| huozm32831 |
2021-05-22 18:51 |
只有充分了解高分辨率遥感影像的直接应用难度，才能为人工智能与遥感的结合，构建合理的想像。
以下是高分遥感应用难度
难度1. 数据大
高分遥感影像的分辨率越大，其数据就越大。
30米分辨率指的是遥感影像上每一个像素对应的地物是30米x30米。比如地面120米 x 120米的地块，在分辨率为30米的卫星影像图上是16个像元，但是在3米x 3米的卫星影像上就是1600个像元，到了30厘米 x 30厘米的卫星影像图中则变成了160000个像元。
分辨率越高记录的数据信息越详细，不仅仅是像元随着高分影像增大，其每个像元的信息复杂性也在增加，因此高分遥感影像分辨率的提高和其更低分辨率影像之间的文件大小不是线性关系。
难度2. 分析难
分辨率越高，信息量越大，数据提取就越难。
同一个地点，高分辨率遥感影像随着分辨率越高获取的地面数据越多，信息越复杂，就越难提取有用的信息。
如果在一二十年前用Landsat卫星影像（30米分辨率）做一个县市级别的土地利用分类工作，直接把数据导入地理信息和图像解译工作平台（ERDAS，EDVI和ArcGIS等等）大概都可以作出个产品来。但是如果卫星影像分辨率达到了30厘米(相当于30m分辨率高出100倍的精度)：30米分辨率时只能看到大概的形状，30厘米就可以看到路上行驶的车辆了——遥感影像分辨率越高，精度越高，可以观察到的地物就越多，那么在众多繁杂的信息中分辨出有用信息的难度就越大。
普通影像处理软件处理分辨率越高的影像就越困难，此时人工智能的作用就凸显了。高性能超级计算机，可以不知疲倦地实时处理人工和普通影像处理软件无法完成的工作。
Digital GlobeWorldView-3影像两个分辨率对比图，左图是分辨率为1.24米（文件大小为1.7M），右图分辨率是0.31米（图片大小是10.2M）
难度3. 可用性不确定
解译数据的可用性。
这时，可能会有遥感专业的同事说，信息量大，正是高分辨率遥感的魅力所在。这话是没有错的。
下面咱们还要讲怎么使用人工智能遥感从高分辨率遥感影像中提取有用的信息。但是在实现这一步之前，有一个不可忽视的细节难度——分辨率越高的影像解译和提取的信息越多，处理不好，反倒可能使得结果没办法用。
我们从高分辨率影像中提取的数据，最终目的是希望可以放在地图上，供专业人士或者普通市民使用。基本上很多计算机视觉里面使用到机器学习和深度学习（比如图像分割、对象检测和图像分类）都可以在高分辨率遥感中应用。
无人驾驶汽车使用的机器学习算法是图像分割，即该车在街道上行驶时不断的拍照和解读，哪里是道路、道路边界、行道树和行人。从高分辨率遥感解译信息其实也是这么一回事，从图像分割中知道哪里是楼房、道路、桥梁、树林、机场等等。
和一般计算机视觉不同的是，高分遥感提取的数据需要放在地图上，就是说这数据不仅要在机器学习（人工智能）模型中达到好的精度，还要有准确的地理信息（比如经纬度等等）——这最终才有可用性。
比如咱们用图像分割中解译出来的道路在地图上向右平移了5米，或者解译出来的楼房缺了三分之一等等。那么数据要用到现实生活，如导航或者计算建筑面积，就没啥用了。
难度4.其他
高分辨率遥感影像本身特点带来的问题。
除了以上高分辨率遥感影像文件大、信息复杂、信息提取难度高、以及人工智能模型结果的可用性不确定等因素之外，高分辨率遥感影像本身还存在以下问题：
①云层覆盖。大家抬眼看天空，云层千变万化。不同的季节和地区云层覆盖不一。一旦卫星影像研究区域的云覆盖率到了10%以上就很难从中提取好的数据。当然这个问题在商业小卫星覆盖率高的地区，卫星可以在短时间内重复性的访问一个地点，或者在天气晴朗的时候使用无人机获取数据等，是可以解决这个问题的。
②时空分辨率的取舍。空间分辨率，是到目前一直强调的高分辨率。而时间分辨率指的是遥感影像以多高的频率获取，比如是一天拍一次上海，还是一个月一次，还是一年一次。
高分辨率卫星影像不仅仅处理和解译难，获取的费用也是不菲的。因此没有长期的研究、资金支持和投入，没有市场需求，同时开发的高分遥感产品不能在时间或空间分辨率中占得优势的话，企业很难在市场上存活。比如美国Digital Globe，它的卫星影像是根据客户需要去采集数据，它最好的数据产品WorldView-3和4的分辨率可达0.31米。Planet Lab的商业模式则不同，它是通过提高时间分辨率但（部分）放弃空间分辨率（他们的最高分辨率的卫星影像产品是1米空间分辨率），以实现每周生成覆盖全球的遥感影像。当然，Planet同时也在提高卫星影像的空间分辨率来抢占市场。
③波段多，难以取舍。和计算机视觉的机器学习、人工智能模型中大部分只是用红绿蓝三个色相通道（就是普通的照片）不同，高分辨率遥感影像可以有十几到上百个波段，不同的地物解译和图像分割可选取不通的波段组合。但是选择多了也很痛苦，因为目前高分率波段组合和选择在机器学习（人工智能）上的应用还没有足够积累。
算法适配
基于AI高分辨率遥感影像解译需要根据不同的应用行业对算法进行适配，同时要对大量数据进行广泛的训练。 |
|