跨区域遥感场景的影像分析研究

Cross-regional monitoring analysis is a common characteristic in remote sensing observations. In order to solve the problem of “cross-platform multi-sensor information collaborative analysis”, image analysis from cross-regional remote sensing scenes is proposed, which includes Target detection across remote sensing areas, Remote sensing image spatial-spectral fusion and Multi-source image collaborative classification. Three key scientific problems, including transferring learning in cross-regional earth observations, spatial-spectral fusion and collaborative recognition of multi-sensor remote sensing images, are researched to meet the needs in China's remote sensing observing systems in the fields of environment, disasters, and national defense.

针对遥感观测中普遍存在的跨区域监测分析特点，为解决面临的跨平台多传感器信息协同分析问题，提出开展跨区域遥感场景的影像分析研究：发展跨越单一区域的目标检测、交叉区域遥感影像空谱融合、多源影像协同分类等遥感影像分析方法。解决跨区域对地观测中目标特征的迁移映射、交叉区域高空谱融合、多传感器遥感信息的协同认知等关键科学问题，从而满足我国遥感观测系统在环境、灾害、国防等领域的重大应用需求。

遥感场景分类通常假设训练集和测试集具有相同的数据分布。然而，遥感图像由不同传感器在地表不同位置捕获，传感器类型、拍摄角度和照明条件的变化会导致图像之间存在较大的分布差异。围绕跨区域遥感影像协同分析的总体研究目标，本项目研究跨区域遥感场景分类，提高特征的表达能力；研究遥感影像空谱融合，为跨区域遥感观测提供高空间分辨率的高光谱分辨率影像；研究多源遥感影像协同分类，挖掘多传感器遥感影像在内容描述上的互补优势。本项目取得研究成果包括：（1）基于多源域适应的跨区域遥感场景分类；（2）基于多源域互补的跨区域场景分类；（3）基于空谱残差注意力网络的多光谱图像超分辨率方法；（4）基于半监督光谱退化约束网络的高光谱超分辨率方法；（5）基于图网络的多源遥感影像特征提取。共发表学术论文21篇，授权国家专利5项，申请国家专利3项，培养博士生研究生6人。本项目研究成果有助于解决跨区域遥感场景的分类难题，具有较大应用价值。