5 H" V4 Y; ?# f 01 什么是遥感数据8 o4 X: G( Y* e: u, u
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。 5 o. I- l; q! f7 \
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。
# d% o0 ?# W4 m* g5 p 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。
0 h) X! p! @4 i2 y1 k9 n8 u. j 它们是如何产生的呢? 6 h g# I3 ?' l6 L) t
02 遥感数据的采集方式; [( b2 ^, h, x3 e5 e
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] + `: X# N" l' N. i, M5 B( @
1. 航天遥感
( ~/ i$ [/ f9 Z9 @; T v 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。
$ j& B( I) `8 s; z r+ N9 h 2. 航空遥感
% [) i: _: P0 A q9 F" j6 Q$ ` 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。
E/ E. ?8 P" _/ G+ o 3. 地面遥感 , P6 r m- ~% q0 g
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?]。
. m* O( ?/ y h- u! ]( A 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。 ) C( M3 r* w) m' R$ _ {
03 遥感数据特点
; [$ G; h( s! s: }$ Q1 t2 ~ 遥感数据主要有如下特点:
& ^- \7 ?3 Y6 T ● 感测范围大,具有综合、宏观的特点; 5 V- h$ v. S+ P; {8 U# `) d D
● 信息量大,具有手段多、技术先进的特点; 4 A' I2 `# H9 D7 D( h! U! |0 n" [5 q. U
● 获取信息快,更新周期短,具有动态监测的特点;
, P/ q2 O' q7 r4 C' I0 q4 A+ _ ● 用途广、效益高。[3] 5 @! ~9 s+ w/ `6 }! W- `1 K/ y
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。
; r0 ^# U' g1 C% j+ a2 |: L 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。
+ T3 e; P5 O+ r5 b- t( ~; R 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 y; A/ b# I1 ~8 i& }# F
1. 原始高分辨率遥感图像难以获取。 : [. X+ w3 H9 H! L3 I+ M- {! c
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。 1 W* r. k0 e$ ^# L) ]
2. 遥感图像较自然图像,细节丢失更为严重。 , q4 P) h+ e* ?
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。
2 y3 Z7 p/ W, \" H9 v 3. 遥感图像场景内容差异较大。 ' h2 i7 }1 {/ P9 p
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。
8 X# f4 f1 _, s$ l6 s 4. 遥感图像同一场景下,目标物空间大小差异较大。
( {0 b" ~$ x; x0 g 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。
0 f. [, q8 ^$ B; \+ M# Z 那目前遥感领域常见的任务类型有哪些呢? # S' e: \& w+ _/ |' p" d R
04 基于深度学习的遥感信息提取的任务类型
. j( Z8 F- `, N; m& O$ V' p 1. 遥感图像的目标检测
1 B9 R0 @. g. `) C ^& k8 Q( d 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。 * x, c6 A$ c6 z# Q4 E* h1 Q
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。
4 z. r% l/ V/ V 2. 遥感地物分割
3 z0 L, Y+ B' W& ] 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。
5 K+ m. F) B) o1 {$ e! t% R 3. 遥感变化检测
0 _( _& Q4 x' w9 t+ w) Y 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 。
3 l+ r, R, e# A) D* @ 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?
% \5 V& e8 B) L* H% a+ } 05 f: u4 e; R5 P* s! y, \) ^
遥感数据的应用方向
4 b) p2 P7 R; j8 H$ W$ { 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; 2 l4 X3 N2 ~: v$ |; R' x
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。
5 T( j8 i0 G! C, \- S! B 06
4 y3 G$ ]" ]0 H, K; c- Z5 {. C4 S 遥感数据集资源 1 j7 O" l( p* y4 N( X& f
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!
2 K; T I/ s3 N' l( t · DOTA V2.0
0 S' H6 n# K" T0 \( c/ @0 q" F https://opendatalab.com/91 ( I# @& }( ~% o3 {
· DOTA V1.5 / o# \/ ]. \+ g4 t8 t8 P: A
https://opendatalab.com/90
# J8 G6 d |% r · DOTA V1.0 : ^! X2 X$ D5 f5 H7 @4 B. F
https://opendatalab.com/89
1 U0 ?5 l9 P8 T, _ · UCAS-AOD
. M7 C( u% p$ @ https://opendatalab.com/102 0 ~4 `* G" u( l A$ Y
· xBD : ]0 G* N8 c; l
https://opendatalab.com/94
% e* n/ \: z Z 参考资料:
6 `2 a, w6 P! S2 o [1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
3 p* j9 ~% _, c. P- b) ] [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.
, I( |9 M+ [+ S( u [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:
5 `4 W4 ~& L! G; h
7 i' P- m# T% V7 Z! k 点下方可免费获取地信遥感考研资料
; R! x0 p! [ S: s/ N( c) t7 t
" j# l$ |8 W7 ^$ K$ h2 `/ I- K4 x
7 n7 B. Y7 i" ]9 ]" |& }! _2 N* {1 h' s . ?1 [' M6 `4 [- M3 {
广告 ( [5 k0 O1 { M" o$ w
. J6 ]& b0 G& X D% S; |
/ }. m5 {- K" N$ D$ ?, E! h* [ 点我可免费咨询3 a8 v7 M2 j4 U
可获取免费资料 / H$ H. D, W" R1 O
1 f, ^, b4 ^4 c: Z3 n* S + p2 ^( w8 o; l; m8 \! M2 C
, T" E1 L7 F& q ^3 ]) k2 p/ _& @& u
5 N7 { C m0 x 1 F1 E" [* X7 D& m
8 b O% p2 U5 l6 Z) J9 J
7 k! h7 z! u* I* ^4 a# Z: }+ G E. {* D, L
* J4 Y! {7 J, ~6 Z& b8 D! \ |