海岸帶遙感智能解譯樣本庫建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究

海岸帶遙感智能解譯樣本庫建設(shè)海岸帶遙感智能解譯樣本庫建設(shè)及應(yīng)用關(guān)鍵技術(shù)研究P1匯報(bào)提綱：01研究背景02研究難點(diǎn)03技術(shù)探索04成果應(yīng)用05下步展望P2 P3P4人工智能的發(fā)展AI知識圖譜人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)之間關(guān)系今天今天...50年代60-80年代20052011-201650年代60-80年代20052011-201690-2000年代人工智能萌芽持續(xù)發(fā)展淺層學(xué)習(xí)模型興起工業(yè)界應(yīng)用出現(xiàn)新浪潮飛速發(fā)展深度學(xué)習(xí)在遙感領(lǐng)域的應(yīng)用!!!!多光譜高光譜SAR紅外P5要素提取與分類變化監(jiān)測P6海岸帶遙感智能解譯政策需求圍填海監(jiān)管圍填海監(jiān)管二十大報(bào)告，發(fā)展海洋經(jīng)濟(jì)，保護(hù)海洋快建設(shè)海洋強(qiáng)國。2018年7月，《國務(wù)院關(guān)于加強(qiáng)濱海濕地保護(hù)嚴(yán)格管控圍填海的通知》，建立動態(tài)監(jiān)測系統(tǒng)。2021年12月，《生態(tài)保護(hù)和修復(fù)支撐體系重大工程建設(shè)規(guī)劃（2021-2035）》，全覆蓋、全要素動態(tài)實(shí)時(shí)監(jiān)管。水深探測2023年8月，《自然資源部關(guān)于加快測繪地理信息事業(yè)轉(zhuǎn)型升級更好支撐高質(zhì)量發(fā)展的意見》發(fā)布，明確提出大力推進(jìn)智能化測繪技術(shù)體系建設(shè)。水深探測生態(tài)監(jiān)測2023年9月，自然資源部年度重點(diǎn)工作推進(jìn)會，強(qiáng)調(diào)推進(jìn)海洋強(qiáng)國建設(shè)，加強(qiáng)圍填海管控，規(guī)范養(yǎng)殖、光伏、風(fēng)電等行業(yè)用海。生態(tài)監(jiān)測……衛(wèi)星海洋監(jiān)測能力的發(fā)展P7遙感樣本庫建設(shè)發(fā)展光學(xué)遙感樣本光學(xué)遙感樣本變化檢測 場景分類變化檢測 場景分類目標(biāo)檢測地物分類常用的開源樣本常用的開源樣本開源樣本發(fā)展情況開源樣本發(fā)展情況SARSAR樣本P8 P9遙感影像的特殊性遙感圖像遙感圖像幅面大通用圖像深度學(xué)習(xí)模型幅面小譜類型少類型多尺度有限多尺度光譜通道少譜類型少類型多尺度有限多尺度光譜通道少深度學(xué)習(xí)框架"yicrcr"yicrcrP10通用網(wǎng)絡(luò)難以適用于遙感影像P10海岸帶區(qū)域特殊性海岸帶監(jiān)測難點(diǎn)P11P12海岸帶要素特殊性海岸帶要素混雜大量水體信息，同一地物的特征多變。海岸帶要素往往沒有人類干預(yù)，其形狀不規(guī)則、邊界模糊。海岸帶要素以上特征導(dǎo)致要素特征不顯著，產(chǎn)生大量偽變化。真變化真變化偽變化偽變化 P13P14指導(dǎo)模型應(yīng)用樣本庫構(gòu)建模型應(yīng)用樣本庫構(gòu)建模型定性及定量精度驗(yàn)證模型推理與集成模型應(yīng)用與更新模型構(gòu)建影像預(yù)處理樣本分類體系影像預(yù)處理樣本分類體系半自動化樣本標(biāo)注樣本清洗與增強(qiáng)!引入注意力機(jī)制等技術(shù)進(jìn)行模型優(yōu)化!訓(xùn)練策略制定最優(yōu)模型生成多源影像數(shù)據(jù)處理與海岸帶空間約束海岸帶區(qū)域空間約束海岸帶區(qū)域空間約束多源影像融合影像篩選及預(yù)處理影像融合策略水體水面類型干旱、非水性表面洪水空間約束NDWI-1~0.3-0.3~0影像融合策略水體水面類型干旱、非水性表面洪水空間約束NDWI-1~0.3-0.3~00~0.2>0.2影像篩選及預(yù)處理P15樣本庫建設(shè)-樣本分類體系與解譯標(biāo)志樣本樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫分類體系建設(shè)P16參考《國土空間調(diào)查、規(guī)劃、用途管制分類指南（試行）》，對海岸帶用海類型進(jìn)一步細(xì)分樣本庫建設(shè)-基于SAM的樣本標(biāo)注樣本樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫待標(biāo)注影像區(qū)域輸入先驗(yàn)點(diǎn)SAM分割標(biāo)注矢量邊緣細(xì)節(jié)P17樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫待標(biāo)注影像區(qū)域輸入先驗(yàn)點(diǎn)SAM分割標(biāo)注矢量邊緣細(xì)節(jié)P17分類體系建設(shè)樣本標(biāo)注樣本庫建設(shè)-樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫分類體系建設(shè)部分外業(yè)調(diào)查點(diǎn)位無人機(jī)影像無人機(jī)采集記錄部分外業(yè)調(diào)查點(diǎn)位紅樹林現(xiàn)場照片蘆葦現(xiàn)場照片紅樹林現(xiàn)場照片樣本標(biāo)注樣本庫建設(shè)-樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫分類體系建設(shè)改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)，使用U-Net替換原始全卷積網(wǎng)絡(luò)，首次將FastAugument應(yīng)用于海岸帶遙感語義分割樣本增強(qiáng)支持多波段、多種遙感數(shù)據(jù)格式的快速自動增強(qiáng)，支持策略遷移可視化增強(qiáng)策略，對增強(qiáng)策略進(jìn)行二次篩選影像標(biāo)簽標(biāo)簽樣本標(biāo)注樣本庫建設(shè)-樣本標(biāo)注樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合樣本實(shí)地踏勘樣本增強(qiáng)質(zhì)量控制整合入庫分類體系建設(shè)樣本樣本入庫質(zhì)量質(zhì)量控制歸一化歸一化整合智能解譯模型研發(fā)智能解譯模型研發(fā)-要素特征分析狀態(tài)分析物候分析生長初期呈淺綠色，由于樹枝樹葉剛剛發(fā)芽，影像觀察生長密度較松散生長中期呈現(xiàn)深綠色，由狀態(tài)分析物候分析生長初期呈淺綠色，由于樹枝樹葉剛剛發(fā)芽，影像觀察生長密度較松散生長中期呈現(xiàn)深綠色，由于樹枝樹葉生長茂盛，影像觀察生長密度較緊密生長后期呈現(xiàn)黃綠色，由于紅樹林樹葉枯萎，影像觀察生長密度松散知識尺度分析尺度分析光譜分析智能解譯模型研發(fā)-要素解譯模型改進(jìn)的改進(jìn)的DeepLabV3+模型RSMamba模型標(biāo)注影像提取標(biāo)注影像提取單棵和稀疏紅樹林稀疏、小尺度多尺度混合多尺度混合邊界不規(guī)則BIT模型智能解譯模型研發(fā)-變化檢測模型BIT模型算法流程算法流程逐層貪婪訓(xùn)練逐層貪婪訓(xùn)練CNN主干網(wǎng)絡(luò)負(fù)責(zé)提取高級語義特征BIT主模塊負(fù)責(zé)重構(gòu)深度特征預(yù)測頭則負(fù)責(zé)生成像素級的預(yù)測結(jié)果模型推理提取結(jié)果模型推理提取結(jié)果模型訓(xùn)練模型訓(xùn)練P24成果集成-軟件與系列工具集系列樣本標(biāo)注、生產(chǎn)、模型推理工具系列樣本標(biāo)注、生產(chǎn)、模型推理工具海洋遙感產(chǎn)品分析系統(tǒng)-智能解譯模塊樣