遥感图像场景理解与目标识别

参赛方案介绍

参赛技术产品名称:

遥感图像场景理解与目标识别

参赛技术简述:

基于海量遥感图像构建样本库及对目标有效描述的知识库,构建多源遥感大数据存储管理平台,对海量遥感数据及样本库、知识库进行有效存储管理。对遥感图像进行图像去噪、增强等预处理,为进一步的智能处理奠定基础。在此基础上进行遥感图像像素级的场景理解,对遥感图像进行更加精细化的理解。对遥感图像进行逐像素判断,将景物特征相似的像素标记为相同类别,并获得不同地物的区域、位置和类别等信息,并结合影像矢量、POI等数据,实现政治中心、工业区、商业区、居民区等功能区域的识别和智能划分。利用深度学习、迁移学习等机器学习方法进行遥感图像目标识别,实现飞机、船舶等典型地物的识别。利用信息提取与识别结果构建成果库,并对知识库、样本库进行不断更新完善。

主要功能用途:

能够实现政治中心、工业区、商业区、居民区等城市功能区域的智能划分及飞机、船舶等典型地物的识别,为军事情报获取、土地监管、城乡区域快速动态规划等军民融合应用提供支撑。

性能指标参数:

在影像中能够智能划分出的城市功能区域不少于4类,包括政治中心、工业区、商业区、居民区等;

在影像中能够智能识别出的典型地物不少于2大类,包括飞机、船舶等;

功能区识别准确率≥90%;

地物识别准确率≥95%。

核心技术

(1)综合利用MariaDB、MongoDB和HDFS等,构建分布式遥感大数据综合存储管理平台,对栅格数据、矢量数据、文件数据等多类型海量遥感数据进行有效存储和管理,实现数据和计算结合的方式,提高数据处理性能。

(2)基于深度学习进行多源遥感图像场景理解,根据不同的场景数据自适应地学习特征,从而获得更加准确、稳健的地物信息提取结果。并结合影像矢量、POI等数据,实现功能区域的识别和智能划分。

(3)基于深度学习进行目标检测识别,根据不同的检测识别任务来自适应地提取目标特征,从而获得更好的检测效果。基于迁移学习进行只有少量样本的遥感目标检测识别,把其他相关领域中获得的知识进行迁移,使其在少量甚至单个样本前提下依然获得好的检测识别效果。

使用方法:

利用遥感大数据存储管理平台,对海量遥感数据及样本库、知识库进行有效存储管理。利用遥感图像场景样本及目标样本分别对场景理解和目标检测识别的深度学习网络进行训练。使用训练好的场景理解深度学习网络进行像素级场景理解,并结合影像矢量、POI等数据实现功能区域的识别和划分。使用训练好的目标检测识别深度学习网络进行飞机、船舶目标的检测识别。利用功能区域识别划分结果和目标检测识别结果对知识库、样本库进行扩充。

应用领域

在军事应用方面,遥感图像场景理解、目标识别可以缩短获取情报信息周期,进行智能辅助判图等,从而提高军事作战系统的快速作战响应能力;

在民事应用方面,遥感图像场景理解、目标识别对于土地监管、城乡区域快速动态规划等有着非常重要的作用。

应用案例

基于高分、谷歌等遥感影像,利用遥感图像场景理解技术进行土地区域划分。

11.png

原始图像,GF1融合后图像,北京地区

12.png

结果图像,GF1融合后图像,北京地区

13.png

基于高分遥感影像,利用遥感图像目标检测识别技术进行飞机、舰船检测识别。

飞机检测结果

14.png

舰船检测结果

获得成果、专利:

[1] 杨硕,袁鸿翼,虞宇宏,赵敏.高光谱图像亚像素目标仿真及检测研究,第四届高分辨率对地观测学术年会,2017.

[2]杨硕,袁鸿翼,严江江,柳震.高光谱遥感图像智能处理技术研究与探讨, 2018卫星应用技术高端论坛,2018.