遥感成像技术及智能解译难点

遥感成像原理

如下图是一幅由高分二号拍摄的0.8m分辨率的鸟巢的遥感影像，那么遥感影像是如何成像的呢。

如下图所示，遥感影像是太阳光经过大气层照射到地表，被地表物体反射再经过大气层由卫星上的传感器捕捉到成像的。由于其成像路径十分长，需要经过复杂的前处理才有较好的成像效果。

遥感前处理主要分为5级：辐射较正、几何粗校正、地理坐标精校正、正射校正、融合镶嵌匀色。下面分别来讲。

辐射较正：建立成像传感器输入信号（光照）和输出信号（像素亮度）之间的关系。去除传感器本身的误差（传感器校正）、大气对辐射的影响（大气校正）、地形对辐射的影响（地形校正）。校正效果如下图所示。

几何粗校正：消除相邻影像因成像日期不同，飞行器姿态、高度、地形等因素造成的几何形变。

地理坐标精校正：基于地图和控制点做地理精校正。需要精度高的底图和控制点数据。

正射校正：对影像同时进行倾斜改正和投影差改正，将影像重采样成正射影像。需要高程数据。

融合镶嵌匀色：融合是指将不同卫星的全色波段和多光谱波段进行匹配融合形成一张影像。镶嵌是指将具有地理参考的若干相邻图像合并成一副图像。匀色是说去除镶嵌图像的色差。可以使用的方法包括真彩色合成，1A/1B配准，融合，基于直方图匹配的匀色处理方法以及基于Wallis滤波器的匀色处理方法等。目前精度不高，匀色70%需要靠人工。

经过以上前处理步骤后，就可以得到图1所示的遥感正射影像了。

目前遥感成像的技术趋势是从2d到3d，使用更丰富的传感器，获得更高的光谱分辨率、时间分辨率、空间分辨率。

遥感智能解译难点

目前遥感解译的主要难点体现在模型难以泛化上。这个泛化有几个层次：

1. 不同区域难泛化：如山区与城区建筑外观、布局差异大

2. 不同季节难泛化：如不同季节的植被、水域外观差别大，水稻种下前跟水塘毫无区别，秋冬落叶后和春夏茂密的林地差异也很大。

3. 不同卫星和分辨率难泛化：不同卫星具有成像差异、分辨率差异等

那么如何解决这些泛化难题呢。可以尝试图像预处理的直方图匹配、使用海量数据的自监督预训练模型、针对不同数据集的半监督学习等等方法，我们有一些探索的工作，有机会再详细介绍。