1 F0 p5 y& k {- @ 01 什么是遥感数据
4 j& f. r6 q; F+ k 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。
* F8 J4 M5 R0 @- M 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。
( g5 Z6 E4 _) F0 l/ F* i. j0 W0 u 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。
6 [, D, K1 Q+ Z5 m 它们是如何产生的呢?
- S* F, K% X3 `1 `0 q5 ` 02 遥感数据的采集方式
! U7 G- z* K$ P! ^ 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]
- @6 J) y: ] n. ~ 1. 航天遥感
9 ~) N! l% T# |3 s. Y 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。
3 i* _* \. V/ L: _% ~2 k* r3 i8 @ 2. 航空遥感
% O: P* @. S S( N 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。 $ ]+ G. |( d3 f
3. 地面遥感 5 q* F; S( D. @
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?]。 9 H5 D- J+ f, Z; J/ j% N1 R4 f; B
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。
* L! r7 n! S( B$ P7 ]9 \# t 03 遥感数据特点 h$ Q" ~- e$ M" _: P
遥感数据主要有如下特点:
2 n6 H* L' v% L) ?& b. f$ } ● 感测范围大,具有综合、宏观的特点;
2 O' j# S$ `9 E) R ● 信息量大,具有手段多、技术先进的特点; $ O& J- l5 w8 o: d
● 获取信息快,更新周期短,具有动态监测的特点;
% B$ D$ c" S( J- p. ~ ● 用途广、效益高。[3] " ?* v8 G/ O5 r4 @- p7 W
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。 / T5 \; Q+ B0 Z7 H# ~/ ~, u; i. V
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。 9 _ f6 I- y' V Y+ \: m6 @
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:
7 H n! }9 ` e u 1. 原始高分辨率遥感图像难以获取。
+ B% w, ?- J V7 f) m* ?0 ] 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。
4 B* m! e5 ^ @, t& B" h, { 2. 遥感图像较自然图像,细节丢失更为严重。
& p: A1 k2 S6 S& k; f 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。
) Q) n7 H( u; g2 H 3. 遥感图像场景内容差异较大。
& v$ S: G! f0 b2 I9 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。 % U; M: B6 l- g) a( B
4. 遥感图像同一场景下,目标物空间大小差异较大。 # p7 I# F7 Q1 q2 g4 Y- |! P: B
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。
8 Q( n5 {, R/ x 那目前遥感领域常见的任务类型有哪些呢?
& k4 S. w! `7 u$ P4 Z! D* p' Y9 a 04 基于深度学习的遥感信息提取的任务类型1 x' Z- b' v9 L2 I* [6 Y
1. 遥感图像的目标检测 . v: ]( t" h: y* Z( n) R; B
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 Q* |+ G5 m$ n" |7 H. o w* S
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。 ( O9 ?' z4 J7 ]6 t
2. 遥感地物分割
- e, P3 k, t% ~3 E; x" P 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。
( Y% l1 B& T5 Y8 a5 q 3. 遥感变化检测 . H4 o/ F& Y- C! {- L2 ?
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 。
# D; S3 c; L* A' R% u! a 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?
: h( g+ {! x# ^/ S# J; z: I" u 05
& _- t0 R ~; A 遥感数据的应用方向
$ H' S# ?: I2 E j+ q 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;
/ n' V1 r" d/ w& Y& w; \ 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。 2 ?% v. c' Q5 k6 ]5 p! H9 a
06
( `; V- u, x: T: @ X4 o 遥感数据集资源 # z% T$ \8 w; ]
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! ! A4 Q7 G* [: l: @2 W! t
· DOTA V2.0 + T8 h1 v/ a, \% A2 s' g- n+ T
https://opendatalab.com/91
' _9 f8 V, C v" t8 Q* H · DOTA V1.5 ; d1 Z$ J# b$ z m
https://opendatalab.com/90
& L. a" u y# V2 Q2 X) A · DOTA V1.0 ( A# L, ]* u7 `3 _/ R4 U. r
https://opendatalab.com/89
: S* z C9 x0 B9 O' W · UCAS-AOD
$ ]* _# C2 R4 G& ] https://opendatalab.com/102 / R/ o! |8 {: U0 m
· xBD 4 b) u; H! _( B
https://opendatalab.com/94
7 h0 w/ z! D# Z# ~% Q1 K 参考资料:
/ K9 g. F" D& ]9 r [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
. O# K: n' z+ q9 F* L [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.
. J; r8 W6 E3 S; R4 ?- Q [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:; D8 m6 O/ A! G
& W! T) d. y2 i/ j- o5 a
点下方可免费获取地信遥感考研资料 . \7 F( A6 D" K }& ?7 t
& P1 C% j5 o/ z
: v9 p/ D9 `) o4 N! [1 n/ Y ! S o2 P) S' F
广告
' v6 `" w( ]+ C; O 2 O% _$ L) d1 D+ D
9 |" ?1 F$ b& X9 n
点我可免费咨询
! s8 H; S! Y3 O2 Y0 ?$ Z! v( n 可获取免费资料 7 [0 ~7 Q. r5 A7 l$ H3 v: c( V
' ~. ?% K* k' E. }& }3 ` 1 @/ P+ i3 G( e
7 g0 S% B7 F: m + V/ S# n- O5 N8 \3 y- V
, m& O+ \# V* g1 ]5 R5 v! l. ?+ ], A- s
6 B/ J" L8 q8 o) W8 i
% ~2 e& P' {' \2 h# A
5 L* A( W* G. M% y; @4 D |