海量空间信息稀疏表征与在轨处理

On-board intelligent processing for spatial information stands at the core ofspatial information network sciences. It is of great strategic significance on Remote Sensing Information (RSI) transmission with high efficiency, real-time RSI content-based translation and understanding, RSI sharing within spatial networksas well as its various applications and services in society. Accordingly, the goal of this project is to develop new theories and new methodologies for massive RSI on-board intelligent processing, and find the solutions to the bottleneck issuesthat largely hinder the technical development of RSI transmission andunderstanding. Specifically, this project will research the issues related tomassive RSI sparse representation, efficient RSI compression, multi-source RSI on-board description, automatic cloud detection and object enhancement, real-time on-board detection for sea targets, and accurate target location. Along this research line, new systematic theories and methodologies will be developed for RSI on-board intelligent processing, including multi-source coupled dictionarylearning, batch-mode RSI sparse representation, adaptive dictionary learning for content-based RSI compression, deep learning for sea target detection, and so on.Furthermore, to tightly gear to the application demands for fast response of in-orbit satellites, the study of this project will provide a series of real-time,robust and advanced key techniques for RSI on-board intelligent processing. In summary, the practice of this project will provide the core theories and key techniques for the construction of new-generation intelligent spatial networks,and help drive the leap-forward development of spatial information network techniques with sound technical foundation.

空间信息在轨智能处理是空间信息网络科学的核心，对于实现遥感信息高效传输、实时内容解译、网络化共享与应用服务具有重大战略意义。本项目旨在发展海量遥感信息在轨智能处理的新理论与新方法，解决海量多源遥感信息在内容传输与处理中面临的瓶颈问题。项目将具体研究海量数据稀疏表示和高效压缩、多源空间信息在轨表征以及实时目标检测与识别等理论模型与方法；研制云自动检测和地物增强技术、海面目标在轨实时检测与识别技术和目标高精度定位技术；形成多源耦合字典学习与批量数据稀疏表示、基于内容压缩的自适应字典学习、基于深度学习的海面目标识别等新的系统性理论框架和方法。在此基础上，面向快响卫星高时效应用要求，形成一系列实时、鲁棒、先进的空间信息在轨智能处理核心方法。本项目的成功实施，可为我国构建新一代智能空间信息网络提供理论与技术支撑，推动空间信息网络技术的高起点、跨越式发展。

空间信息在轨智能处理是空间信息网络科学的核心，对于实现遥感信息高效传输、实时内容解译、网络化共享与应用服务具有重大战略意义。本项目的主要研究内容有：海量数据稀疏表征和高效压缩、多源遥感信息在轨自动配准、多源空间信息的表征与融合、云自动检测和地物增强等。该项目严格按照计划书中的研究内容展开研究，在重大研究计划“空间信息网络”重点课题“海量数据稀疏表征和在轨处理”框架内，遵循理论和模型到关键技术，再到实际应用的技术路线，完成了项目的研究。在项目执行期间，共发表学术论文65篇，其中SCI收录46篇，包括本领域国际顶级刊物，如：IEEE TIP、IEEE TNNLS、IEEE TGRS等，以及顶级国际会议，如：ICCV、CVPR等。申请国家发明专利16项，其中4项正在申报中。培养博士14名，硕士2名；相关成果获得了2016年度国家技术发明二等奖，本项目研发的一些关键技术也在实际工程中得到具体应用，圆满完成了项目设定的各项指标要求。.该项目的实施为未来天地一体化实时信息系统的构建提供了必要的技术手段，在轨人工智能技术将实现天基智能体与空基、海基、陆基、网基等智能体的深度协作，并与人类智能深度融合，与应用平台紧密耦合，实现智能的超级化和应用效益的最大化。