海岸带遥感智能解译样本库建设及应用关键技术研究.pptx

P1

海岸带遥感智能解译样本库建设及应用关键技术研究

2024年6月26日

01研究背景

02研究难点

03技术探索

04成果应用

05下步展望

汇报提纲：

P2

01

研究背景

P3

人工智能萌芽持续发展浅层学习模型兴起工业界应用出现新浪潮飞速发展

人工智能的发展

人工智能、机器学习、深度学习之间关系

AI知识图谱

P4

多光谱高光谱SAR红外

深度学习在遥感影像分析中应用广泛，如要素提取与分类、目标识别、变化监测。

遥感影像数据复杂多样，通过引入深度学习技术极大提升对遥感数据的自动化处理与分析能力。

深度学习在遥感领域的应用

!

!

要素提取与分类

变化监测

目标识别

P5

二十大报告，发展海洋经济，保护海洋生态环境，加快建设海洋强国。

2018年7月，《国务院关于加强滨海湿地保护严格管控围填海的通知》，建立动态监测系统。

2021年12月，《生态保护和修复支撑体系重大工程建设规划（2021-2035）》，全覆盖、全要素动态实时监管。

2023年8月，《自然资源部关于加快测绘地理信息事业转型升级更好支撑高质量发展的意见》发布，明确提出大力推进智能化测绘技术体系建设。

2023年9月，自然资源部年度重点工作推进会，强调推进海洋强国建设，加强围填海管控，规范养殖、光伏、风电等行业用海。

……

海岸带遥感智能解译政策需求

P6

•国产陆地观测卫星：中巴、实践、资源、测绘、高分等8大系列；

•国产海洋观测卫星：海洋1号、海洋2号、中法海洋卫星等；

具备了了开展海岸帶智能解译样本

库建设的数据墓础与条件

卫星海洋监测能力的发展

P7

P8

大规模样本库是海岸带遥感智能解译的数据驱动，目前开源的样本数据集大都针对陆地解译需求，缺乏海岸带专用遥感智能解译样本数据库

遥感样本库建设发展

场景分类目标检测

02

研究难点

P9

视角等不同，缺乏样本，

样本格式不统一

通用网络难以适用于遥感影像

通用图像

深度学习模型幅面小

遥感图像

幅面大

遥感影像的特殊性

深度学习框架

yicrcr

P10

海岸带区域特殊性

海岸带监测难点

P11

海岸带要素往往没有人类干预，

其形状不规则、边界模糊。

海岸带要素混杂大量水体信息，

同一地物的特征多变。

海岸带要素以上特征导致要素

特征不显著，产生大量伪变化。

海岸带要素特殊性

陆地，特征一致海岸带，特征多变

伪变化

真变化

P12

03

技术探索

P13

数据库系统软件

基础模型选择

引入注意力机制等技术进行模型优化

训练策略制定

最优模型生成

模型定性及定量精度验证

模型推理与集成

模型应用与更新

影像预处理

样本分类体系

半自动化样本标注

样本清洗与增强

算法模型

!

应用示范

训练

样本库构建

标准规范

指导

P14

多源影像数据处理与海岸带空间约束

多源影像融合

类型干旱、非水

性表面

水体

中度干旱区、水面

NDWI-1~0.3-0.3~0

洪水

0~0.2

0.2

P15

P16

样本集类型

目标检测样本

语义分割样本

变化检测样本

样本集描述

定位一个或多个感兴趣的特定地物，并识别预测地物相应的类别。主要包括目标影像、目标定位框坐标数据、目标分类信息。

将遥感影像中的每个像素与预先定义的要素类别关联起来。包含影像数据以及对应逐像素分类的栅格分类信息数据。

定位及识别同一地理位置处多时态间的变化信息。需要前后两个时相的影像，并且基于统一分类体系对标签影像的图斑属性进行标注。

监测内容及要素监测海岸带区域风力发电车等要素，监测位置。

监测红树林、护花米草、围海养殖、浮筏等要素，主要监测面积、类型、位置等

监测填海造地、围割海域等变化，主要检测面积、类型、位置等。

参考《国土空间调查、规划、用途管制分类指南（试行）》，