让人工智能来熬夜读图——我国的遥感图像智能处理技术

让人工智能来熬夜读图

用计算机和人工智能来替代读图员，把浩如烟海的遥感原始数据变成有用的知识，同时把遥感应用引向普及和深入，甚至走进普通民众的生活，这是业界几十年来的梦想。人们为此尝试了很多算法和方法，但是要把它变成产业，变成行业和个人能够使用的工具。却是一项知易行难的工程。

判读员不够用了

从遥感图像里提取信息，是遥感应用和遥感产业的基本生产方式。在卫星遥感发明出来以前，航空遥感是人们俯瞰地球的主要手段。那时的航空遥感相机都是用胶片作为记录手段的。图像判读员们要对着这些照片做人工目标判读工作。卫星遥感技术发明和应用，特别是传输性对地观测卫星的出现，让这些传统的判读员们有了新的任务。

但是越来越丰富的图像资源带来了新的问题：判读员不够用。按照美国军方的标准，一名合格的判读员培养周期长达八年之久。即使在技术人才最为充裕的美国军队和美国情报部门，也长期面临着判读员严重匮乏的问题。所以大部分卫星图像——不管是数字的还是胶片的——从来没有人看过。

同样的问题也出现在民用领域，自从传输型遥感卫星投入使用，卫星遥感图像的数量再也不受胶片携带量的限制。高分辨率卫星的商业化和商业星座的普及，更是让数字遥感图像成了要多少有多少的海量资源。

仅仅从国内而言，目前在轨运行的就有国有制的资源、高分系列卫星，以及商业机制的吉林一号星座和高景星座，更多商业星座正在筹划和部署之中。判读员不够的问题，比以前更加突出了。

这形成了遥感应用产业中最为薄弱的一个环节，庞大的资源和庞大的需求之间，靠极为有限的人力判读环节维持着。产能不足必然会抑制需求，这也是遥感应用市场一直没有像位置服务及广播电视那样发展壮大的原因。

熬夜得来的驱动力

国外遥感应用界最近才把这个问题推向前台。2017年9月，在欧洲咨询公司主办的“世界卫星商业周”上，人们热议的话题正是“对地观测行业从销售数据转向销售答案”。要从数据中取得答案，就不可能像传统上那样靠人力来分析数据，只能依靠人工智能和 机器学习技术。

在遥感产业界规模最大、名气最大的数字地球公司，则把自己的业务全面转向了亚马逊网络服务公司（AWS），利用AWS所掌握的机器学习技术来实现 分析，服务于防务、情报、公共安全、测绘、环境保护、油气勘探和导航等领域。这一连串的事件得到了国际航天媒体的广泛报道。但是国外航天媒体所没有报道的是，中国的商业航天创业者们不但很早就意识到了这个问题，而且表现出了更高的行动力。

早在2006年，一家叫做航天星图科技(北京)有限公司（以下简称航天星图）的创业企业，就启动了向遥感图像智能处理进军的进程。迄今为止，他们已经开发出了五代产品，从GEOVIS 1到GEOVIS 5，智能化程度越来越高。在曙光超级计算机和智能计算基数的支撑下，这种产品平台正在发挥着日益显著的效能。不但如此，航天星图还打算融合用户的知识与力量，共同建立产业生态圈，开发GEOVIS平台的应用，共同把遥感数据中的信息变成对社会运行有用的知识。

航天星图并不是因为突发奇想才选择了遥感图像智能处理这个研究方向。早在21世纪初，国内就开始采购国外高分辨率商业遥感卫星图像。当时这类卫星图像数量较少，而且应用非常有限，用人力处理图像还是可以接受的方式。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。