在遙感影象處理領域，資料量不足是目前主要的問題麼？

1樓：k7870

資料量很足，但是沒有成體系的資料集。

我本人是做InSAR形變監測的，以哨兵1號A星為例，資料量非常充足，但是想形成資料集真的很難，我做某種形變識別的時候資料集全是自己提取的。當然InSAR比較特殊，需要干涉才能出結果。對於SAR影像來說，有用於艦船檢測的SSDD和軍事車輛檢測的MSTAR，但是如果做其他型別的檢測就得自己建資料集了。

還是領域太小眾。

2樓：劉大聖

資料量不是不足，是很足。你提出這個問題應該是因為你的資料獲取通道不夠通暢。

在遙感影象處理領域，目前最卡脖子的技術是深度學習智慧型提取演算法的精度無法滿足生產需要，在實際的生產作業中目前基本還是靠人工或者人機互動（計算機利用演算法處理完，人工修改）。

智慧型提取的技術一旦被攻破，遙感行業將會迎來一次新的飛躍，這話絕不是聳人聽聞。

遙感影像分類提取結果圖

智慧型提取為什麼這麼難？有以下原因：

1、對於不同的遙感資料來源來說

光譜數量不統

一、光譜的波段取值不統

一、空間解析度多樣化。

2、對於相同的遙感資料來源來說

不同地區的影像顏色不一致、紋理有偏差等等。

3、對於需要提前的地物來說

如果地物有固定的形狀，比如飛機、船舶、房屋等，提取的精度還說得過去，一旦提取不確定形狀、不確定紋理的地物時就會產生很大的偏差，比如林地，稠密的和稀疏的紋理是不同的。

所以在這麼多不確定性面前，隨便拿一張影像就讓計算機提取林地、草地、水體、裸地。。。這些都沒有固定的形狀，紋理也不是十分確定，真的很難讓計算機做出非常正確的判斷。

這個回答是於2023年5月17日，在此做一下標記。

期待哪一天，我們遙感界攻克了這個難題，我再來更新祝賀！

我是你們的劉大聖~

3樓：自在RS

資料量不足不是主要問題。

業內現在公認矛盾的應該是：現有處理演算法能力的不足與海量資料之間的矛盾。

至於訓練、測試的資料集難以獲取，主要問題在於，遙感相對還是小眾了一些，做這些資料集的人不多。

從第一顆陸地資源衛星上天之後，幾十年的衛星遙感資料都是有存檔的，現在每天下傳的遙感資料，少說有幾百T，或者PB級別的（個人直觀感覺）。這麼多資料很多都是存檔或者有效資訊較少被利用的。這就需要開發相應的高效遙感處理演算法了。

綜上所述：

資料量不足肯定不是主要問題，主要問題在於高效的處理演算法不足。各種資料集不足，也只是因為相對小眾，做這些的人不多。