知识引导的遥感智能解译丨观天测地

编者按：从古至今，人类从未停止过探索未知世界的脚步，认知世界的能力和手段与日俱增。中科院之声与中国科学院空天信息创新研究院联合开设“观天测地”专栏，为大家介绍天上地上探索的那些事儿，带来空天信息领域最新进展，普及科学知识。

遥感，顾名思义，遥远的感知。遥感有很多类型，其中光学遥感可以直观反映地球表面地貌（高山平原等）和地物（房屋道路等）的分布和状态。从遥感图像中获取地貌地物要素当前状态及时间变化信息的过程即为遥感图像解译。遥感图像解译经历了人工目视解译阶段、人机交互解译阶段的发展，目前已进入到人工智能解译的新阶段。

遥感智能解译现状与挑战

当前，遥感智能解译主要引入计算机视觉领域的智能模型用于影像分类、变化检测、目标检测等遥感应用。与计算机视觉的医学图像、自然图像等相比，遥感图像通道更多、图像内容更复杂，且自然资源调查监测等遥感应用领域与计算机视觉应用领域也存在显著差异，使得计算机视觉通用模型必须结合应用领域特点改造后才可用于遥感智能解译。

空天信息创新研究院国家遥感应用工程技术研究中心长期围绕人工智能行业落地开展应用研究，开发全新一代智能遥感分析（Intelligent Remote Sensing Analysis, IRSA）系统（以下简称“IRSA系统”）。

IRSA系统起源于1977年开始研发的遥感图像处理软件，在历经IRSA-1（扫描图像）、IRSA-2（数字图像）、IRSA-3（微机）、IRSA-4/5/6（工作站）、IRSA-7（云计算）等版本的架构升级和技术融合后，在今年迎来了突破性升级，功能重点由遥感图像基础处理转移至遥感图像智能解译，通过深度学习与业务历史成果、专家知识规则、应用部署模式的深度融合，实现了知识引导下的遥感智能解译，可在分辨率0.5米至30米的光学遥感影像中提取地类要素和地物目标，并在自然资源调查监测、国防安全等领域实现了规模化业务应用。

知识模型融合 实现“多、活、精、快”

要做到在精度损失不大的情况下，将计算机视觉模型迁移应用至遥感图像，必须将遥感应用中的历史数据成果、行业专家知识与遥感图像解译进行融合，实现知识引导的遥感智能解译，在知识赋能下可达到样本多、配置活、模型精、部署快的效果，降低遥感智能解译落地应用门槛并提高解译精度。

• 样本制备动态化，实现“样本多”。根据时间—空间—光谱相似性，从历史成果中搜索相似影像制备样本，根据地物遥感特征加入指数（如NDVI）和变换（如PCA），得到量大质优的训练样本。

  
  

• 模型配置组件化，实现“配置活”。将模型架构、骨干网络、代价函数等模型要素进行组件化封装，利用鼠标选择即可构造和训练模型、构建分层分类应用流程，降低深度学习模型行业应用门槛。

  
  

• 通用模型遥感化，实现“模型精”。扩展自然图像预训练模型，使其适应多谱段图像和多模态数据，构建融合要素目标特性、遥感成像机理、地理生态分区的专用化、精细化遥感信息提取模型。

  
  

• 模型调度集成化，实现“部署快”。基于微服务架构实现模型封装、迁移、部署，提高模型调度和集成效率，实现“集中模型训练、分散解译处理、统一成果汇聚”的规模化业务应用模式。

新一代IRSA系统采用数管支持下的前后台人机协同架构，其中AI智能计算后台实现遥感样本制备、智能模型训练，桌面解译前台实现要素分类识别、解译结果后处理和质量检查，实现人机互助的全链路遥感智能解译。

经多个领域规模化业务应用验证

科研人员结合具体应用场景需求将智能模型和专家知识相结合，将知识引导的遥感智能解译应用于影像分类、变化检测、目标检测、时间序列分类，开展了以业务化、规模化为目标的遥感智能解译落地应用尝试，借助海量历史成果和遥感化智能模型，显著提高了遥感图像信息提取的精度和效率。

• 在影像分类方面，面向30米全球地表覆盖数据产品（GlobeLand30）生产需求，科研人员研建全球地表覆盖典型要素自动提取系统，实现了耕地、水体、人造地表、冰川和常年积雪等地类的分层智能提取，提高了GlobeLand30数据的生产效率和产品一致性。

  
  

• 在变化检测方面，利用2米系列多源光学影像开展自然资源变化常态化监测和耕地“非农化”监测，实现新增建设用地等变化信息的高精度提取，模型多次荣获全国性智能解译竞赛第一名。

  
  

• 在目标检测方面，开展了不透水层、高尔夫球场、光伏面板、风电塔架、机场、筏式养殖等地类的专题提取，提取成果形成全国一张图产品，入选《地球大数据支撑可持续发展目标报告（2020）》；

  
  

• 在时间序列分类方面，利用时间序列Sentinel-2影像，开展东北、西南典型区域粮食作物、经济作物细分，助力耕地种植属性遥感监测。

以影像分类为例，科研人员实现了GlobeLand30耕地、水体、人造地表、冰川和常年积雪的智能提取。在样本制备时，基于影像相似性测度自动选择样本影像；在模型构建时，将遥感指数与深度学习融合搭建水体、冰雪提取模型；在模型应用时，将单类要素提取模型嵌入分层分类流程，形成了贴近业务的模型应用策略。遥感智能解译支撑了亚洲19个国家约1200万km2的GlobeLand30数据更新生产。

2022年度GlobeLand30更新生产区域（亚洲19国）

未来，国家遥感应用工程技术研究中心将瞄准国家重大需求，致力于人工智能分析技术与多行业领域深度融合，进一步提升知识引导的智能解译对遥感图像信息提取全链条的技术支撑能力，推动遥感智能解译在更多领域落地应用，为遥感应用支撑国家重大需求提供技术开发服务。

来源：中国科学院空天信息创新研究院

本账号稿件默认开启微信“快捷转载”

转载请注明出处

其他渠道转载请联系 weibo@cashq.ac.cn