基于对立推理理论的高分辨率遥感影像几何结构分析及其应用

Earth observation has entered the era of high-resolution remote sensing. Though high-resolution satellite images bring rich information to targets, they also raise new problems and challenges to the automatic interpretation of images. The intelligent interpretation of high-resolution satellite images is one of the frontier issues in the field of remote sensing. This project targets to the key issues of modeling and analyzing the geometrical and structural information in high-resolution satellite images. First, through the establishment of accurate models for the analysis of geometric structures in high-resolution remote sensing image by using the a-contrario theory, we will develop several adaptive analysis algorithms for the precise extraction of geometrical target primitives, such as key-points, line segments, rectangles etc. Secondly, by investigating the statistical properties of the geometrical primitives of targets in high-resolution satellite images, relying on the marked point process, we will develop a structural texture analysis framework to calculate the spatial relationships between geometric structures in the images, in order to provide efficient features for high-resolution satellite images. The resulted algorithms can be used for.follow-up intelligent interpretation of high-resolution satellite images to improve the ability of information processing at the end of ground, and will provide practical tools for the applications of high-resolution data.

遥感对地观测已经进入高分辨率时代，高分辨率遥感影像在带来丰富的地物目标信息的同时，也对影像的自动解译提出了新的挑战。如何发展以像元几何和结构信息为主的高分辨率遥感影像解译方法，是当前遥感信息处理的研究前沿问题之一。本课题拟从高分辨率遥感影像中结构信息提取的数学模型入手，以对立推理理论(a-contrario theory)为基础，围绕高分辨率遥感影像中结构信息的表达、建模与提取等问题展开研究。首先，通过建立高分辨率遥感影像中点、线、面等几何结构的对立推理模型，发展几何结构信息的自适应分析算法，实现几何结构基元的精确提取；其次，拟采用结构统计的随机场模型，研究高分辨率影像中结构基元的分布特征，发展结构性纹理分析方法，为高分辨率遥感影像提供有效的结构统计描述。本课题将从信息处理模型的角度提高对高分辨率遥感影像结构信息特征的提取和描述的精度，能为高分辨率遥感影像的处理及应用提供理论和算法支持。

针对高分辨率遥感影像的空间几何和结构信息的高效表达和准确提取等重要任务，考虑到高分辨率遥感影像结构的复杂性和地物类型的多样性，项目组利用对立推理理论、机器学习和深度学习等理论和方法，研究和发展了适合于高分辨率影像几何和结构信息分析的模型和算法。主要研究成果包括：.(1). 建立了高分辨率遥感影像几何结构分析的精确模型，提出了点、线、面等基元的自适应分析算法，并将其于遥感影像拼接、建筑物提取、影像检索等方面。具体而言：项目组提出了结合各向异性尺度连接特征和点特征联合估计的计算图像局部变换和全局限制的模型，在航空影像拼接上取得了更好的配准效果和畸变消除性能;考虑到城市遥感影像中丰富的几何结构特征，项目组提出了基于对立推理理论的各向异性尺度连接特征检测方法，并成功应用与高分辨率遥感影像建筑物提取；项目组研究了基于遥感影像几何结构的跨域检索技术，提出了连接手绘草图和航空遥感图像的多尺度深度跨域检索框架，提升了基于内容的遥感影像检索的性能。.(2). 提出了计算图像结构纹理分析方法，能有效计算遥感影像的结构信息和空间信息的高阶分布特征，为高分辨率影像提供有效的统计描述模型；基于机器学习、深度学习等理论方法，设计并训练神经网络以提取出遥感影像的高层语义特征，并成功应用于高分辨率遥感影像场景分类、土地覆盖类别分类等方面。具体而言：项目组构建了目前为止最大规模遥感场景数据集AID，为基于深度学习的场景分类算法的训练和测试提供了条件并制定了基准，产生了广泛的学术影响力；针对遥感影像纹理特征表征问题，提出了基于形状共生模式的纹理表征方法，可以稳健地描述遥感影像中场景的纹理属性，从而提升对复杂场景的理解和解译能力；构建了遥感影像土地覆盖分类的数据集，研究发展了基于深度学习的地物分类算法，取得了目前最好的结果，为基于遥感大数据的土地资源管理、城市规划、精准农业、灾害监测、环境保护等应用提供了理论和技术基础。