高分辨率遥感影像"场景-目标"协同理解理论与方法研究

With the development of high spatial resolution remote sensing technology, it is possible to combine scene and object semantics for intelligent remote sensing image understanding. However, the existing high-resolution remote sensing image interpretation system may not consider the dependencies between scene and object for high-level knowledge expression and reasoning, which seriously restricts the following interpretation accuracy. In view of this, the main goal of this project is to propose a multi-task scene-objet collaborative reasoning framework for remote sensing image understanding, by modeling the top-down and bottom-up information coupling mechanism. Afterwards, through encoding the scene-object spatial distribution relationship, this project further builds a hierarchical remote sensing image understanding and evaluation framework as "visual interpretation + knowledge reasoning". The achievement of this project can be used as theoretical basis and technical support for high-resolution remote sensing image understanding, so it has very important scientific significance and broad application prospects.

随着遥感影像空间分辨率的不断提升，实现“场景-目标”多层次协同的影像理解已成为可能。然而现有高分遥感影像解译体系多是孤立地完成目标级或场景级影像理解任务，缺乏对它们之间的层次关联性进行有效建模，这导致在解译过程中难以利用这种层次结构信息进行知识表达与推理，进而严重制约后续影像解译精度。鉴于此，本课题拟模拟人眼视觉认知过程，将高分辨率遥感影像理解从过去面向单一任务建模思路转换为“场景理解-目标识别”多任务协同建模思路，并在协同理解过程中建立数据驱动的自顶向下（场景->目标）与自底向上（目标->场景）信息耦合机制。同时通过对“场景-目标”相互构成和空间分布关系进行知识编码与表达，进一步形成具有通用意义的“视觉解译+知识推理”影像理解与评价框架，为获得准确、可靠、全面的遥感影像解译结果提供保障。本项目的研究成果将能为高分辨率遥感影像智能解译提供理论支撑，因此具有重要的科学意义和广阔的应用前景。

随着遥感影像空间分辨率的不断提升，实现“场景-目标”多层次智能化影像理解已成为可能。鉴于此，本课题将高分辨率影像理解从过去面向单一任务建模思路转换为“场景理解-目标识别”多任务协同建模思路，在高分遥感影像遥感理解方面，提出面向光学遥感、POI等多源异构数据的遥感场景表征学习方法，解决了多源异构数据统一表征难题。针对当前数据驱动表征学习极度依赖高质量标注数据问题，提出自监督无标签数据驱动的场景表征学习方法。在此基础上，进一步建立顾及场景空间关系的高分遥感场景理解模型框架。在高分遥感影像场景-目标协同理解方面，建立数据驱动的自顶向下（场景->目标）与自底向上（目标->场景）信息耦合机制，通过引入场景先验知识发展目标识别与识别结果精化方法。在上述理论研究的基础上，发表相关学术论文16篇（国外JCR1区论文13篇，国内A类期刊论文2篇），申请发明专利2项，项目负责人入选湖湘青年英才人才计划（科技创新类），获湖南省科技进步二等奖1项。