(gòu)框架[18]，該結(jié)構(gòu)框架對數(shù)量相對較少的訓(xùn)練數(shù)據(jù)集處理能力較好[19]。針對實驗樣本圖像沒有干擾背景影響且樹皮紋理特征并不復(fù)雜等特點，在Lenet 5結(jié)構(gòu)的基礎(chǔ)上，對CNNs使用反向傳播算法和隨機梯度下降算法訓(xùn)練，結(jié)合樹皮紋理圖像特征的特點，對網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)進行了相應(yīng)的調(diào)整和優(yōu)化，具有實現(xiàn)較易和識別效率較高等優(yōu)點。

本研究的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含3層卷積、2個全連接層，其中輸出層為softmax回歸單元識別5種不同類別對象，如圖4所示。

2.2 CNNs實驗參數(shù)與訓(xùn)練

調(diào)整和優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)，訓(xùn)練的流程如圖5所示。

圖4 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖5 卷積神經(jīng)網(wǎng)絡(luò)流程圖Fig.5 Convolution neural network flow chart

(1)輸入層 Input

卷積神經(jīng)網(wǎng)絡(luò)以5種尺寸為(100×100)×3個通道的RGB樹皮紋理圖像、Batch norm歸一化參數(shù)50為輸入，即每次輸入50張(100×100)×3個通道的RGB樹皮紋理圖像。

(2)卷積層Conv1

輸入樣本圖像后，對其進行卷積操作，每層卷積核為3×3，卷積核個數(shù)為100，對輸入數(shù)據(jù)提取特征。由于線性模型表達能力的不足，而Relu函數(shù)具有縮減模型訓(xùn)練時間、加快收斂速度和可以有效緩解梯度消失等問題的優(yōu)勢[20]。因此，在卷積操作后使用Relu激活函數(shù)，使之具有分層的非線性映射學(xué)習(xí)能力。

(3)池化層Pool 1

池化是對上層輸入數(shù)據(jù)進行采樣以縮減模型尺寸，提高效率的操作。本層采用最大池化的方法，選用滑動步長為3，尺寸為5×5的池化窗口。即將Conv 1層提取的特征最大值，保留5×5窗口區(qū)域里。

(4)卷積層Conv 2

Conv2每次輸入50張樣本圖像，卷積核尺寸設(shè)置為3×3，卷積核數(shù)目設(shè)置為150個，卷積操作提取紋理特征后，使用Relu激活函數(shù)對數(shù)據(jù)進行非線性映射。

(5)池化層Pool 2

對上一層的輸出，使用池化尺寸為3×3，滑動步長為2的最大池化方法，保留上一層特征輸出的最大值，縮減模型尺寸。

(6)卷積層Conv 3

Conv3的卷積核尺寸設(shè)置為3×3，卷積核數(shù)目設(shè)置為150個，每次仍輸入50張樣本圖像，并使用Relu激活函數(shù)非線性映射。

(7)池化層Pool 3

對Conv3輸出的數(shù)據(jù)，使用2×2尺寸、步長為2的池化窗口進行最大池化操作。

(8)全連接層FC 1

將Pool 3層輸出的所有特征矩陣轉(zhuǎn)換為一維向量，輸入至第一個全連接層，本層的神經(jīng)元個數(shù)為450個，其后使用Relu激活函數(shù)觀察高級特征并進行分類。

(9)全連接層FC 2

將上一層的輸出進行全連接，本層神經(jīng)元個數(shù)為進行分類識別的樹種數(shù)量“5”，在FC 2后使用softmax分類器輸出不同迭代次數(shù)的分類識別率。

2.3 訓(xùn)練結(jié)果

實驗基于Windows 10 (1903)操作系統(tǒng)，Intel(R) Core(TM) i7-8700 CPU @ 3.20 GHz 處理器，16 G運行內(nèi)存，在Jupyter編輯器中，使用python語言，引入MXNet庫進行深度學(xué)習(xí)訓(xùn)練。

在本實驗的樣本庫內(nèi)，水曲柳、家榆、白樺、紅皮云杉和蒙古櫟圖像共5 000張，選取4 000張圖像用作訓(xùn)練集，500張圖像用作驗證集，500張圖像用作測試集。即，訓(xùn)練集、驗證集和測試集的比例為8∶1∶1。實驗采用隨機梯度下降的方法優(yōu)化網(wǎng)絡(luò)中的學(xué)習(xí)參數(shù)，學(xué)習(xí)率為0.000 1，Batch norm歸一化參數(shù)為50，經(jīng)過977 min 52 s ，80個Batch的訓(xùn)練，完成了20次的迭代任務(wù)，訓(xùn)練集的準(zhǔn)確率為98%，如圖6所示，此時測試集圖像的識別率為95.8%。

圖6訓(xùn)練結(jié)果

Fig.6 Training results

李可心等[7]提出的應(yīng)用灰度共生矩陣與SOM神經(jīng)網(wǎng)絡(luò)結(jié)合，得到由角二階矩、熵、方差、相關(guān)性、熵和聚類陰影構(gòu)成的一組參數(shù)集的傳統(tǒng)識別方法，對黃檗、水曲柳和胡桃楸3種林木樹皮紋理圖像識別正確率為83.88%。本文提出的基于調(diào)整和優(yōu)化的Lenet 5卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)，對水曲柳、家榆和白樺等5種典型東北林木的RGB樹皮紋理圖像自動提取特征的方法，識別準(zhǔn)確率明顯高于傳統(tǒng)的圖像分類系統(tǒng)。并且本方法能夠自動提取圖像的高層特征，從而無需依賴手動提取特征。

3 結(jié)論

本文對水曲柳、家榆等具有不同紋理特征的樹皮圖像，提出基于數(shù)字圖像處理技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)模型的樹種識別方法。與傳統(tǒng)的人工識別方法以及需要特征提取的神經(jīng)網(wǎng)絡(luò)模型相比，本方法可達到更高的識別效率，并得到以下結(jié)論。

(1)應(yīng)用數(shù)字圖像處理技術(shù)，經(jīng)ROI截取操作后，樹皮紋理圖像目標(biāo)區(qū)域更加明確。直方圖均衡化處理后，其動態(tài)范圍得以拉伸，圖像特征更清晰，有利于圖像的分析和識別。

(2)針對樹皮紋理的特征，選用基于Lenet 5結(jié)構(gòu)優(yōu)化后的網(wǎng)絡(luò)模型及參數(shù)，通過深度卷積可自動識別其高級特征，經(jīng)softmax分類器輸出不同樹種分類結(jié)果，實驗精度可達到95.8%，可為林木資源管理提供更有效的管理策略。