人工智能时代的遥感变化检测技术:继承、发展与挑战

作     者：柳思聪 都科丞 郑永杰 陈晋 杜培军 童小华 LIU Sicong;DU Kecheng;ZHENG Yongjie;CHEN Jin;DU Peijun;TONG Xiaohua

作者机构：同济大学测绘与地理信息学院上海200092 北京师范大学地表过程与资源生态国家重点实验室北京100875 南京大学地理与海洋科学学院南京210023 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2023年第27卷第9期

页      面：1975-1987页

核心收录：

学科分类：070801[理学-固体地球物理学] 07[理学] 08[工学] 0708[理学-地球物理学] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金(编号:42071324) 上海市青年科技启明星计划(编号:21QA1409100) 

主　　题：遥感 变化检测 多时相分析 人工智能 机器学习 深度学习 

摘      要：多时相遥感影像变化检测是指对同一地理区域、不同时间获取的遥感影像进行自动变化发现、识别与解释的遥感处理与分析技术。随着卫星遥感技术及人工智能理论方法的快速发展,基于多时相遥感影像数据驱动和模型驱动的传统变化检测方法正朝着数据—模型—知识联合驱动的方向转型和演变,以更加自动化、精细化和智能化的方式,解决多领域的地表时空变化检测问题。本文在总结多时相遥感数据源从同构到异构、变化检测模型从传统到智能、变化检测应用从理论到落地过程中存在问题的基础上,以光学遥感影像变化检测任务为例,梳理和分析了人工智能时代下变化检测技术的发展历程。从无监督、监督、弱监督3个方面探讨了遥感变化检测从传统到前沿技术的转型特点与趋势,并进一步提出了未来需重点突破模型的物理可解释性、泛化及迁移能力、跨数据—跨场景—跨领域应用水平等关键问题。