企业官网建设流程全解析

做遥感的人多少都经历过这种尴尬：哨兵2号影像免费、覆盖广、更新勤，但10米分辨率放在县级尺度还好用，一放大到村镇级就糊成一片，道路、田块、房子边界全靠猜。想用高分商业影像，钱又不答应。于是不少人把目光投向了超分重建——用深度学习模型把10米影像“脑补”成2.5米。我最近用SRCNN把这个流程完整跑了一遍，从下载哨兵2数据、做训练集、训练模型，到输出带坐标的2.5米GeoTIFF，全程没花一分钱买数据。这篇文章就记录一下整个项目的思路、代码和踩过的坑，给同样想做遥感影像增强的读者一个可复制的起点。

先说结论：SRCNN这种2014年的老模型，放到今天依然很适合遥感超分场景，尤其是哨兵2这种“量大管饱但分辨率不够细”的数据源。它结构极简，训练成本低，CPU都能推理，而且效果比直接bicubic放大扎实得多。当然，超分不是无中生有，它更像是在影像先验约束下的纹理增强和边缘重建——10米像素里被模糊掉的信息，模型会按“看起来合理”的方式补回来，所以适合目视解译和特征提取，不适合拿去做像元级定量反演。这个边界心里要有数。

1. 项目整体设计与思路拆解

1.1 为什么选SRCNN而不是更花哨的模型

SRCNN是2014年提出的超分重建开山之作，核心思路非常简单：先用bicubic把低分辨率图放大到目标尺寸，再让三个卷积层去学习从“插值放大图”到“高清图”的映射关系。放在今天，这个结构比SRGAN、ESRGAN、SwinIR落后不少，但用在哨兵2号这种场景里，它有几个实实在在的好处。

第一，模型轻。SRCNN参数不到十万，训练起来特别快，一张普通显卡几分钟就能跑一个epoch，甚至纯CPU也能在几小时内完成训练。哨兵2影像动辄上万乘上万像素，推理阶段要分块处理，轻量模型在这里是巨大优势——不用堆显卡，普通办公电脑就能批处理整景影像。

第二，稳定性好。遥感影像不像自然图像那样“错一个像素无所谓”，超分结果会被拿去叠图、分类、量算。SRCNN的训练目标是MSE损失，输出天然偏“保守”，不会像GAN类模型那样凭空生成让人惊艳但不可信的细节。对我这种要拿结果做分析的人来说，保守往往是优点。

第三，对初学者友好。如果你是第一次接触深度学习遥感应用，SRCNN几乎是完美的练手项目。我之前在《动手学深度学习》里刷过CNN相关章节，真正自己复现一个模型时，还是从这种经典结构入手最有踏实感。等流程跑通了，后续想换ESRGAN、SwinIR，也只是替换网络主体的事，数据流和工程框架都不用大改。

1.2 10米到2.5米的数据闭环怎么设计

这里有个绕不开的问题：超分训练需要成对的低分辨率/高分辨率样本，哨兵2号本身没有2.5米真值，那训练标签从哪来？我在项目里试了两条路，也推荐大家按场景选择。

方案A：降尺度模拟训练（本文实操方案）。做法是先把10米影像当作“高清真值”，用bicubic下采样4倍得到40米影像，再把40米影像上采样回10米作为低分辨率输入，训练SRCNN把输入重建回原始的10米影像。推理阶段，对真实的10米哨兵2影像做同样的bicubic上采样到2.5米网格，送进模型，得到超分结果。

这个方案的好处是零成本、可快速验证，但要说清楚一点：训练时的数据对是“40米→10米”，推理时是“10米→2.5米”，相对尺度都是4倍，绝对尺度不同，属于尺度外推。实际效果通常不错，因为bicubic退化模型的一致性很好，模型学到的主要是高频先验和边缘锐化，换一个绝对尺度依然适用。但严格讲，这不等于真实4倍信息恢复。

方案B：高分辨率参考数据监督。如果项目对精度要求高，可以用同一区域的Planet 3米、SPOT 6/7或航空正射影像作为HR参考，哨兵2的10米波段作为LR输入，配对训练。这个方案更严谨，但数据不一定免费，而且跨传感器影像之间存在几何配准误差、大气差异和时相差异，预处理工作量会明显增大。

我这次以方案A为主线，因为它最容易在没预算的前提下跑通全流程。如果你手头正好有高分参考影像，把训练数据替换一下就行，模型代码完全不用动。

2. 核心细节解析与实操要点

2.1 SRCNN模型结构到底在学什么

SRCNN的原始结构只有三层卷积，我用PyTorch重写了一份。需要注意，训练和推理时输入图像都要先经过bicubic插值放大到目标尺寸，网络做的是“插值结果到高清结果”的残差式修正。

import torch import torch.nn as nn class SRCNN(nn.Module): def __init__(self, num_channels=3): super(SRCNN, self).__init__() # 特征提取 self.conv1 = nn.Conv2d(num_channels, 64, kernel_size=9, padding=4) # 非线性映射 self.conv2 = nn.Conv2d(64, 32, kernel_size=1, padding=0) # 重建 self.conv3 = nn.Conv2d(32, num_channels, kernel_size=5, padding=2) self.relu = nn.ReLU(inplace=True) def forward(self, x): x = self.relu(self.conv1(x)) x = self.relu(self.conv2(x)) x = self.conv3(x) return x

三个卷积层分工明确：第一层9×9卷积感受野大，负责从低分辨率输入上提取局部边缘、纹理等特征；第二层1×1卷积做跨通道特征融合，相当于把一个高维特征向量映射到更高层的语义空间；第三层5×5卷积把特征图重新组合成RGB图像。整个过程可以理解成一个可学习的“高清化滤镜”。

原始论文里用的是valid卷积，输出尺寸会比输入小一圈，所以训练时要对标签做中心裁剪。我在代码里用same padding保持尺寸不变，效果没有实质差别，还省去裁剪的麻烦。损失函数就是最标准的MSE，衡量的是预测图和真值之间的逐像素误差。

2.2 数据准备：从下载哨兵2影像到制作训练集

数据源方面，我推荐直接从Copernicus Data Space下载L2A级产品，也就是已经做过大气校正的地表反射率数据。它的10米波段包括B2蓝、B3绿、B4红和B8近红外，做真彩色合成用B2/B3/B4就够了。下载后先检查云量，挑云量小于10%的景。

拿到影像后的第一步是用rasterio读取，把需要的波段打包成一个三通道影像。这里有个细节：L2A地表反射率的有效值范围是0到10000，无效区域（如云掩膜、边缘）通常是0或NaN，训练前必须处理。我一般把小于0或大于10000的像素统一置为0，并在裁剪patch时跳过有效像元占比低于95%的块，避免模型学到一堆无意义的空洞纹理。

制作训练集的核心代码大概长这样：

import numpy as np import rasterio from torch.utils.data import Dataset def load_rgb_bands(path): with rasterio.open(path) as src: b2 = src.read(1).astype(np.float32) b3 = src.read(2).astype(np.float32) b4 = src.read(3).astype(np.float32) # 反射率量纲转成0~1，方便网络收敛 rgb = np.stack([b2, b3, b4], axis=0) / 10000.0 return np.clip(rgb, 0.0, 1.0) def make_hr_lr_pair(hr_patch, scale=4): # hr_patch: (C, H, W)，直接用双三次下采样再放大，构造低分辨率输入 import torch.nn.functional as F hr = torch.from_numpy(hr_patch).unsqueeze(0) lr = F.interpolate(hr, scale_factor=1.0/scale, mode="bicubic", align_corners=False) lr_up = F.interpolate(lr, scale_factor=scale, mode="bicubic", align_corners=False) return lr_up, hr

裁剪patch时，我习惯用64×64或128×128尺寸。patch太小学不到大范围纹理关系，patch太大训练慢且显存压力大。为了增强泛化性，每块patch都做随机翻转和90度旋转，相当于把数据量翻了8倍。如果手里有五六景不同地貌的哨兵2影像，全部裁完能得到几万对训练块，对SRCNN这种小模型来说完全够用。

3. 实操过程与核心环节实现

3.1 训练SRCNN的完整代码与参数选择

训练配置我直接给出可复用的参数，都是从实际效果里调出来的经验值，新手照抄问题不大：

• 输入patch：64×64×3
• batch size：32
• 优化器：Adam，初始学习率1e-4
• 损失函数：MSE
• epoch：60到80，最后一个阶段学习率降到1e-5
• 验证集：单独留一景影像的patch，不参与训练

训练主循环的核心代码：

import torch.optim as optim from torch.utils.data import DataLoader model = SRCNN(num_channels=3).cuda() optimizer = optim.Adam(model.parameters(), lr=1e-4) criterion = nn.MSELoss() for epoch in range(epochs): total_loss = 0.0 for lr_up, hr in train_loader: lr_up, hr = lr_up.cuda(), hr.cuda() optimizer.zero_grad() sr = model(lr_up) loss = criterion(sr, hr) loss.backward() optimizer.step() total_loss += loss.item() if (epoch + 1) % 20 == 0: # 验证集上看一下PSNR，防止过拟合到训练区 val_psnr = evaluate(model, val_loader) print(f"Epoch {epoch+1}, Loss: {total_loss/len(train_loader):.4f}, Val PSNR: {val_psnr:.2f} dB")

训练过程中，你会发现MSE loss下降得很快，前10个epoch就能看到明显效果，后面进入缓慢优化阶段。这种“大头在前”的特征正是小模型的好处——不需要像大模型那样烧几十万步。

一个比较容易踩的坑是训练集与验证集的划分必须按“景”来分。如果你从同一景影像的不同位置裁patch，一部分训练一部分验证，验证指标会虚高很多，因为模型已经见过同一个漏检区域或同一种地物纹理了。我后来改成用两景完全不同的影像做验证，PSNR和SSIM才变得有参考意义。

3.2 推理：单景哨兵2影像超分与GeoTIFF输出

训练好的模型要应用到整景哨兵2影像上，最忌讳的做法是直接把整张影像一次性送进网络。一万像素乘一万像素的输入，显存瞬间爆炸。正确做法是分块推理，每块256×256，带一定重叠区域，最后做平均融合，避免拼接缝。

另外，GeoTIFF的地理坐标信息必须在整个流程中保持住。我的做法是：先用rasterio读取原影像的transform，然后把影像分块处理，每块的超分结果写回对应的高分辨率网格位置。

import rasterio import numpy as np import torch from rasterio.transform import Affine from rasterio.enums import Resampling def inference_geotiff(model, input_path, output_path, block_size=256, overlap=16): with rasterio.open(input_path) as src: height, width = src.height * 4, src.width * 4 transform = src.transform * src.transform.scale( src.width / width, src.height / height ) profile = src.profile.copy() profile.update(height=height, width=width, transform=transform) model.eval() result = np.zeros((src.count, height, width), dtype=np.float32) with rasterio.open(output_path, "w", **profile) as dst: for y in range(0, src.height * 4, block_size - overlap): for x in range(0, src.width * 4, block_size - overlap): # 从原影像按窗口读取，再放大到目标网格 win = rasterio.windows.Window( x // 4, y // 4, min(block_size // 4 + overlap // 4, src.width - x // 4), min(block_size // 4 + overlap // 4, src.height - y // 4) ) block = src.read(window=win, out_shape=( src.count, win.height * 4, win.width * 4 ), resampling=Resampling.bilinear) block_in = torch.from_numpy(block / 10000.0).unsqueeze(0).float() with torch.no_grad(): out = model(block_in.cuda()).cpu().numpy()[0] * 10000.0 # 写回，重叠区域直接取均值 ...

实际写代码时，重叠区域的融合建议用距离权重，也就是越靠近块中心权重越高，块边缘权重越低。这样可以显著减少拼接缝。如果嫌麻烦，一个简单的平均也能用，只要overlap取16个像素以上。

输出GeoTIFF后，可以在QGIS里直接叠加到原始10米影像上对比查看。最直观的效果是：道路边界更锐利，农田地块之间的田埂分界线更清楚，城镇区域屋顶轮廓有明显改善。

3.3 效果怎么评估：有参考指标和无参考指标

评估这一步，我分两种情况说。

如果你的验证集是模拟数据（比如把10米降采样到40米再超分回10米），可以直接用PSNR和SSIM做有参考评估。代码很简单：

from skimage.metrics import peak_signal_noise_ratio as psnr from skimage.metrics import structural_similarity as ssim score_psnr = psnr(hr_image, sr_image, data_range=1.0) score_ssim = ssim(hr_image, sr_image, channel_axis=0, data_range=1.0)

我实测下来，在模拟数据上SRCNN通常比bicubic高0.8到1.5dB PSNR，SSIM提升在0.01到0.03左右。这个差距在数值上看起来不大，但目视效果差异却非常明显，尤其是高频细节区域。

如果是真实影像的10米到2.5米超分，没有真值，就需要无参考清晰度指标。最常用的是拉普拉斯方差（Variance of Laplacian），它衡量图像梯度能量的强弱，值越大说明边缘越锐利。另一个是Tenengrad梯度，基于Sobel算子计算。这类指标不能说明“恢复的信息是对的”，但可以说明“图像变清晰了”。

import cv2 def variance_of_laplacian(img): return cv2.Laplacian(img, cv2.CV_64F).var()

更重要的是目视抽查。我通常挑三类区域做对比：道路交叉口、农田边界、城镇建筑轮廓。如果这些地方的边缘比bicubic放大结果更干净利落，而且没有出现明显的伪纹理或者扭曲，这个模型就算合格。

4. 常见问题与排查技巧实录

4.1 新手最容易翻车的5个问题

跑这个项目时我踩了不少坑，有些问题折腾了大半天才找到原因。这里整理成一张速查表，希望后面的人能少走弯路。

这里面最隐蔽的是第一个坑。SRCNN对输入值域非常敏感，输入是0到1的浮点，标签却是0到10000的整数，loss会瞬间爆炸或者根本不收敛。我后来统一把反射率除以10000，再clip到0到1，模型才正常起来。

4.2 一些比较深的实操心得

项目跑通之后，回头总结，有几个经验想重点分享。

第一个经验是：别一上来就做4倍超分。我最初直接做10米到2.5米，总感觉边缘不够干净。后来改成先做2倍（10米到5米），目视效果进步非常明显，再叠加一次2倍超分到2.5米，比单次4倍更稳定。当然，分两次推理会多花一点时间，但换来的是更好的边缘质量，特别适合哨兵2这种本身纹理信息就不算丰富的数据源。

第二个经验是：训练数据的地物类型一定要和目标区域匹配。我用城区影像训练后去推农田区，田块边界普遍发虚；反过来用农田区训练去推城区，屋顶纹理又会出现奇怪的振铃。解决方案很简单，多收集几景不同地貌的影像混着训练。SRCNN吃数据，给它五六种典型地貌，泛化性会明显提升。

第三个经验是：超分结果适合做“视觉增强底图”，不适合直接当测绘成果。10米波段本身的光谱信息有限，超分重建只能优化空间纹理，没法凭空创造真实的高频细节。我一般把超分影像作为辅助图层，叠加在原始10米影像上做半透明显示，既保留了原始光谱可靠性，又能利用锐利边缘辅助判读。

5. 总结与一些个人体会

这个项目我从数据准备到最终出图大约花了三个晚上，其中大部分时间都耗在了数据清洗和调试归一化上，真正写模型反而很快。SRCNN之所以到现在还有生命力，是因为它在“工程稳定性”和“效果提升”之间找到了一个很实用的平衡点。做遥感应用的朋友，如果只是想让现有免费影像在目视层面更好用，完全不需要一上来就上生成对抗网络，SRCNN这套轻量方案在多数场景里已经够用。

我个人在实际操作中最满意的一点，是这个流程完全可重复、不依赖昂贵硬件。训练一晚上，推理一景影像半小时，全程免费数据、开源工具。如果后续想做更深度的增强，可以考虑把网络换成EDSR或SwinIR，再配合感知损失，细节真实度会进一步提升。但作为第一步，先用SRCNN把数据管线、训练流程、评估方案跑通，价值已经很大。

最后再分享一个汇报小技巧：把超分结果做成滑动对比图或者透明叠加图，左边是bicubic放大，右边是SRCNN结果，领导或者甲方一眼就能看出差别。技术指标说得再多，都不如一张直观的对比图有说服力。