基于深度学习的多光谱图像语义分割 —— 从原理到实践（第三节）

上一节我们完成了数据加载、维度转换、多通道可视化和标签二分类。
然而，这些图像尺寸高达9000×5000 像素以上，如果直接送入深度学习网络，单张图像就会撑爆 GPU 显存（甚至 CPU 内存也吃力）。
本节我们将学习 MATLAB 提供的分块图像（Blocked Image）框架，轻松应对超大尺寸图像的处理与训练。

3. 分块图像与数据存储——让大图像训练不再困难

3.1 为什么要分块？

深度学习的训练过程通常需要将图像划分为小批量（mini‑batch），每批包含若干张固定尺寸的图像（例如 256×256）。对于普通大小的图像（如 224×224、512×512），这很简单。但对于遥感或医学影像这样的超高分辨率图像，直接整张送入网络会遇到两个问题：

1. 内存/显存不足：一张 9393×5642×6 的图像（假设每个像素 float32）占用约 9393×5642×6×4 ≈ 1.27 GB，远超 GPU 显存。
2. 计算量爆炸：卷积操作在大尺寸特征图上计算量极大，训练速度极慢。

因此，标准做法是将大图像切成若干小补片（Patch），每次只训练一个补片。这与卷积神经网络本身的滑动窗口思想一脉相承。通过随机采样补片，我们既降低了资源需求，又增加了训练样本的多样性（一张大图可产生成千上万个补片）。

3.2 MATLAB 的分块图像体系

MATLAB 从 R2019b 开始引入了blockedImage对象，专门用于处理无法一次性装入内存的大图像。它并不将整个图像数据加载到内存，而是只记录图像的尺寸、数据类型和文件位置，并按需从磁盘读取特定区域的数据块。配合blockedImageDatastore，可以方便地迭代读取这些块，非常适合训练。

核心概念：

• 分块（Block）：将大图像划分为规整的矩形小块（如 256×256 像素）。
• 块位置集合（BlockLocationSet）：记录所有有效块的行列索引，我们可以筛选出符合条件的块（例如避开纯背景区域）。
• 数据存储（Datastore）：MATLAB 的数据流接口，支持循环迭代、随机打乱、批量读取等。

3.3 将训练图像、标签、掩膜转换为分块图像

我们只使用前 6 个光谱通道作为网络输入（第 7 通道是掩膜，不作为特征输入），同时将训练标签和掩膜也转为分块图像。

设定补片尺寸为256×256（这个大小可权衡精度和速度，通常 128~512 之间）：

```matlab inputTileSize=[256256];bim=blockedImage(train_data(:,:,1:6),BlockSize=inputTileSize);bLabels=blockedImage(labelsTrain,BlockSize=inputTileSize);bmask=blockedImage(maskTrain,BlockSize=inputTileSize);

此时 bim、bLabels、bmask 并没有真正读取数据，只是记录了图像的元信息和块划分方式。你可以通过 disp(bim) 查看其属性，例如 Size、BlockSize、NumBlocks 等。

3.4 选择有效的块——利用掩膜过滤

并不是所有块都值得训练。图像边界或飞行器边缘的无效区域（掩膜为 0）占比很高，如果这些块也被送入网络，会浪费计算资源并引入噪声。因此我们只选择那些有效像素占比大于 95% 的块。

为了实现这一点，我们需要生成一个“块位置集合”，即所有满足条件的块的行列索引。这里引入两个参数：

块偏移（BlockOffsets）：相邻块之间的重叠像素数。适当重叠可以增加样本量，并让模型学习到边界附近的上下文信息（因为补片间有重叠，同一像素可能在多个补片中出现，相当于数据增强）。

重叠比例（overlapPct）：这里设为 0.185，即 256×0.185 ≈ 47 像素的重叠。

matlab overlapPct=0.185;blockOffsets=round(inputTileSize.*overlapPct);bls=selectBlockLocations(bLabels,...BlockSize=inputTileSize,BlockOffsets=blockOffsets,...Masks=bmask,InclusionThreshold=0.95);

selectBlockLocations 会遍历所有可能的块位置（考虑偏移），并检查每个块中掩膜的有效像素比例，若 ≥ 0.95 则保留该位置。返回的 bls 是一个包含 BlockLocationSet 信息的结构体。

3.5 One‑Hot 编码标签

深度学习中，多分类问题的标签通常采用 one‑hot 编码（对于二分类也一样）。例如，类别 1 编码为 [1, 0]，类别 2 编码为 [0, 1]。这样做是为了配合交叉熵损失函数，因为交叉熵期望预测输出是一个概率分布向量。

我们对整个标签图进行 one‑hot 编码，并将无效区域（掩膜外）设置为 NaN，这样在自定义损失函数中可以用 isnan 忽略这些位置。

matlab labelsTrain1hot=onehotencode(labelsTrain,3,ClassNames=1:2);labelsTrain1hot(isnan(labelsTrain1hot))=0;% 将 NaN 转为 0（但后续会用掩膜屏蔽）

bLabels=blockedImage(labelsTrain1hot,BlockSize=inputTileSize);

这里 onehotencode 的第 3 个维度是通道维，编码后每个像素变为长度为 2 的向量。

3.6 创建分块图像数据存储

现在我们需要将图像块和标签块配对，组成一个可迭代的数据源。blockedImageDatastore 可以从分块图像中按指定块位置集合读取数据，每次返回一个块（或者一批块）。

matlab bimds=blockedImageDatastore(bim,BlockLocationSet=bls,PadMethod=0);bimdsLabels=blockedImageDatastore(bLabels,BlockLocationSet=bls,PadMethod=0);

PadMethod=0 表示如果块不够大（例如边缘），不填充，但这些位置我们已通过掩膜筛选，所以不会出现无效块。

然后使用 combine 将两个数据存储合并成一个，训练时每次迭代会同时返回图像块和对应的标签块：

matlab dsTrain=combine(bimds,bimdsLabels);

预览一个样本，验证数据形状：

matlabpreview(dsTrain)

输出类似：

text ans=1×2cell array256×256×6uint16256×256×2double

这表明第一个元素是 256×256×6 的图像块（uint16 类型），第二个元素是同尺寸的标签块（double 类型，one‑hot 编码）。

数据存储的优势：

支持随机打乱（shuffle 方法），每轮训练可重新排列顺序。

支持 mini‑batch 批量读取（通过 read 或 readall）。

与 trainnet 无缝对接，可直接作为训练数据源。

3.7 本节小结

在本节中，我们解决了大图像训练的核心难题——分块化。通过 MATLAB 的 blockedImage 框架，我们：

将大图像划分为 256×256 的小补片；

利用掩膜筛选出有效补片，避免无效区域干扰训练；

将标签进行 one‑hot 编码；

创建了可迭代的 CombinedDatastore，为后续网络训练做好了数据准备。

下一节，我们将正式构建 U‑Net 网络，并定义自定义损失函数和训练选项，然后启动训练（或直接加载预训练模型进行推理）。敬请期待第四节《U‑Net 构建与模型训练》。