Page 137 - 土木工程的测绘技术与应用研究

第六章 测绘地理信息新技术应用

键。在影像的基础上，通过对影像的降阶，可以有效降低影像数据规模。然而，
在该方法中，影像在压缩过程中会损失掉一些影像内容，影响了影像的质量。所
以，在影像产生时，一般都会首先进行影像合并，然后进行缩减的方式来保存影

像中最有用的信息。
（四）人工智能驱动的卫星遥感技术应用
随着人工智能（artificial intelligence，AI）和 深度学习领域的快速发展，以
及中央处理器（central processing unit，CPU）、图形处理器（graphics processing

unit，GPU）等计算机硬件水平提高带来的算力增强，人工智能技术在目标检测、
图像识别等任务上的表现已经超越人类。传统的遥感图像解译需要较高的学习成
本和人力资源，且解译效率低下，难以满足大规模应用的实时解译需求。近年来，
随着 AI 在许多领域的成功应用，科学家们也开始尝试通过人工智能技术赋能遥

感解译系统，将深度学习中的相关算法应用到遥感图像的目标检测、变化检测、
三维建模、语义分割和场景分类等任务中，实现全面、精准、高效的遥感图像
解译。
1. 目标检测与识别

遥感图像目标检测与识别对遥感影像中的特定目标进行识别和定位，是空天
地海一体化观测系统中的一项关键技术，广泛应用在侦察、监视、预警、搜救等
领域。传统的目标检测算法大致分为 3 步：选择区域、提取特征和构建分类器分
类，该算法的弊端是时间复杂度较高。随着遥感成像系统分辨率的提高和数据量

的扩大，使用传统的图像处理算法已经无法保障图像解译的实时性和准确性。基
于深度学习的遥感图像目标检测与识别算法根据是否有候选区域生成，可分为两
阶段检测方法与单阶段检测方法。这些方法的精确度和速度都远超传统算法，已
经广泛地应用到遥感目标检测与识别中。此外，针对尺度跨度较大的数据集，可

以构建多尺度的特征表达，包括基于图像金字塔的多尺度目标检测、基于网络内
特征金字塔的多尺度目标检测等。
2. 三维建模
遥感图像的三维建模在资源检测、自然地理研究、城市规划建设等诸多领域

都有着十分重要的应用。根据数据处理、建模、渲染等关键方法的不同，业界将
遥感图像三维模型生成分为表面模型生成方法、模式匹配生成方法和三维过程化
内容生成（3D procedural content generation，3D-PCG）方法 3 种。3 种方法在不

125