最近、「Googleが4月18日からロシアのすべての戦略的拠点の高解像度衛星画像を最高解像度で提供する」というニュースが広く懸念と憶測を引き起こした。このニュースはGoogleによって否定されたが、それでも現代社会における高解像度のリモートセンシング画像の威力を感じさせた。
Googleマップはソーシャルメディアで反応した(画像:Twitter)
Googleマップでは、ロシアの秘密行政区のヴリュチンスク地域にある原子力潜水艦基地の高解像度衛星画像を見つけることができる(出典:同紙)
今日はリモートセンシングデータについてお話します。
01リモートセンシングデータ とは
リモートセンシングとは、非接触、長距離の検出技術を指します。一般に、物体の電磁波の放射および反射特性を検出するためのセンサー/リモートセンサーの使用を指します。重要な地球観測技術として、地球表面を研究し理解するための主要なデータソースを提供します。
現在、リモート センシング データは、高、中、低解像度、マルチスペクトル、ハイパースペクトル、SAR、ストリート ビュー、LiDAR レーザー点群およびその他のマルチソース データの共存を示し、リモート センシング モニタリングおよびその他のマルチソース データの基本的なデータ保証を提供します。 -フィールドアプリケーション。
それらはどのようにして生まれるのでしょうか?
02 リモートセンシングデータ収集方法
リモートセンシングデータを取得するための機器には、主にリモートセンシングプラットフォームとセンサーが含まれます。リモートセンシングプラットフォームの高さに応じて、リモートセンシング技術は宇宙リモートセンシング、航空リモートセンシング、地上リモートセンシングに分類できます。[2]
1. 宇宙リモートセンシング
有人宇宙船や宇宙ステーション、人工衛星などのさまざまな宇宙船をプラットフォームとし、カメラ、マルチスペクトルスキャナ、合成開口レーダーなどのセンサーを搭載したリモートセンシング技術システムです。
2. 空中リモートセンシング
飛行船、飛行機、気球などのプラットフォームを使用して地球観測タスクを実行するリモート センシング技術システム。
3.地上波リモートセンシング
船舶や車両、タワーなどのプラットフォームに表面物体分光計や各種センサーを設置するリモートセンシング技術システム、例えば前回お話しした「LiDAR点群データについてどれくらい知っていますか?」
センサーに関しては、可視光、赤外線、マイクロ波、その他の検出機器を使用して、写真のスキャン、情報のセンシング、送信と処理などを通じて地上の物体の性質や運動状態を識別できます。
03 リモートセンシングデータの特徴
リモートセンシングデータには主に次の特徴があります。
● 広い検出範囲、包括的かつ巨視的。
● 多くの手段と高度な技術を駆使した大量の情報。
● 高速な情報取得、短い更新サイクル、および動的モニタリング。
●幅広い用途と高い効果。[3]
リモートセンシング技術の進歩により、取得データの精度はますます高くなり、サブメーターレベルに達し、手動による識別では需要に対応できなくなり、インテリジェントな抽出技術が急速に発展しています。
リモート センシングと人工知能を組み合わせることで、地表のさまざまな時間的および空間的要素に関する、より広範囲で、より豊富で、より詳細な情報を取得することができ、この情報は、幅広いアプリケーション産業に力を与える可能性を提供できます。
DOTA データセットのサンプル プレビュー (出典: ネットワーク)
ディープラーニングの観点から見ると、リモートセンシングデータには依然として次のような問題があります。
1. オリジナルの高解像度リモートセンシング画像の入手が困難です。
光学式リモートセンシングデータセットの場合、リモートセンシング画像取得の過程で大気の擾乱やノイズ、センサーのジッターなどの影響により、取得したデータに不確実性などの影響があり、実際の高解像度画像を取得することが困難です。入手。
2. 自然画像と比較して、リモートセンシング画像は細部の損失が深刻です。
通常、光学式リモートセンシング画像の 1 つのピクセルで表される実際の距離は 5m を超えるため、画像の細部が失われ、再構成が困難になります。
3. リモートセンシング画像のシーン内容は大きく異なります。
リモートセンシング撮影ではさまざまな地形が使用されることが多いため、さまざまなシーン内容が撮影され、サンプルも多様になります。したがって、リモート センシング データセットの個々のシーンへの寄与も弱まります。
4. リモートセンシング画像の同じシーンでも、対象物の空間的な大きさは大きく異なります。
リモート センシング画像には複数のターゲットが含まれることが多く、これらのターゲットのサイズは異なります。たとえば、街路シーンでは、車両は数ピクセルしか占有しない場合がありますが、家は数百ピクセルを占有する場合があります。この方法では、小さなオブジェクトの特徴が失われる可能性があり、SR 結果の精度に影響します。
では、リモート センシングの分野における一般的なタスクの種類は何でしょうか?
04 深層学習によるリモートセンシング情報抽出のタスク種類
1. リモートセンシング画像における物体検出
ディープ ニューラル ネットワークをリモート センシング画像のターゲット検出に適用すると、アルゴリズムの画像テクスチャ認識能力とターゲット変更の適応性が強化され、検出パフォーマンスが大幅に向上し、複雑なオブジェクトの検出に使用できるようになります。
しかし、この手法は画像解像度、天候、計算能力などの要因によって依然として限界があり、外部環境への適応性を向上させることが依然として難しい研究点となっています。
2. リモートセンシングオブジェクトのセグメンテーション
リモート センシング画像のセグメンテーションは、地理的オブジェクトに基づく画像解析における重要なステップです。リモート センシング画像では、通常、景観変化検出と土地利用/被覆分類のための補助手段とみなされます。衛星を入力することで道路を自動的に識別できます。リモート センシング画像、川、作物、建物などを抽出し、画像内の各ピクセルにラベルを付けます。
3. リモートセンシング変化検出
変化検出は、地上の物体や現象を複数回観察してその状態の変化を特定し、表面の変化情報をリアルタイムで検出するプロセスです。現在、リモートセンシング変化検出技術は、環境保護、都市計画、軍事偵察などの分野で成功裏に応用されています。
ニューラルネットワークによるリモートセンシング画像の分割結果(出典:参考文献[2])
リモートセンシングデータは何に活用できますか?
05 リモートセンシングデータの適用方向
リモートセンシング技術は、軍事偵察、ミサイル早期警戒、軍事測量と地図作成、海洋監視、気象観測などで広く使用されています。
民間利用の面では、リモートセンシング技術は、地球資源の国勢調査、植生分類、土地利用計画、作物の病害虫と作物の収量調査、環境汚染モニタリング、海洋開発、地震モニタリング、都市の土地/建物などに広く使用されています。企画、地形図更新等
06 リモートセンシングデータセットリソース
OpenDataLab プラットフォームは、一連のクラシックなリモート センシング データセットを開始しました。豊富なデータセット情報、直感的なデータ配布プレビュー、スムーズなダウンロード速度を提供するだけでなく、データ形式を扱う手間を省くためのビジュアル スクリプトも提供します。バー!
参考文献:
[1]https://mp.weixin.qq.com/s/pCJsEuQ5gKTwVudMWjfTpw
[2] Liu Weiquan、Wang Cheng、Zang Yu、Hu Qian、Yu Shangshu、Lai Baiqi. リモート センシング ビッグ データに基づく情報抽出技術のレビュー [J]. Big Data、2022、8(02): 28-57 。
[3] Li Zheng、Liu Wei、Zhang Kaibing. 機械学習に基づくリモート センシング画像超解像度のレビュー [J]. Computer Engineering and Applications、2021、57(13):8-17。