主題詞

遙感大數(shù)據(jù)；目標(biāo)識別；地物分割；變化檢測

遙感大數(shù)據(jù)雖然能夠多粒度、多時(shí)相、多方位和多層次地反映地物信息，但其數(shù)據(jù)量與日俱增、種類日益增多，且存在大量的冗余信息，使得從遙感數(shù)據(jù)中提取有效信息具有一定的挑戰(zhàn)。廈門大學(xué)王程教授在《大數(shù)據(jù)》2022年第2期發(fā)表論文“基于遙感大數(shù)據(jù)的信息提取技術(shù)綜述”，回顧了近年來基于遙感大數(shù)據(jù)的信息提取技術(shù)研究工作，從遙感目標(biāo)檢測、遙感地物分割、遙感變化檢測三方面闡述了遙感信息提取技術(shù)的發(fā)展歷程，對各個(gè)發(fā)展階段及代表性方法進(jìn)行了梳理與歸納，并對基于遙感大數(shù)據(jù)的信息提取技術(shù)進(jìn)行了展望。

題目：基于遙感大數(shù)據(jù)的信息提取技術(shù)綜述

作者：劉偉權(quán)，王程，臧彧，胡倩，于尚書，賴柏锜

單位：廈門大學(xué)信息學(xué)院，福建省智慧城市感知與計(jì)算重點(diǎn)實(shí)驗(yàn)室

引用格式：劉偉權(quán), 王程, 臧彧, 等. 基于遙感大數(shù)據(jù)的信息提取技術(shù)綜述[J]. 大數(shù)據(jù), 2022, 8(2): 28-57.

LIU W Q, WANG C, ZANG Y, et al. A survey on information extraction technology based on remote sensing big data[J]. Big Data Research, 2022, 8(2): 28-57.

01

遙感目標(biāo)檢測

遙感圖像目標(biāo)檢測方法主要包括兩個(gè)分支：傳統(tǒng)遙感圖像目標(biāo)檢測和基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測。

（1）傳統(tǒng)遙感圖像目標(biāo)檢測主要包括3類方法。一是模板匹配方法，該類方法使用相應(yīng)的模板對目標(biāo)圖像進(jìn)行比對，找出圖像中符合模板特征的事物。模板匹配方法又分為剛性模板匹配和可變形模板匹配兩類。可變形模板匹配在處理形狀變形和類內(nèi)變化方面比剛性模板匹配更加強(qiáng)大和靈活，其既可以對形狀施加幾何約束，又可以整合局部圖像證據(jù)。二是基于專家知識的方法，該類方法主要通過專家定義的規(guī)則對目標(biāo)進(jìn)行定義和選擇，從而達(dá)到目標(biāo)檢測的目的。三是傳統(tǒng)機(jī)器學(xué)習(xí)方法，該類方法通過人工設(shè)計(jì)的圖像特征，對目標(biāo)進(jìn)行定義和檢測。

（2）基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測主要分為兩類方法。一是兩階段目標(biāo)檢測方法，該類方法主要基于多層深度特征預(yù)測可能包含目標(biāo)的多個(gè)候選區(qū)域，并將它們輸入分類和回歸網(wǎng)絡(luò)中，以預(yù)測目標(biāo)的類別和位置。二是一階段目標(biāo)檢測方法，該類方法基于回歸的檢測框架策略不需要額外提取候選區(qū)域，而是直接從多層特征圖中進(jìn)行目標(biāo)分類和位置回歸，并輸出目標(biāo)檢測結(jié)果。

02

遙感地物分割

遙感圖像分割是基于地理對象進(jìn)行圖像分析的關(guān)鍵和重要步驟，一般分為遙感圖像邊緣檢測分割、遙感圖像區(qū)域分割、遙感圖像混合分割及神經(jīng)網(wǎng)絡(luò)遙感圖像分割。

（1）遙感圖像邊緣檢測分割方法是早期的主流方法之一，且至今其仍然是非常重要的方法。其首先識別邊緣，然后使用輪廓算法關(guān)閉它們。目前有很多算法可以用來識別目標(biāo)的邊緣，進(jìn)而捕捉圖像目標(biāo)的幾何和物理特征。然而，邊緣分割的最常見問題是在沒有邊界的地方出現(xiàn)了邊緣以及在實(shí)際存在邊界的地方?jīng)]有出現(xiàn)邊緣，這些由圖像噪聲或圖像中的不良信息造成的干擾會影響分割的精度。

（2）遙感圖像區(qū)域分割方法通過利用圖像中同一區(qū)域的均勻性來識別不同的區(qū)域，從而進(jìn)行分割，與邊緣檢測分割方法一樣，其同樣屬于早期的分割方法大類之一。圖像區(qū)域分割可能產(chǎn)生與圖像邊緣檢測分割截然不同的結(jié)果，其假設(shè)同一區(qū)域內(nèi)的相鄰像素具有相似的值。該類方法計(jì)算簡單，適用于小目標(biāo)結(jié)構(gòu)，但其對噪聲敏感，經(jīng)常導(dǎo)致抽取的區(qū)域有空洞，并且不同的合并順序也會出現(xiàn)不同的合并結(jié)果。

（3）遙感圖像混合分割方法是指將邊緣檢測與區(qū)域分裂合并相結(jié)合的多區(qū)域圖像分割方法，該方法可以克服基于邊緣和基于區(qū)域的方法的局限性，使多區(qū)域分割后的圖像邊緣更加清晰。其基本思想是用邊緣檢測算子與分裂合并法分別對同一幅圖像進(jìn)行分割，然后應(yīng)用信息融合技術(shù)將經(jīng)過上述處理后的兩幅圖像融合，得到新的圖像。

（4）隨著機(jī)器學(xué)習(xí)在遙感領(lǐng)域中取得了重大的突破，神經(jīng)網(wǎng)絡(luò)遙感圖像分割方法成為近幾年的主流方法之一。

03

遙感變化檢測

遙感影像包括中低空間分辨率遙感影像、高空間分辨率遙感影像及高光譜分辨率遙感影像。

（1）中低空間分辨率的遙感影像像素模糊，單個(gè)像元內(nèi)可能包含多種地物，對局部區(qū)域的變化進(jìn)行檢測是一項(xiàng)富有挑戰(zhàn)性的任務(wù)。

（2）高空間分辨率遙感影像包含豐富的空間信息、紋理信息，所能識別的目標(biāo)也更小。

（3）在對地觀測中，高光譜遙感的成像通道增加，使得在分析遙感影像時(shí)能分析更多的目標(biāo)物體，如識別不同的礦物、不同的樹種。

04

問題與展望

遙感信息提取技術(shù)在自然資源管理、國防安全、生態(tài)保護(hù)等方面有重要意義。本文總結(jié)了遙感目標(biāo)檢測、遙感地物分割、遙感變化檢測這三大研究熱點(diǎn)的發(fā)展情況。盡管當(dāng)前基于遙感大數(shù)據(jù)的遙感信息提取技術(shù)已經(jīng)取得了比較豐碩的成果，然而面對人們?nèi)找嬖鲩L的應(yīng)用需求，依舊存在諸多挑戰(zhàn)，具體如下。

（1）在目前的遙感圖像分割過程中，用得較多的是傳統(tǒng)的模式識別方法，其結(jié)果由于遙感圖像本身的分辨率限制以及同物異譜、異物同譜現(xiàn)象的存在，往往出現(xiàn)較多的錯(cuò)誤和遺漏現(xiàn)象。由于遙感圖像數(shù)據(jù)的復(fù)雜性，更深入的遙感分割算法還有待研究。

（2）針對不同類型的遙感數(shù)據(jù)，需要有效結(jié)合其特點(diǎn)加以利用，探索適合各種數(shù)據(jù)類型的遙感圖像分割算法，以達(dá)到更高的精度。

（3）當(dāng)前基于高光譜分辨率的影像變化檢測方法還未建立起多時(shí)相影像中端元的光譜相關(guān)性，也沒有出現(xiàn)多時(shí)相光譜混合模型。

更多技術(shù)細(xì)節(jié)請閱讀原文：

http://www.infocomm-journal.com/bdr/CN/10.11959/j.issn.2096-0271.2022014

聯(lián)系我們:

Tel:010-81055448

? ? ? ?010-81055490

? ? ? ?010-81055534

E-mail:bdr@bjxintong.com.cn?

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

轉(zhuǎn)載、合作：010-81055307

大數(shù)據(jù)期刊

《大數(shù)據(jù)（Big Data Research，BDR）》雙月刊是由中華人民共和國工業(yè)和信息化部主管，人民郵電出版社主辦，中國計(jì)算機(jī)學(xué)會大數(shù)據(jù)專家委員會學(xué)術(shù)指導(dǎo)，北京信通傳媒有限責(zé)任公司出版的期刊，已成功入選中國科技核心期刊、中國計(jì)算機(jī)學(xué)會會刊、中國計(jì)算機(jī)學(xué)會推薦中文科技期刊，以及信息通信領(lǐng)域高質(zhì)量科技期刊分級目錄、計(jì)算領(lǐng)域高質(zhì)量科技期刊分級目錄，并多次被評為國家哲學(xué)社會科學(xué)文獻(xiàn)中心學(xué)術(shù)期刊數(shù)據(jù)庫“綜合性人文社會科學(xué)”學(xué)科最受歡迎期刊。

關(guān)注《大數(shù)據(jù)》期刊微信公眾號，獲取更多內(nèi)容

總結(jié)

以上是生活随笔為你收集整理的《大数据》编辑推荐 | 基于遥感大数据的信息提取技术综述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。