张峰-海岸带遥感智能解译样本库建设及应用关键技术研究.pdf

《张峰-海岸带遥感智能解译样本库建设及应用关键技术研究.pdf》由会员分享，可在线阅读，更多相关《张峰-海岸带遥感智能解译样本库建设及应用关键技术研究.pdf（30页珍藏版）》请在三个皮匠报告上搜索。

1、P1张峰 赵彬如国家海洋信息中心2024年6月26日 北京海岸带遥感智能解译样本库建设及应用关键技术研究P2P201 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：P3P3研究背景01P4人工智能的发展AI知识图谱人工智能机器学习深度学习人工智能、机器学习、深度学习之间关系50年代60-80年代 90-2000年代 20052011-2016今天.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P5深度学习在遥感领域的应用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。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

2、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。高光谱多光谱SAR红外P6海岸带遥感智能解译政策需求水深探测 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

3、、风电等行业用海。围填海监管生态监测P7卫星海洋监测能力的发展国产陆地观测卫星：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；P8遥感样本库建设发展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光学遥感样本SAR样本常用的开源样本开源样本发展情况场景分类目标检测地物分类变化检测P9P9研究难点02P10遥感影像的特殊性 深度学习模型 深度学习框架通用图像幅面小类型少尺度有限光谱通道少遥感图像幅面大类型多多尺度多/高光谱视角等不同，缺乏样本，样本格式不统一通用网络难以适用于

4、遥感影像P11海岸带区域特殊性海岸带监测难点P12海岸带要素特殊性 海岸带要素往往没有人类干预，其形状不规则、边界模糊。海岸带要素以上特征导致要素特征不显著，产生大量伪变化。真变化伪变化 海岸带要素混杂大量水体信息，同一地物的特征多变。陆地，特征一致海岸带，特征多变P13P13技术探索03P14应用示范数据库系统软件标准规范算法模型指 导训 练样本库构建模型构建模型应用 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P15多源影像数据处理与海岸带空间约

5、束影像筛选及预处理多源影像融合海岸带区域空间约束影像筛选及预处理类型干旱、非水性表面中度干旱区、水面洪水水体NDWI-10.3-0.3000.20.2影像融合策略空间约束P16样本库建设-样本分类体系与解译标志样本集类型样本集描述监测内容及要素目标检测样本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。监测海岸带区域风力发电车等要素，监测位置。语义分割样本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。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、位置等变化检测

6、样本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），对海岸带用海类型进一步细分分类体系建设样本标注样本实地踏勘样本增强质量控制整合入库P17样本库建设-基于SAM的样本标注待标注影像区域输入先验点SAM分割标注矢量边缘细节分类体系建设样本标注样本实地踏勘样本增强质量控制整合入库P18样本库建设-实地踏勘部分外业调查点位无人机影像红树林现场照