遙感就是遙遠的感知,聽起來是專業詞匯。但我們對感知卻不陌生,每個人與生俱來都有感知的能力,我們的耳朵可以聽,眼睛可以看,鼻子可以聞。
但是人類并也不滿足于這樣的一些感知能力,我們希望到更高的地方去看,像鳥一樣從天空的視角俯瞰大地,所以我們對自身能力的想象。
遙感也是這樣,它既包括人眼看到的可見光,也包括人眼看不到的更多的電磁波信息。空間技術賦予了我們更多更強的感知能力,能在更高、更遠的地方探測地表信息。
利用遙感技術為生產生活服務,比如氣象預報、減災防災、區域規劃、對國土資源的探測和管理以及智慧城市等。
今天,越來越成熟的空間技術,加上3S技術,即遙感(RS)和地理信息系統(GIS)、全球定位系統(GPS),為AI智能的應用準備了海量的空間數據,加上5G移動通信和萬物互聯時代的來臨,這些數據將為我們帶來對未來AI時代的憧憬。
地球上空每天飛行著上千個衛星,各種模式的衛星載荷遙感監測,每時每刻都產生著新的各類數據及其圖像構成了 "空間大數據"。我們的衛星觀測、通常說的空間遙感,已經達到很高的分辨率。合成孔徑雷達圖像空間分辨率可達到分米量級。
通過雷達對地球上的大氣、地表、海洋、空間等進行目標識別,這個過程就是信息感知。在這之中,我們獲得了什么信息,這些信息又能形成什么知識產品?這是在空間觀測和空間遙感得到重要應用的主要問題。
而AI智能的發展,為信息感知提供了新的途徑。今天主要看看如何用AI智能的方法來處理空間遙感大數據,從而對目標精細特征進行感知,并形成知識產品。
遙感就是遙遠的感知。從地球遙感來說,可分為早期的光學遙感(即飛機上的航空攝影)、衛星平臺上的空間遙感、紅外遙感、微波遙感。
從主被動來說,可分為被動遙感和主動遙感。
被動遙感在氣象預報、海洋預報方面發揮著很大作用;主動遙感可以達到分米量級的分辨率,通過發射并接收電磁波,感知、反演、重建目標的物理特征。
要想仔細觀測某個地方,需具備比較大的雷達孔徑,進而獲得較高的分辨率。大孔徑有賴于合成技術,七十年代第一個合成孔徑雷達運用于海洋衛星,開啟了在民用上的應用,九十年代,合成孔徑雷達技術蓬勃發展,我們稱其為多源多模式合成孔徑雷達。
至今,它已發展成為一個多源多模式高分辨率全極化合成孔徑雷達。多源,即數據有各種目的、各種頻率;多模式,即數據采集、測量有不同方式;高分辨率,指雷達可以達到分米量級;全極化,即測量后可以得到電場、磁場不同方向上的反應。
通過全天時、全天候、高分辨率、多維度獲取數據成像,我們對天、空、地、海上的目標進行識別,得到信息感知和特征的反演、重構。
需強調的是,這里討論的是微波、毫米波等電磁波,而不是光學的照片——它是個非視覺的過程,不是通過人眼去"看"能明了的,必須經過科學研究和分析來獲取。
如何識別雷達轉化的數據圖像?一個研究方式是做模型,例如,通過各種物理參數對復雜的地表進行計算和成像,這也叫做正向的模擬。
可是即便所成的像和光學照片有一定相似性,除非是依靠有經驗的人,普通百姓依然無法靠肉眼識別信息。
而AI智能技術提供了信息感知的新途徑。以人臉識別為例,機器可以從眾多人臉中快速識別所需的人臉,在雷達圖像中,我們同樣希望可以通過大數據感知所需識別的內容。
目前,人工智能已助力于雷達圖像識別中,在智慧城市、災害監測評估、偵察定位跟蹤等方面都有廣泛的應用。
AI智能實際上是模擬人腦、人眼視網膜,通過對局部或整體的數據分析,建立感知機制。通過深度學習、大量的數據輸入,AI智能產生特征性的矢量分布,進而獲取了感知信息的能力。
實際上,我們從電磁物理學,加上人工智能AI形成了微波視覺,其中包括了電磁波的仿真反演的研究,包括類腦智能以及物理世界相互作用方面的結合,從而產生交叉科學的電磁方面的人工智能技術,這是我們所提出的人工智能技術特別是在空間電磁學、空間遙感科學,或者目標的自動識別技術方面的進展。
總體來說,衛星技術和其它相關技術提供了大量的數據,但大量的數據和信息的感知不能劃等號,特別是多維度、精細的信息感知。
我們可以再發展人工智能新的模型、新的算法,并在契合空間遙感的物理學需求的情況下,產生一個交叉的新科學。
長期以來,理論、實驗和計算構成了科學的三大支柱,現在增加了一個新的支柱,就是智能的支柱。
理論,是科學的基本理論;
實驗,是科學理論的一個實現和佐證;
計算,是由于計算機的發展;
智能,是由于科學技術的發展。
這些科技的應用將帶動許多相關學科和相關產業的發展,比如我們正在進行的用來目標識別的人工智能芯片,一方面帶動了許多原先沒有的產業的新發展,同樣,也會促進許多基礎研究。基礎研究將進入一個新的領域。
本文圖片來源:互聯網;
版權歸原作者所有,如有侵權請聯系后臺刪除