基于大数据的遥感图像智能识别方法研究

基于大数据的遥感图像智能识别方法研究

刘荣科

洛阳众智软件科技股份有限公司 陕西省西安市 710032

摘要：遥感图像技术是根据电磁波理论而提出的，结合先进的人在卫星采集地球表面上的电磁辐射信息，并通过遥感技术获取到相应的遥感图像，从而为地理测绘、天气观察以及军事侦查等领域广泛的使用。但随着大数据时代的来临，AI技术以及其它深度学习技术的不断提升，传统的遥感图像识别方法已经无法满足更加精细化的工作需求。对此，本文提出一种新的基于大数据的遥感图像智能识别方法，从而使遥感图像识别得到更高的识别效果，进一步扩大遥感图像技术的使用范围。

关键词：大数据；遥感图像；智能识别；特征提取

引言

人工智能简称AI，为计算机科学的分支，主要是通过一定的方法、技术让机器具备类人思维与反应，让机器能够如人般思考，如人工智能打败围棋选手，机器人做出高难度动作后空翻等，人工智能的强大促使着人们不断地研究智能技术及其应用。而就人工智能的研究反向而言主要为机器视觉、机器人学、认知推理、博弈伦理、机器学习等，其中，在测绘遥感技术中主要应用有机器视觉、机器学习、认知推理，通过人工智能的应用，为测绘遥感带来了天翻地覆的变化，同样也带来了巨大的挑战，必须想方设法地突破行业限制，优化技术应用，促进测绘遥感技术的发展。

一、大数据技术概述

大数据技术对社会生产生活中所产生的各种数据进行科学筛选，并从中快速获取具有研究价值的数据信息的一种新型产业类技术形式。在大数据技术中，大数据的采集、预处理、管理、储存、分析以及应用等都是其核心技术。由此可见，对大数据处理技术而言，核心并不仅仅在于海量数据信息的处理，而是在海量数据信息中发现有价值的信息，并将其应用到特定领域。大数据技术不仅可以处理庞大的信息，还具备非常快的计算速度，且能够对多样化的数据进行处理。相较于网络数据的传统分析和处理技术，大数据技术的优势主要表现在以下几个方面。第一，它有庞大的数据体，其储存单位可以从TB（太字节）直接跃升到PB（拍字节），且这种以PB为单位的数据储存方式已经广泛应用到各大企业中，由此可充分证明大数据技术自身所具有的海量性特征。第二，大数据处理技术在复杂数据信息的处理中更加适用，该技术的应用可以让复杂问题得以简化，并让信息更加直观。第三，大数据技术可以对更多类型的数据信息进行处理，如地理位置、图片和视频等。第四，大数据技术具有速度快和实用性等特征，可通过快速传输的方式实现数据传递与取用，可以让很多复杂数据更加便于处理，实现数据处理工作效率的显著提升。

二、遥感大数据的相关内容与特点解析

第一，外部特点。首先，遥感大数据具备海量的特点。随着遥感技术水平不断提高，目前对地观测遥感卫星单星日数据获取量以TB级计算，在基于这些单位时间的范围内收集越来越多的数据时，存储、分析和管理面临着许多挑战。 二、在数据异构功能的数据生成过程中使用业务系统，不同的业务系统表现出不同的状态。 因此，需要不同的数据中心提供数据，可以在逻辑结构和组织方式方面展现出更多的特征。 再次，数据的多源特性。 主要表现为数据的来源和获取手段，可以有更多形式的信息收集方式。 遥感数据采集平台包括资源卫星、无人机、车载雷达等，传感器种类包括全色、多光谱、高光谱、微博、红外线、激光雷达等。 这些不同路径、格式、尺度的数据增加了数据处理的困难。 第二，内部特征。 第一个是高维特征。 遥感大数据技术的数据类型复杂多样。 数据维度不断提高，主要表现为时间维度、空间维度等。 第二，尺度高的特征。 比例尺也是高遥感大数据技术的主要特征，在引入数据的过程中，可以根据不同类型的遥感技术和相应的技术水平，准确划分数据类型，从空间和时间的角度显示数据的多尺度特征。

三、智能图像识别技术概述

智能图像识别技术是人工智能领域的一项技术，图像识别技术的对象主要是图像，以各种类型的图像为基础，通过对图像进行处理可以整合复杂信息，降低数据处理的难度。由于每一个图像都是具有自己的特色的，将信息制作成图像难度比较大，工作人员需要对数据信息进行层层的处理，在经历过层层的加工之后数据信息可以以复杂图像的形式呈现出来。图像制作过程主要是通过人工智能来实现的，主要的过程和步骤是在获取信息的基础上，计算机对数据信息进行预处理，然后根据数据信息的特征选择属于数据信息的特征，在确定好数据信息的特征之后，再选择相应的模板匹配模型，这样看来图像的处理过程十分复杂，需要借助于人工智能大数据技术，对众多的数据信息进行分门别类的处理，根据处理的结果选择合适的模型。但是图像制作完成之后，也会出现各种各样的问题，工作人员在识别图像的时候会面临各种各样的问题，为了降低图像识别的难度，需要重视技术的融合。智能图像识别技术需要设计的工作有很多，并且工作比较复杂，需要涉及各个部门的工作，因此做好各部门之间的信息共享十分重要。

四、测绘遥感技术在人工智能时代所迎来的挑战

在人工智能时代，遥感测绘技术面临着前所未有的挑战，主要是行业变化、技术融合变化、遥感精度变化。 其中，行业变化主要是应对人工智能的冲击，人们需要更好的测量技术，需要智能、自动化的地理信息，通过智能筛选信息，可以获得有用的信息，具备信息的准确性。 因此，测绘遥感产业必须通过智能冲击进行变化，只有通过优化转换，才能使产业不在智能冲击下消失。 遥感技术是人们必须拥有的技术。 人们需要准确放置时空信息，获得时空信息。 人们有必要知道未知的空间信息，知道天空、海洋、宇宙等空间信息。 必须通过测量遥感技术获得准确的信息。 因此，如果智能时代遥感技术不能高速发展，生存空间将越来越小，被其他技术取代。 必须将遥感技术和智能技术结合起来。 需要从智能技术的数据、算法、计算能力三个方面进行深入的研究和转换，以形成基于云计算、大数据的深度智能测量遥感。 其共享方式、测量方式、规则、军队智能等发生了变化。 在深入应用智能技术的基础上，开发新的视觉智能测绘遥感技术，学习智能测绘和遥感技术等，可以应用于智能时代人们的思想变化，如何适应变化，将通过建立基站而得到广泛的智能测绘 要实现这一功能，需要研究控制中心，具备大脑等信息交叉处理、记忆与思维能力、学习与适应能力、控制决策能力、智能化处理能力等，形成行业变革。 同样，在技术融合性变化中，测绘遥感技术面临着跨界融合的挑战，特别是现代信息、互联网、物联网等技术领域的相互作用、智能+测绘+行业固有的应用，形成融合性技术，提高测绘遥感的生存能力和适应能力。

五、基于时空大数据认知与推理

人类机械物质，即包括人类社会、物理世界、信息空间在内的三元世界是一个动态开放的网络社会，由多人、多机械、默默构成。 人们通过这个三元世界，一方面可以通过野外调查、遥感、测量等获得物理世界的相关信息。 另一方面，通过进行社会调查或应用互联网等现代社会的信息化工具，可以获得人类社会的相关信息。 该信息构成了对物理世界和人类社会认识和推理工作时重要依据的海量时空数据，这也是人工智能的重要使命。 地理信息系统随着科学技术的发展，在空间分析理论和方法体系方面不断改进，但与传感器网络和社会识别设备融合的时空数据分析理论和方法有待进一步完善。 时空数据的类型主要有两种，一种是反映在地球表面和环境特征上的时空数据，主要来自遥感和地面探测网。 另一类是反映在人为活动和社会经济形态特征上的时空数据，主要来自社会认知设备，可以通过智能设备、互联网等，也可以通过社会调查获得。 由于第一个数据是规范的，适用于数值分析和计算，因此运行模拟和预测分析时通常使用数学模型。 二是主要以多媒体文本数据为中心，形式多，结构也多样化。 人们的活动规律和社会行为等可以通过社会认识时空的大数据来揭示，与这种人工智能相比，虽然有些复杂，但是更高级。

六、基于大数据的遥感图像智能识别方法研究

在进行大数据遥感影像特征识别过程中，将上文得到的特征归一化数值作为识别的基础，由于在对特征归一化数值进行识别时数据的加载无法一次性的完成读取，因此利用大数据技术对特征归一化数值进行分块识别，而分快处理的原则是保证每一块数据的识别都能够获取到充足的特征信息。遥感图像中的特征数据在同一个数据块上的信息量过大，可能会导致后续的识别结果不够准确，影响识别率，因此对一块大的数据库进行分割，再将多个分支识别结果进行拼接获取整体的识别结果具有更高的准确性，同时识别难度也得到降低。

七、AI对信息提取和分析效率的影响

基于摄影测量和遥感技术的图像、海量的地理信息数据，如何从海量数据中提取有效的信息数据以满足用户的需要，是信息提取和分析的最大问题。 大数据、云计算、AI等科学技术为大规模地理信息数据的提取、分析、管理提供了良好的平台。 AI具有人类的意识、思维、行为过程等，在大数据和云计算的支持下，通过一定的数学方式和学习方式，可以大幅提高地理信息数据的计算、识别、提取、判断、解释、分析等能力和效率。 可以有效地防止人为因素引起的误差。 另外，通过深入学习，可以从各种途径获得有效的文本、图纸信息、图表等多种地理信息数据，将其与通过摄影测量和遥感技术获得的地理信息数据相结合，大大丰富了地理信息数据的来源。 充分利用AI和大数据等技术，结合经济、社会、人文等多种数据，建立多源、多数据型、动态地理信息数据库，地理信息数据库信息的自动提取、自动解释、自动数学模型建立等多层次的地理信息数据处理平台，为我国社会发展和国防建设等多个领域提供智能地理信息。

八、遥感大数据对潜在应用的挖掘

我国科技水平迅速提高，遥感大数据是其重要组成部分，可以最大限度地发挥其优势，发掘地球变化规律，不断发现更多未知的新事物，也可以应用于人们的日常生活中。 以全球多光谱遥感影像为例进行遥感大数据的分析。 覆盖空间分辨率达到几米水平的土地利用和变化信息。 这将有助于诊断和分析影响土地利用和展望变化的因素。 量化农业、生物多样性、水资源、气候变化、生物多样性、矿产资源和人类的地理分布和活动，研究人与自然的相互作用系统。

九、图像识别技术应用

图像识别技术是计算机人工智能技术的重要领域和分支。 重要的是要正确识别图像，以便在不同模式下区分目标和对象。 图像识别技术在发展方面经历了三个阶段。 文字识别，图像处理和识别，物体识别。 通过妥善处理和分析图像信息，可以得到必要的研究目标。 一直以来，图像识别不仅是肉眼识别，用计算机识别也是重要的识别手段。 在识别原理上，计算机图像识别技术和客户的肉眼识别一样。 人的形象识别是根据图像本身的特征来识别图像的。 当我们看到照片时，大脑很快就会反映出那个熟人的照片，进行分类识别和记忆记忆。 人工智能图像识别技术以图像的特征为基础，关注每幅画的主要特征，排列去除不需要的输入信息，找到需要的重要信息，逐步整理图像信息，形成完全直观的图像。 在人工智能图像识别的过程中，模式识别很重要，模式识别通过分析对事物各种形式的信心，来实现对一个事物或现象的描述、识别和分类。

结束语

本文提出了一种基于大数据的遥感图像智能识别方法，通过实验证明了这种方法的有效性，同时证明了该方法的实用性，但本文在研究过程中只对灰度图进行了研究，而对彩色遥感图像并未涉及，因此在后续的研究中还将针对彩色遥感图像的识别方法进行更加深入的研究。

参考文献

[1]张成岗.人工智能时代:技术发展、风险挑战与秩序重构[J].南京社会科学,2019,No.367(05):48-58.

[2]俞灵琦.人工智能时代到来,将掀起何样的浪潮[J].华东科技,2019(11).

[3]张雷.人工智能时代下的信息安全[J].电子技术与软件工程,2019,148(02):223.

[4]罗超,常亚萍,姜建华.人工智能时代高职学生核心素能探析[J].电子技术与软件工程,2019,142(20):263-264.

[5]张永梅,付昊天,孙海燕,etal.一种基于改进FCN的多光谱图像建筑物识别方法[J].计算机工程,2019,45(1):245-251.

[6]陈曦,钟雪莲.多极化SAR图像目标的智能识别应用研究[J].空军预警学院学报,2019,33(1):24-28.

[7]李静.基于STACS的遥感图像模板匹配智能识别仿真[J].计算机仿真,2021,38(03):397-400.

[8]于晨. 典型矿山环境遥感地物智能识别方法的研究[D].中国地质大学(北京),2020.

[9]杨小飞. 基于多源遥感数据的城市目标智能识别方法研究[D].哈尔滨工业大学,2019.

[10]苏红帆.智能交通背景下模糊聚类图像识别的优化设计[J].信息技术,2016(12):

[11]曹天扬,申莉.基于交通遥感图像处理的车辆目标识别方法[J].计算机测量与控制,2014,22(01):