简介本资源面向遥感地质学与机器学习交叉方向的学习者与研究人员提供一套基于极端随机树、布谷鸟算法与粒子群优化算法的岩性智能识别系统可用于多光谱遥感图像处理、高光谱数据特征提取以及矿产资源勘探与地质填图的自动化分类任务。压缩包共12个文件包含8个Python脚本、1个pickle模型文件、1个txt说明、1个docx文档及1个md说明整体约92KB涵盖数据预处理、格式转换、算法实现与模型训练等模块。其中脚本分别实现布谷鸟搜索、粒子群优化、网格搜索调参及多种训练流程pickle文件保存已训练模型便于直接复现与对比实验。已有46人学习下载适合希望快速搭建岩性分类基线、理解智能优化算法在遥感地质中应用的中高级读者参考。1. 遥感岩性分类这套组合拳从多光谱到智能识别我拆完这个资源包的真实感受拿到一个把极端随机树、布谷鸟算法、粒子群优化和多光谱/高光谱处理全塞进一个压缩包的项目第一反应往往是「堆料」。但我花了两天把里面的脚本、数据和流程跑了一遍结论是这不是拼凑而是一条从原始影像到岩性分类图的完整链路。它解决的核心问题是——传统地质填图靠人跑剖面、敲标本效率低且主观性强而这份资源用机器学习把「看光谱猜岩性」这件事自动化了。适合谁做矿产资源勘探、地质填图的研究生和一线地质工程师以及想入门遥感地质学的算法同学。前提是你得懂点 Python能看懂混淆矩阵不然调参那一步会卡很久。2. 极端随机树做岩性分类为什么选它以及怎么把光谱特征喂进去2.1 极端随机树在岩性识别里的位置岩性分类本质上是高维光谱特征到岩石类别的非线性映射。多光谱影像波段少高光谱波段上百特征维度高、样本量却往往不大这是典型的小样本高维问题。随机森林靠 bootstrap 采样和特征子集选分裂点而极端随机树ExtraTrees更进一步——分裂阈值完全随机选取不计算最优分割点。这个差异带来两个实际好处方差更小抗过拟合能力更强训练速度更快因为省去了阈值搜索。在岩性边界模糊、光谱混叠严重的场景下ExtraTrees 的泛化表现通常比随机森林稳。资源包里默认用 ExtraTrees 做基分类器不是拍脑袋是权衡了精度和鲁棒性后的选择。2.2 从多光谱/高光谱数据到特征矩阵的完整代码资源包里的数据组织方式是每景影像一个文件夹里面是波段文件加一个标签掩膜。下面这段是我根据包内脚本整理出的特征提取与训练主流程可以直接抄。import numpy as np import rasterio from sklearn.ensemble import ExtraTreesClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, confusion_matrix # 读取多光谱影像假设波段已按顺序排列 def load_image(img_path): with rasterio.open(img_path) as src: img src.read() # shape: (bands, H, W) profile src.profile return img, profile # 读取标签掩膜0 为背景1~N 为岩性类别 def load_label(label_path): with rasterio.open(label_path) as src: label src.read(1) return label # 构建像元级特征矩阵每个像元的光谱向量作为一个样本 def build_features(img, label): bands, H, W img.shape img_flat img.reshape(bands, -1).T # (H*W, bands) label_flat label.reshape(-1) mask label_flat 0 # 去掉背景像元 X img_flat[mask] y label_flat[mask] return X, y # 主流程 img, profile load_image(data/multispectral.tif) label load_label(data/label.tif) X, y build_features(img, label) # 划分训练集和验证集stratify 保证类别比例一致 X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.3, random_state42, stratifyy ) # ExtraTrees 分类器n_estimators 先给 200后面用优化算法调 clf ExtraTreesClassifier( n_estimators200, max_depthNone, min_samples_split2, min_samples_leaf1, n_jobs-1, random_state42 ) clf.fit(X_train, y_train) # 验证 y_pred clf.predict(X_test) print(confusion_matrix(y_test, y_pred)) print(classification_report(y_test, y_pred))逻辑说明build_features把三维影像展平成二维矩阵每个像元的光谱向量就是一条样本标签掩膜里大于 0 的像元才参与训练背景像元直接剔除。stratifyy很关键岩性类别往往不平衡不加这个参数少数类可能全被分到测试集里验证结果会虚高。n_jobs-1用满所有 CPU 核高光谱数据量大时能省不少时间。参数说明n_estimators是树的数量200 是起步值后面用布谷鸟或粒子群优化来搜。max_depthNone让树完全生长ExtraTrees 的随机分裂机制本身就能控制过拟合不用刻意限制深度。min_samples_leaf默认 1如果发现验证集波动大可以调到 3 或 5。2.3 光谱特征工程别只把原始波段丢进去资源包里除了原始波段还做了两类特征扩展一是植被指数和铁染指数等地质常用指数二是波段比值。这一步不是可选项是必选项。多光谱影像波段少原始光谱区分度有限加上比值和指数后岩性之间的可分性明显提升。我一般会先算几个经典指数比如铁染指数用红波段和蓝波段比值羟基指数用短波红外比值然后把这些指数作为额外特征拼到原始波段后面。注意指数计算前要检查波段范围有些影像反射率已经乘过缩放因子直接算比值会溢出。3. 布谷鸟算法和粒子群优化调参两个元启发式算法怎么用才不翻车3.1 为什么用元启发式算法调 ExtraTrees 参数ExtraTrees 的关键参数就那几个树的数量、最大深度、分裂最小样本数、叶节点最小样本数。网格搜索在小参数空间里够用但一旦参数维度上去组合爆炸跑一整天都搜不完。布谷鸟算法Cuckoo Search和粒子群优化PSO都是元启发式搜索不依赖梯度适合这种离散加连续混合的参数空间。资源包里两个算法都实现了可以切换对比。我的经验是布谷鸟算法在探索能力上更强适合参数空间大、局部最优多的场景PSO 收敛更快但容易早熟适合参数维度低、你对大致范围有把握的情况。3.2 布谷鸟算法调参的代码实现与参数解释import numpy as np from sklearn.ensemble import ExtraTreesClassifier from sklearn.model_selection import cross_val_score # 布谷鸟算法参数 n_nests 20 # 巢穴数量对应候选解个数 pa 0.25 # 发现概率控制淘汰比例 max_iter 50 # 最大迭代次数 dim 3 # 优化维度n_estimators, max_depth, min_samples_leaf # 参数边界 lb np.array([50, 5, 1]) ub np.array([500, 50, 10]) # 初始化巢穴 nests np.random.uniform(lb, ub, (n_nests, dim)) fitness np.full(n_nests, np.inf) def evaluate(params): n_estimators int(params[0]) max_depth int(params[1]) min_samples_leaf int(params[2]) clf ExtraTreesClassifier( n_estimatorsn_estimators, max_depthmax_depth, min_samples_leafmin_samples_leaf, n_jobs-1, random_state42 ) scores cross_val_score(clf, X_train, y_train, cv5, scoringf1_macro) return 1 - scores.mean() # 最小化 1 - F1 # 初始评估 for i in range(n_nests): fitness[i] evaluate(nests[i]) # 迭代 for t in range(max_iter): # Levy 飞行生成新解 for i in range(n_nests): step np.random.standard_normal(dim) * 0.01 new_nest nests[i] step * (nests[i] - nests[np.random.randint(n_nests)]) new_nest np.clip(new_nest, lb, ub) new_fitness evaluate(new_nest) if new_fitness fitness[i]: nests[i] new_nest fitness[i] new_fitness # 按发现概率淘汰差解 worst_idx np.argsort(fitness)[-int(pa * n_nests):] for idx in worst_idx: nests[idx] np.random.uniform(lb, ub, dim) fitness[idx] evaluate(nests[idx]) best_idx np.argmin(fitness) print(fIter {t1}, Best F1: {1 - fitness[best_idx]:.4f}) best_params nests[np.argmin(fitness)] print(最优参数:, best_params)逻辑说明每个巢穴是一个三维参数向量evaluate函数用 5 折交叉验证的 macro F1 作为评价指标返回1 - F1以便最小化。Levy 飞行那一步用标准正态分布模拟随机步长实际工程里可以用更严格的 Levy 分布但标准正态在小维度下够用。淘汰环节按发现概率pa把最差的几个巢穴重新随机初始化防止陷入局部最优。参数说明n_nests取 20 是经验值太小搜索不充分太大计算量翻倍。pa一般取 0.25这是原始论文的推荐值调大淘汰更激进调小更保守。max_iter设 50 是因为每次评估要跑 5 折交叉验证ExtraTrees 本身训练就快但 50 代下来也要几十分钟视数据量而定。3.3 粒子群优化的差异与切换方式PSO 的实现思路类似区别在于更新公式粒子有速度速度由个体最优和全局最优共同决定。资源包里 PSO 的惯性权重用线性递减从 0.9 降到 0.4前期偏探索后期偏开发。切换方式很简单把evaluate函数复用替换搜索循环即可。我实测下来在岩性类别数少于 5 类时PSO 和布谷鸟的最终精度差距在 1% 以内但 PSO 收敛代数少一半。如果赶时间先用 PSO 粗搜再用布谷鸟精搜这个组合策略比单用一个算法稳。4. 避坑与排查跑这套岩性识别流程时我踩过的五个坑4.1 标签掩膜和影像波段数不匹配现象build_features报错提示数组维度不一致。原因标签掩膜是单波段影像可能是多波段展平后长度对不上。解决先检查img.shape和label.shape确保空间尺寸 H 和 W 一致。如果不一致用rasterio的重采样把标签对齐到影像网格别直接 reshape。4.2 交叉验证时类别样本太少导致折内缺失现象cross_val_score报 warning某些折里某个类别一个样本都没有F1 算出来是 0。原因岩性类别不平衡少数类样本本来就少5 折一分某折里可能全被分走。解决改用StratifiedKFold并且检查每个类别的样本数少于 5 个的类别考虑合并或单独处理。资源包里默认用cv5如果类别数多改成cv3更稳。4.3 布谷鸟算法早熟收敛到局部最优现象迭代到十几代后最优 F1 不再变化但换一组随机种子结果差很多。原因Levy 飞行步长太小巢穴更新幅度不够搜索空间没覆盖到。解决把步长系数从 0.01 调到 0.05或者增加巢穴数量。另一个办法是每隔若干代强制重新初始化最差的 30% 巢穴相当于模拟环境突变。4.4 高光谱数据维度灾难导致训练极慢现象高光谱影像波段上百ExtraTreesClassifier训练时间从几分钟涨到几小时。原因特征维度太高每棵树的每个节点都要在大量特征里随机选分裂点。解决先做特征降维PCA 保留 95% 方差或者用波段选择把不相关的波段剔掉。资源包里预留了 PCA 接口但默认没开需要手动在build_features后面加一步。4.5 分类结果图出现椒盐噪声现象逐像元分类后图上有很多孤立的小斑块和地质常识不符。原因逐像元分类没有考虑空间上下文光谱相近但空间不连续的像元被分到同一类。解决后处理加一步众数滤波用 3x3 或 5x5 窗口对分类结果做平滑。资源包里有个post_process.py脚本默认窗口是 3如果噪声严重可以调到 5但窗口太大会模糊岩性边界要权衡。5. 进阶技巧用分类置信度做岩性边界提取与验证跑完分类拿到结果图只是第一步真正让地质人员信服的是边界和置信度。ExtraTrees 的predict_proba返回每个像元属于各类的概率这个信息比硬分类有用得多。我一般会做两件事一是把最大概率低于阈值的像元标为「不确定」这些位置往往是岩性过渡带或混合像元单独圈出来人工核查二是用概率梯度提取岩性边界比直接对硬分类图做边缘检测更准。# 获取分类概率 proba clf.predict_proba(X_test) # shape: (n_samples, n_classes) max_proba proba.max(axis1) # 置信度阈值筛选 threshold 0.6 uncertain_mask max_proba threshold print(f不确定像元占比: {uncertain_mask.mean():.2%}) # 对全图预测并输出置信度图 full_proba clf.predict_proba(X) full_max_proba full_proba.max(axis1) confidence_map np.zeros(label.shape) confidence_map[label 0] full_max_proba # 保存为 GeoTIFF方便在 GIS 里叠加查看 with rasterio.open(confidence.tif, w, **profile) as dst: dst.write(confidence_map, 1)阈值设 0.6 是经验值低于这个值的像元分类结果不可靠。如果研究区岩性复杂可以调到 0.7宁可多标不确定也别把错分当正确。置信度图叠加到原始影像上地质人员一眼就能看出哪些区域需要补采样。验证环节除了混淆矩阵我强烈建议做一次空间交叉验证按地理位置分块留出一整块区域做测试而不是随机抽像元。随机抽像元会让训练集和测试集在空间上重叠精度虚高。资源包里默认是随机划分我改成空间分块后F1 掉了将近 8 个百分点这才是真实泛化能力。从那以后我每次跑岩性分类都强制走一遍空间交叉验证加置信度筛选宁可精度数字难看也不拿虚高的结果去糊弄地质解释。希望帮到你。本文还有配套的精品资源点击获取