! ^2 B2 D2 Q9 j G) B 01 什么是遥感数据
6 s( c4 H7 f& e# v+ c$ p 遥感（remote sensing）是指非接触的，远距离的探测技术。一般指运用传感器/遥感器对物体的电磁波的辐射、反射特性的探测。
g' d! ~' u: h9 v: a, ` 作为一种重要的对地观测技术，它为我们研究和理解地球表面提供了主要的数据来源。
: H3 F8 V( R2 ? f 目前遥感数据呈现出高中低分辨率、多光谱、高光谱、SAR、街景及LiDAR激光点云等多源数据共存的情况，为遥感监测及其他多领域应用提供了基本数据保障。 9 x9 a9 Z8 @+ a4 G/ O- n
它们是如何产生的呢？
- ]8 ?* @: _& u$ m 02 遥感数据的采集方式1 q' N. g& ]" P3 n, v
获取遥感数据的装备主要包括遥感平台和传感器。根据遥感平台的高度，可将遥感技术划分为航天遥感、航空遥感以及地面遥感。[2] \7 n& n; w' k4 f) \- t9 Z
1. 航天遥感 4 v3 V! M5 P3 O6 Q
以载人飞船、太空站、人造卫星等各种太空飞行器为平台，搭载照相机、多谱段扫描仪、合成孔径雷达等传感器的遥感技术系统。 ' L" [1 Z9 Q2 G/ s* Q3 z) [
2. 航空遥感
$ o# q0 ~1 P4 G# [2 J ~" V7 m1 o 利用飞艇、飞机、气球等平台完成对地观测任务的遥感技术系统。 / ]* R. R9 i5 W% _/ @: g+ G0 E4 x
3. 地面遥感
& C5 Y, p, e& c' I4 H 将地物波谱仪或各种传感器安装在船、车、高塔等平台上的遥感技术系统；比如我们上一期提到的[激光雷达（LiDAR）点云数据知多少？]。 1 R* [3 z1 `- l$ R6 {. p2 m1 f5 S
传感器方面，可利用可见光、红外线、微波等探测仪器，通过摄影扫描、信息感应、传输和处理等，来识别地面物体的性质和运动状态。
( V; k9 L; E9 Y: L% G+ C 03 遥感数据特点
6 t* O; Q' O4 ~6 G) L( \' D. B 遥感数据主要有如下特点： 8 V: d, V& L8 P+ M- Z4 g: `
● 感测范围大，具有综合、宏观的特点； 4 A% K6 b% p* v# b( F; q+ {. b0 m
● 信息量大，具有手段多、技术先进的特点； / N, A7 _1 A+ A+ n( {% F- s
● 获取信息快，更新周期短，具有动态监测的特点； 8 D0 C* [7 _5 r/ f
● 用途广、效益高。[3] : o6 y# X* m& e: Q( j' T
随着遥感技术的进步，获取的数据精度越来越大，达到亚米级别，人工识别已不能满足需求，智能提取技术正在快速发展。 5 `" s, o% q, U5 v' w' S$ G
遥感和人工智能的结合，可以实现更大范围、更加丰富、更加精细的多种地表的时空要素信息，而这些信息可以给广泛的应用行业提供了赋能可能性。 ( f3 h! U2 f) @
DOTA数据集样本预览（图源：网络）从深度学习角度来看，遥感数据还存在以下几个问题：
' B; U0 V) `$ d' w! q 1. 原始高分辨率遥感图像难以获取。 , S9 E2 Z9 ~: n2 X0 Y$ |- {: L6 t
对于光学遥感数据集来说，由于遥感图像采集过程中大气扰动、噪声、传感器抖动等因素的影响，使获取的数据存在不确定性等影响，真实的高分辨率图像难以获得。
0 b1 i7 k f5 Q# F, [ s9 ` 2. 遥感图像较自然图像，细节丢失更为严重。 6 a0 z& g, _) }4 I
通常，光学遥感图像单个像素所代表的实际距离超过5m，导致图像中细节损失，重建困难。 5 A- D7 Z6 R' T
3. 遥感图像场景内容差异较大。 ) j5 Q' m) I( h
遥感拍摄往往涉及到多种地貌，因此会拍摄到多种场景内容，导致样本的多样性。因此，遥感数据集对于单个场景的贡献也被削弱。 ) U1 g7 c0 z% V! Z2 i$ y P1 ~
4. 遥感图像同一场景下，目标物空间大小差异较大。
9 z7 L( N4 Y9 i( F1 S' y; M 在一幅遥感图像中往往包含多个目标，且这些目标物的尺寸大小都不相同，如在街道场景中车辆可能只占了几个像素，房屋占了几百个像素，在卷积的过程中，可能丢失小目标的特征，从而影响SR结果的准确性。 + }* y' V3 B9 A* o+ T; N
那目前遥感领域常见的任务类型有哪些呢？
5 e. o8 Z% S+ U 04 基于深度学习的遥感信息提取的任务类型
0 }! d- Q6 |9 S. v4 u4 e6 C+ D h 1. 遥感图像的目标检测 ' F9 x# l, V* y5 l6 Y K1 J- v
将深度神经网络应用于遥感图像的目标检测，增强了算法图像纹理感知能力和目标变化适应能力，在检测性能上有了较大的提升，且可用于检测复杂物体。
0 [) k4 }2 G. V H 但该方法仍受限于图像分辨率、天气和计算能力等因素，提高其对外界环境的适应性仍是研究的难点。 , ]5 g: R4 w7 F: A' \; n
2. 遥感地物分割
! L( a& a, \* G' H 遥感图像分割是基于地理对象进行图像分析的关键和重要步骤， 在遥感图像中，它通常被视为景观变化检测和土地利用/覆被分类的辅助手段，可通过输入卫星遥感影像，自动识别道路、河流、庄稼、 建筑物等，并且对图像中的每个像素进行标注。 $ K" t6 ^& j) T8 N+ ^4 g
3. 遥感变化检测 6 g; h! d5 i) f' O, Y; f0 u' d
变化检测是对地物或现象进行多次观测从而识别其状态变化的过程， 实时检测地表变化信息。目前，遥感变化检测技术已成功应用于环境保护、城市规划、军事侦察等领域 。 . V* b8 {3 `( R* W! T) @0 u
基于神经网络的遥感图像分割结果（图源：参考资料[2]）那遥感数据可以用来干什么？
0 J5 q9 e: F1 E0 l2 w" C 05 * R2 O+ Q2 `0 v7 M3 m" p+ o
遥感数据的应用方向
0 M- W* U& Z2 s7 O7 e! T 遥感技术广泛用于军事侦察、导弹预警、军事测绘、海洋监视、气象观测等； 9 \) C* Y: }7 p; I3 z3 t6 D6 \$ {+ \
在民用方面,遥感技术广泛用于地球资源普查、植被分类、土地利用规划、农作物病虫害和作物产量调查、环境污染监测、海洋研制、地震监测、城市土地/建筑规划、地形图更新等方面。 9 q$ ~5 {& ~1 N) G( @
06 2 b8 `. j) ~$ a8 |; ^% s
遥感数据集资源 : [! n6 W! s6 ]1 V$ T
OpenDataLab平台已经上架了系列经典的遥感数据集，并且对DOTA V2.0数据集进行了标准化，不仅提供了丰富的数据集信息、流畅的下载速度，还统一了脚本格式，免去大家处理数据格式的麻烦，快来体验吧！ : p R: @5 H: t& N
· DOTA V2.0
8 Z% y& l$ w* @ https://opendatalab.com/91
: {& H5 H+ O' q8 ] · DOTA V1.5
+ U2 ~2 x0 l2 g {% I https://opendatalab.com/90
1 E! J2 z, U+ z: e9 s" c · DOTA V1.0
1 c: T7 d, C7 {- `" p https://opendatalab.com/89 3 k- z% ^9 l& i% Z% x9 G# e
· UCAS-AOD # l$ Z& r# g: S/ F/ U" s0 T! d0 ~9 u) ^
https://opendatalab.com/102 7 ^' N- ^7 Q+ ^$ b3 O
· xBD
0 R0 n1 L y& \5 [: x; O0 q; @. J4 k https://opendatalab.com/94
7 ?5 [; Y3 I' n7 O 参考资料： $ `. ], p( k& @- q
[1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
( B* _( j$ w3 g) p# W [2]刘伟权,王程,臧彧,胡倩,于尚书,赖柏锜. 基于遥感大数据的信息提取技术综述[J]. 大数据,2022,8(02):28-57. " ]* B; [ N* p) N4 E) v
[3]李正,刘薇,张凯兵. 基于机器学习的遥感图像超分辨综述[J]. 计算机工程与应用,2021,57(13):8-17. 来源：OpenDataLab，作者：专注于AI 数据遥感地信考研书籍介绍：( u& J; B& i7 E- @
$ W; u% E( c( E, t, T" a 点下方可免费获取地信遥感考研资料 & n2 n; Q. e. T! i) `
9 z8 _7 }- @) e( |1 x6 Q$ `7 \7 H , i) v2 y. R2 `& c
# K, P1 d( E, v! `
广告 3 [+ A3 Y: Z; S. R/ ]1 ^
& K% A& m6 C. t! h) Z9 W6 F# |
& a0 b+ v8 W) t. L- \1 E9 ^. ^ 点我可免费咨询
' t5 ?7 r2 I" l 可获取免费资料
& \" `+ W) V% a- ~3 Z* Y
& r, a- _4 e9 W9 w1 h: P4 D( r
9 [) k4 |" C5 ~) ^; P& i. \( `/ r
, }, N* ]' l: b! F$ e
+ k. o1 \$ ?- B ( S& D2 k9 `4 V! q4 h9 c
5 B3 z W/ S! H* W1 N4 b4 U
2 g: R: j: B* g
9 F; T( m3 H e" C% Z2 B$ B9 N- z9 H4 }& d8 l) v% i* F P4 Z
| 
