遙感圖像處理中的深度學習專題 《中國科學:信息科學》英文版

2020-12-14 騰訊網

SCIENCE CHINA

InformationSciences

Vol. 63 Number 4

專題簡介

深度學習是一種非常適用於大數據應用的新興技術. 在對地觀測領域, 由大量在軌衛星獲取的海量遙感數據, 使其成為數據驅動應用的典範. 過去幾年來, 遙感圖像處理相關的深度學習研究快速增長, 包括高光譜遙感圖像、合成孔徑雷達(SAR)圖像等處理、分類、參數反演及目標檢測識別. 除了遙感數據的高解析度、高維度和大尺寸之外, 該領域還存在一些特殊的挑戰, 如不同傳感器及其不同工作模式的複雜性和特殊性, 隱含在遙感數據中的獨特物理屬性, 信息反演的物理原理等. 為了促進這一領域的研究,SCIENCE CHINA Information Sciences在2020年63卷第4期組織出版了「Special Focus on Deep Learning in Remote Sensing Image Processing"(遙感圖像處理中的深度學習專題), 介紹了相關研究進展. 專題共收錄了7篇文章.

高空間解析度和高時間解析度是遙感圖像不可兼得的一對矛盾, 時空融合技術將高時間解析度、低空間解析度的數據和高空間解析度、低時間解析度的數據融合, 得到高時空解析度的圖像. Li等人的評述「Spatio-temporal fusion for remote sensing data: an overview and new benchmark"提供了一組標準數據集, 並回顧了該領域的部分代表性技術, 對比了它們在標準數據集上的性能.

Li等人的論文「A new sensor bias-driven spatio-temporal fusion model based on convolutional neural networks"提出了一種針對不同傳感器之間的空時融合方法, 解決傳統方法中不同傳感器之間的光譜和空間失真問題.

深度學習在SAR遙感領域應用的一個主要制約因素在於訓練樣本少, Hou等人的論文「FUSAR-Ship: building a high-resolution SAR-AIS matchup dataset of Gaofen-3 for ship detection and recognition"構建了我國高分三號雷達衛星的船隻檢測與識別FUSAR-Ship數據集, 採用126景高解析度高分三號SAR圖像與對應的船隻自動識別系統AIS真值數據進行匹配, 獲得6000多張帶船隻信息標註的SAR圖像切片數據集, 可為SAR船隻檢測識別算法的研究提供測試驗證數據.

雷達遙感還促進了大尺度動物遷飛監測等生態研究. Cui等人論文的「Deep-learning-based extraction of the animal migration patterns from weather radar images"採用卷積神經網絡對天氣雷達數據進行分類和分割以提取生物信息, 通過對大量天氣雷達數據的分析, 部分揭示了空中生物遷飛強度和速度等生態規律.

He等人的論文「Hybrid first and second order attention Unet for building segmentation in remote sensing images"研究了光學遙感影像中建築物與分割的問題, 提出了混合一階二階注意的卷積網絡方法, 能利用不同通道之間的內積特徵, 並在三組測試數據集上進行了性能驗證.

高光譜圖像樣本不足的問題限制了高光譜圖像分類的效果. Liu等人的論文「Cascade conditional generative adversarial nets for spatial-spectral hyperspectral sample generation"提出了一種級聯網絡C2GAN，從高光譜圖像中生成包含詳細空間光譜信息的樣本, 以補充訓練樣本。

衛星視頻處理是一個新興課題, Gu等人的論文「Deep feature extraction and motion representation for satellite video scene classification" 提出一種兩階段衛星視頻分類方法, 分別提取圖像空域特徵和目標時域運動特徵, 將兩者融合在吉林一號等衛星視頻數據中以實現8種場景的分類.

相關焦點

  • 遙感圖像處理中的深度學習專題 |《中國科學:信息科學》英文版
    在對地觀測領域, 由大量在軌衛星獲取的海量遙感數據, 使其成為數據驅動應用的典範. 過去幾年來, 遙感圖像處理相關的深度學習研究快速增長, 包括高光譜遙感圖像、合成孔徑雷達(SAR)圖像等處理、分類、參數反演及目標檢測識別.
  • 遙感圖像處理與分析系統
    圖1GeoImager系統界面　　新型遙感成像傳感器的出現，迫切需要新的遙感信息處理手段。在國家863計劃等的支持下，國內相關研究單位開發了多套通用遙感圖像處理系統和專題遙感信息提取系統。先後在國土資源部第一次資源大調查、我國自主發射衛星的地面預處理系統以及我軍有關遙感應用單位進行了大規模的工程化應用，取得了良好的經濟效益。　　（2）遙感圖像處理系統ImageInfo　　ImageInfo系統由中國測繪科學研究院研製開發的一套具有自主智慧財產權的定量化、智能化遙感數據處理軟體，目前已經發展到了第三個版本ImageInfo3.0。
  • IEEE follow機器學習遙感圖像處理課程講義及Matlab代碼分享
    、機器學習和圖像處理課程資料學的學習與分享。這些課程與他的研究密切相關，課程適合大學(遙感、電子工程和神經科學碩士)，以及視覺科學(IOBA)博士和碩士課程和計算機視覺碩士課程。他是約200篇期刊論文，200餘篇會議論文，20篇國際書籍章節的作者，並且是有關內核方法和深度學習的4本書的編輯。他擁有Hirsch的指數h = 60，在2011年進入了ISI的「高被引科學家」名單，湯姆森路透社《科學觀察》將他的一篇關於基於核的高光譜圖像分析論文確定為快速移動前沿研究。
  • 【推薦】基於MATLAB編程、機器學習、深度學習在圖像處理中的實踐技術應用
    >Matlab科研經驗分享與科研工具推薦深度學習在遙感地物分類、目標識別和圖像分割技巧總結尤其是在計算機視覺和圖像處理領域，各種顛覆性的成果應運而生。因此，為了幫助廣大科研人員更加系統地學習圖像處理、機器學習和深度學習的基礎理論知識及對應的代碼實現方法，Ai尚研修特舉辦「MATLAB圖像處理與機器學習技術應用培訓班」 培訓班，旨在幫助學員掌握圖像處理的基礎知識，以及經典機器學習算法和最新的深度神經網絡、遷移學習、對抗生成網絡等算法的基本原理及其MATLAB編程實現方法。
  • 基於三元組語義關係學習的遙感圖像變化檢測
    本文主要介紹一種基於三元組語義關係學習的深度學習遙感圖像變化檢測算法。本項工作由賽博智能團隊的張夢雅提出，相關論文已於2018年發表於IEEE Geoscience and Remote Sensing Letters。
  • 《中國科學:數學》英文版
    生物數學是研究生物學中數量關係與空間結構的科學，是近現代應用數學中有著重大進展和發展潛力的領域，《中國科學：數學》編委會曾於2016年8月召開以生物數學為主題的高端學術論壇。
  • 信息"從無到有":光學遙感圖像超解析度技術研究
    「一張圖勝過千言萬語」，圖像作為獲取信息最直接途徑，對其所承載信息量的提升一直是人類的不懈追求，從近年來高解析度圖像的不斷更新發展中可見一斑。但在很多領域如遙感、醫療、安防等，圖像解析度的提升往往受到成像傳感器的硬體成本、製造工藝和信息傳輸條件的限制。
  • 中山大學測繪科學與技術學院遙感圖像處理軟體採購項目公開招標公告
    中山大學測繪科學與技術學院遙感圖像處理軟體採購項目公開招標公告 公告信息： 採購項目名稱 中山大學測繪科學與技術學院遙感圖像處理軟體採購項目 品目 貨物/通用設備/計算機設備及軟體/計算機軟體/應用軟體/行業應用軟體 採購單位
  • JGGS主編龔健雅院士團隊遙感專用深度學習框架研發實習生招募
    武漢大學龔健雅院士與胡翔雲教授帶領的遙感人工智慧解譯處理團隊，擬招聘項目實習生，歡迎有計算機科學、數學、電子信息、攝影測量與遙感、地理信息系統等相關專業背景的人員申請。此外，團隊研發了新一代遙感影像智能協同標繪系統iEasyFeature，並先後在國家自然科學基金委「遙感影像稀疏表徵與智能分析」、IEEE變化檢測競賽中獲得優異成績，相關成果已成功應用於國土資源調查，全球測圖、國家土地「三調」等國家重大工程項目，顯著提升了生產效率，成果獲得 2020 年中國地理信息科技進步特等獎。
  • 深度學習在圖像處理中的應用趨勢及常見技巧
    目前為止，圖像處理已成為深度學習中重要的研究領域，幾乎所有的深度學習框架都支持圖像處理工具。當前深度學習在圖像處理領域的應用可分為三方面:圖像處理(基本圖像變換)、圖像識別(以神經網絡為主流的圖像特徵提取)和圖像生成(以神經風格遷移為代表)。本文第一部分介紹深度學習中圖像處理的常用技巧，第二部分淺析深度學習中圖像處理的主流應用，最後對本文內容進行簡要總結。
  • 開拓遙感圖像新領域 大華股份AI喜獲殊榮
    近日，在第三屆遙感圖像稀疏表徵與智能分析競賽中，大華股份自主開發的遙感圖像目標跟蹤算法，獲得了目標跟蹤精度排行榜第一的好成績1，2。大華從2000多個AI公司及頂尖的學術研究團隊中脫穎而出，取得標誌性突破，彰顯了公司在遙感圖像等前沿技術領域開拓的創新能力。
  • 在圖像處理中應用深度學習技術
    利用卷積神經網絡(Convolutional Neural Network, CNN) 等深層神經網絡的解決方案，可以逐漸取代基於算法說明的傳統圖像處理工作。儘管圖像預處理、後期處理和信號處理仍採用現有方法進行，但在圖像分類應用中（缺陷、對象以及特徵分類），深度學習變得愈加重要。利用深度學習處理某些任務更簡單，效果更好，甚至某些任務只能用深度學習方法來解決。
  • ...綜合應用服務、光電技術及視頻圖像處理、遙感地理信息應用等領域
    有效整合高端器件、整機以及北鬥運營領域的技術和產品優勢，促進北鬥與雲計算、物聯網、網際網路、衛星網際網路和大數據等領域的深度融合，推動北鬥在大眾消費、智慧生活、快樂生活、智慧城市等領域的深度應用。請問目前的發展進度如何？謝謝！公司回答表示，感謝你的關注。
  • 《測繪學報(英文版)》(JGGS)專刊徵稿:LiDAR數據處理
    同濟大學學術委員會委員，測繪與地理信息學院院長。國家傑出青年科學基金獲得者、教育部長江學者特聘教授、萬人計劃中青年科技創新領軍人才、新世紀百千萬人才工程國家級人選等。「航天重大工程的遙感空間信息可信度理論與關鍵技術」項目獲得國家科學技術進步一等獎（排名第一），應用於嫦娥探月、測繪衛星、高分衛星以及國土資源調查等。楊必勝，武漢大學教授、博士生導師 。
  • 分支機構 |《測繪學報(英文版)》(JGGS)專刊徵稿:LiDAR數據處理
    同濟大學學術委員會委員，測繪與地理信息學院院長。國家傑出青年科學基金獲得者、教育部長江學者特聘教授、萬人計劃中青年科技創新領軍人才、新世紀百千萬人才工程國家級人選等。「航天重大工程的遙感空間信息可信度理論與關鍵技術」項目獲得國家科學技術進步一等獎（排名第一），應用於嫦娥探月、測繪衛星、高分衛星以及國土資源調查等。
  • 圖像處理應用中深度學習的重要性分析
    圖像處理應用中深度學習的重要性分析 act視覺系統設計 發表於 2020-12-13 11:24:53 作者：Martin Cassel，Silicon Software
  • 「圖圖Seminar」直播 | 遙感圖像智能分析:方法與應用
    隨著對地觀測、計算機和人工智慧等技術的發展，遙感大數據時代已經到來。如何將AI技術賦能遙感，實現遙感圖像高效、精準的處理和分析，催生新的遙感落地應用，已受到越來越多的關注。　　本期「圖圖Seminar」邀請中國科學院空天信息創新研究院孫顯研究員帶來報告《遙感圖像智能分析：方法與應用》，報告精彩看點：　　　　點擊圖片，了解大賽詳情　　本次直播將首次公開介紹第四屆高分遙感圖像智能解譯大賽的詳細賽程與規則，以及 即將上線的
  • 《測繪學報（英文版）》（JGGS）專刊徵稿：LiDAR數據處理
    同濟大學學術委員會委員，測繪與地理信息學院院長。國家傑出青年科學基金獲得者、教育部長江學者特聘教授、萬人計劃中青年科技創新領軍人才、新世紀百千萬人才工程國家級人選等。「航天重大工程的遙感空間信息可信度理論與關鍵技術」項目獲得國家科學技術進步一等獎（排名第一），應用於嫦娥探月、測繪衛星、高分衛星以及國土資源調查等。
  • 關於舉辦第三屆「航天宏圖杯」PIE遙感圖像處理軟體二次開發大賽的...
    可快速關注我們中 國 測 繪 學 會 文 件測學發〔2020〕13號關於舉辦第三屆「航天宏圖杯」PIE遙感圖像處理軟體二次開發大賽的通知各有關單位：為進一步激發廣大青年科技工作者和在校師生的創新創業熱情
  • 圖像分割中的深度學習:U-Net 體系結構
    一般說來，分割（https://www.fritz.ai/image-segmentation/）是將一幅圖像分割為若干個部分的過程，這種圖像處理過程可以得到圖像中的目標或者紋理，常常被用於遙感影像或者腫瘤的檢測應用中。