主題詞

遙感大數據；目標識別；地物分割；變化檢測

遙感大數據雖然能夠多粒度、多時相、多方位和多層次地反映地物信息，但其數據量與日俱增、種類日益增多，且存在大量的冗余信息，使得從遙感數據中提取有效信息具有一定的挑戰。廈門大學王程教授在《大數據》2022年第2期發表論文“基于遙感大數據的信息提取技術綜述”，回顧了近年來基于遙感大數據的信息提取技術研究工作，從遙感目標檢測、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的發展歷程，對各個發展階段及代表性方法進行了梳理與歸納，并對基于遙感大數據的信息提取技術進行了展望。

題目：基于遙感大數據的信息提取技術綜述

作者：劉偉權，王程，臧彧，胡倩，于尚書，賴柏锜

單位：廈門大學信息學院，福建省智慧城市感知與計算重點實驗室

引用格式：劉偉權, 王程, 臧彧, 等. 基于遙感大數據的信息提取技術綜述[J]. 大數據, 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

遙感目標檢測

遙感圖像目標檢測方法主要包括兩個分支：傳統遙感圖像目標檢測和基于深度學習的遙感圖像目標檢測。

（1）傳統遙感圖像目標檢測主要包括3類方法。一是模板匹配方法，該類方法使用相應的模板對目標圖像進行比對，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變化方面比剛性模板匹配更加強大和靈活，其既可以對形狀施加幾何約束，又可以整合局部圖像證據。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則對目標進行定義和選擇，從而達到目標檢測的目的。三是傳統機器學習方法，該類方法通過人工設計的圖像特征，對目標進行定義和檢測。

（2）基于深度學習的遙感圖像目標檢測主要分為兩類方法。一是兩階段目標檢測方法，該類方法主要基于多層深度特征預測可能包含目標的多個候選區域，并將它們輸入分類和回歸網絡中，以預測目標的類別和位置。二是一階段目標檢測方法，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域，而是直接從多層特征圖中進行目標分類和位置回歸，并輸出目標檢測結果。

02

遙感地物分割

遙感圖像分割是基于地理對象進行圖像分析的關鍵和重要步驟，一般分為遙感圖像邊緣檢測分割、遙感圖像區域分割、遙感圖像混合分割及神經網絡遙感圖像分割。

（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閉它們。目前有很多算法可以用來識別目標的邊緣，進而捕捉圖像目標的幾何和物理特征。然而，邊緣分割的最常見問題是在沒有邊界的地方出現了邊緣以及在實際存在邊界的地方沒有出現邊緣，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）遙感圖像區域分割方法通過利用圖像中同一區域的均勻性來識別不同的區域，從而進行分割，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。圖像區域分割可能產生與圖像邊緣檢測分割截然不同的結果，其假設同一區域內的相鄰像素具有相似的值。該類方法計算簡單，適用于小目標結構，但其對噪聲敏感，經常導致抽取的區域有空洞，并且不同的合并順序也會出現不同的合并結果。

（3）遙感圖像混合分割方法是指將邊緣檢測與區域分裂合并相結合的多區域圖像分割方法，該方法可以克服基于邊緣和基于區域的方法的局限性，使多區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行分割，然后應用信息融合技術將經過上述處理后的兩幅圖像融合，得到新的圖像。

（4）隨著機器學習在遙感領域中取得了重大的突破，神經網絡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，單個像元內可能包含多種地物，對局部區域的變化進行檢測是一項富有挑戰性的任務。

（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能分析更多的目標物體，如識別不同的礦物、不同的樹種。

04

問題與展望

遙感信息提取技術在自然資源管理、國防安全、生態保護等方面有重要意義。本文總結了遙感目標檢測、遙感地物分割、遙感變化檢測這三大研究熱點的發展情況。盡管當前基于遙感大數據的遙感信息提取技術已經取得了比較豐碩的成果，然而面對人們日益增長的應用需求，依舊存在諸多挑戰，具體如下。

（1）在目前的遙感圖像分割過程中，用得較多的是傳統的模式識別方法，其結果由于遙感圖像本身的分辨率限制以及同物異譜、異物同譜現象的存在，往往出現較多的錯誤和遺漏現象。由于遙感圖像數據的復雜性，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據，需要有效結合其特點加以利用，探索適合各種數據類型的遙感圖像分割算法，以達到更高的精度。

（3）當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相影像中端元的光譜相關性，也沒有出現多時相光譜混合模型。

更多技術細節請閱讀原文：

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

聯系我們:

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/

轉載、合作：010-81055307

大數據期刊

《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的期刊，已成功入選中國科技核心期刊、中國計算機學會會刊、中國計算機學會推薦中文科技期刊，以及信息通信領域高質量科技期刊分級目錄、計算領域高質量科技期刊分級目錄，并多次被評為國家哲學社會科學文獻中心學術期刊數據庫“綜合性人文社會科學”學科最受歡迎期刊。

關注《大數據》期刊微信公眾號，獲取更多內容

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。