《大数据》编辑推荐 | 基于遥感大数据的信息提取技术综述

主题词

遥感大数据；目标识别；地物分割；变化检测

02

遥感地物分割

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，一般分为遥感图像边缘检测分割、遥感图像区域分割、遥感图像混合分割及神经网络遥感图像分割。

（1）遥感图像边缘检测分割方法是早期的主流方法之一，且至今其仍然是非常重要的方法。其首先识别边缘，然后使用轮廓算法关闭它们。目前有很多算法可以用来识别目标的边缘，进而捕捉图像目标的几何和物理特征。然而，边缘分割的最常见问题是在没有边界的地方出现了边缘以及在实际存在边界的地方没有出现边缘，这些由图像噪声或图像中的不良信息造成的干扰会影响分割的精度。

（2）遥感图像区域分割方法通过利用图像中同一区域的均匀性来识别不同的区域，从而进行分割，与边缘检测分割方法一样，其同样属于早期的分割方法大类之一。图像区域分割可能产生与图像边缘检测分割截然不同的结果，其假设同一区域内的相邻像素具有相似的值。该类方法计算简单，适用于小目标结构，但其对噪声敏感，经常导致抽取的区域有空洞，并且不同的合并顺序也会出现不同的合并结果。

（3）遥感图像混合分割方法是指将边缘检测与区域分裂合并相结合的多区域图像分割方法，该方法可以克服基于边缘和基于区域的方法的局限性，使多区域分割后的图像边缘更加清晰。其基本思想是用边缘检测算子与分裂合并法分别对同一幅图像进行分割，然后应用信息融合技术将经过上述处理后的两幅图像融合，得到新的图像。

（4）随着机器学习在遥感领域中取得了重大的突破，神经网络遥感图像分割方法成为近几年的主流方法之一。

04

问题与展望

遥感信息提取技术在自然资源管理、国防安全、生态保护等方面有重要意义。本文总结了遥感目标检测、遥感地物分割、遥感变化检测这三大研究热点的发展情况。尽管当前基于遥感大数据的遥感信息提取技术已经取得了比较丰硕的成果，然而面对人们日益增长的应用需求，依旧存在诸多挑战，具体如下。

（1）在目前的遥感图像分割过程中，用得较多的是传统的模式识别方法，其结果由于遥感图像本身的分辨率限制以及同物异谱、异物同谱现象的存在，往往出现较多的错误和遗漏现象。由于遥感图像数据的复杂性，更深入的遥感分割算法还有待研究。

（2）针对不同类型的遥感数据，需要有效结合其特点加以利用，探索适合各种数据类型的遥感图像分割算法，以达到更高的精度。

（3）当前基于高光谱分辨率的影像变化检测方法还未建立起多时相影像中端元的光谱相关性，也没有出现多时相光谱混合模型。

更多技术细节请阅读原文：

http://www.infocomm-journal.com/bdr/CN/10.11959/j.issn.2096-0271.2022014

联系我们:

Tel:010-81055448

       010-81055490

       010-81055534

E-mail:bdr@bjxintong.com.cn 

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

转载、合作：010-81055307

大数据期刊

《大数据（Big Data Research，BDR）》双月刊是由中华人民共和国工业和信息化部主管，人民邮电出版社主办，中国计算机学会大数据专家委员会学术指导，北京信通传媒有限责任公司出版的期刊，已成功入选中国科技核心期刊、中国计算机学会会刊、中国计算机学会推荐中文科技期刊，以及信息通信领域高质量科技期刊分级目录、计算领域高质量科技期刊分级目录，并多次被评为国家哲学社会科学文献中心学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊。

关注《大数据》期刊微信公众号，获取更多内容

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览33897 人正在系统学习中

来源：唐名威