学术论坛▏海上船舶的多源遥感融合解译技术探讨

一、引言

海洋是国家安全的重要屏障，世界上大部分海洋国家均建立了业务化的海洋监测体系，实现对本国海岸沿线和专属经济区内船舶目标的有效监控；我国海岸线漫长，大部分海域与邻国存在着主权划分的问题，因此我国对海洋权益越来越重视；同时，针对游船事故、非法捕捞、油船泄露等问题，也需要相关部门加强海上目标的监测。

图1 上：南海军事、经济形势图；下：海上救援

目前，海上目标监测的手段主要包括：超视距雷达、地基短波/超短波通信观测、卫星遥感监测等。其中超视距雷达发现目标的概率低，虚警率高，且雷达目标自身较为明显、容易被摧毁；地基短波/超短波通信观测受视距和活动范围的限制，很难对海上目标实施有效监视。与前两种监测方法相比，卫星遥感技术的蓬勃发展为海上目标监测提供了一种远距离、全天候的监测手段，具有观测范围广、观测时间长、不易被攻击等优点，可实现对海上船舶目标大范围、多要素的监测分析，目前已成为海上目标监视的有效手段。同时，在现代海上救援、执法中，越来越强调快速反应能力，因此在获取遥感数据的第一时间就要对局势做出正确判断。对相关部门而言，如何在“互联网+”时代对海量遥感大数据进行自动获取与深度挖掘，从而获得海上船舶目标运动的语义信息，对海上执法、救援等任务来讲就显得尤为重要。

二、研究框架

图2 研究框架基于上述考虑，作者拟提出如上图所示的研究框架（图2），对海上船舶的多源遥感融合解译技术进行初步探讨。首先进行融合数据源获取研究，探讨如何从互联网上自动获取海量遥感数据；然后进行海上目标融合研究，对多源遥感数据进行融合（时空配准）和海上目标成像特性研究，并在此基础上，实现海上目标的自动检测与深度关联；最后进行海上目标融合应用研究，对目标进行语义分析，从而获取海上目标的状态和行为信息。

三、研究途径和方法

⒈ 海上目标融合数据源获取研究随着遥感技术的发展与进步，全球卫星的数量日益增多，遥感影像数据量呈几何倍数增长；同时随着互联网技术的发展，使互联网上存在了大量免费、公开的遥感数据源。目前用户获取遥感数据的方式还是以手动搜索与下载为主，显然这种数据获取方式无法满足海上目标监测中对海量遥感数据的需求。因此作者拟提出互联网遥感数据自动发现技术，通过设计面向海上目标数据的主题网络爬虫，实现网站检索、数据抓取和数据存储。①网站检索设计面向遥感数据领域的主题相关度识别算法，从而实现遥感数据共享网站的有效检索，并将网站地址保存到链接库文件中，见图3。

图3 国内外遥感数据共享网站②数据抓取研究面向海上目标数据的主题网络爬虫，实现海上目标数据的自动有效抓取；同时设计海上目标数据的过滤机制，从海量遥感数据中自动过滤出可能包含海上目标的数据。③数据存储对遥感数据到数据库数据的映射模型进行设计，将已下载到本地的遥感数据文件装载到数据库中；选用可进行分布式存储的HBase进行海量海上目标数据的存储。⒉ 海上目标融合研究⑴多源多尺度多谱段影像的海上目标成像特性研究由于海上目标在不同数据来源、不同尺度、不同谱段下的成像特性是不同的（图4），因此需要在遥感大数据支撑下对海上目标成像特性进行研究。进行多源海上目标成像特性研究的难点在于：❶海上目标在异构传感器影像中的成像机理不一致；❷海上目标在不同尺度影像中的几何形状差异较大；❸海上目标在不同谱段影像中的光谱特性差异较大。

图4 海上目标在多源、多尺度下的成像特性对比为了解决上述难点问题，拟采取以下研究方案：①获取多源多尺度多谱段的海上目标遥感数据通过3.1小节互联网遥感数据自动发现技术即可获得国内外多源、多尺度、多谱段的遥感数据，具体包括：多光谱（MODIS、Landsat、哨兵-2、HJ、中巴等）、高光谱（Hyperion、HJ-HIS等）、SAR（哨兵-1等）、红外（Landsat、HJ-IRS）等。②对多源遥感数据中的海上目标进行特征提取所提取的特征包括可见光、多/高光谱、红外和SAR特征等（图5），具体如下：❶可见光影像特征：灰度特征（均值、标准差、最大值、偏度等）、形态特征（周长、面积、密实度、对称性等）；❷多/高光谱影像特征：光谱特征（反射峰波长、吸收谷波长等）、光谱指数（归一化水体指数、缨帽变换分量等）；❸红外影像特征：最亮像素比值、热温差、均值对比度、复杂度等；❹SAR影像特征：长宽比、转动惯量、对比度特征等。

 图5 上：可见光特征提取；下：SAR特征提取③构建海上目标多源多尺度多谱段的特征数据库采用MongoDB非关系型数据库对海上目标多源多尺度多谱段特征进行管理。MongoDB是一个基于分布式文件存储的开源数据库系统，采用无模式的文档作为数据结构，相对比较成熟，具有较好的开发接口，最接近关系数据库，具有很强的查询功能；非常适合构建海量海上目标成像特征数据库。⑵多源海上目标数据的时空一致与配准技术由于海上目标数据在不同数据来源、不同尺度、不同谱段、不同时相下的观测几何是不同的，这将导致多源海上目标数据出现时空不一致的现象，因此需要进行多源数据的配准。进行多源海上目标数据时空一致和配准的难点在于：①成像机理差异：导致异源传感器上特征点匹配错误；②空间分辨率差异：导致找不到足够多的影像特征点；③成像时相差异：导致同一地物的光谱特征出现差异，如同物异谱、异物同谱等。

 图6 多源海上目标数据配准示意图为了解决上述难点问题，拟采取基于区域特征和区域扩展的多源数据自适应配准算法，具体包括区域特征选取、区域拓展、自适应确定最佳匹配区域、以及获取变换模型参数。其中在区域特征选取中，选取的特征包括质心等区域几何参数；在区域拓展中，采用由粗到精的配准策略，其中粗匹配是建立简单几何变换模型的过程，精匹配为建立复杂几何变换模型的过程，整个由粗到精的匹配过程主要解决由于多传感器差异造成的配准控制点数量较少的问题。同时为了提高粗匹配的鲁棒性和精度，联合使用基于小面元的粗匹配和基于特征链码的相对精匹配。⑶时空数据融合下的海上目标自动发现与深度关联技术时空数据融合可以提高海上目标自动发现的精度和可靠性，并且可以基于多源数据融合进行海上目标的深度关联，从而为海上救援、海上执法提供精准的基础数据。进行时空融合下的海上目标自动发现与深度关联的难点在于：船舶目标自动检测与识别算法的设计、以及如何在多源遥感数据中进行海上目标的自动深度关联。

 图7 海上目标自动关联示意图为了解决上述难点问题，拟采取以下研究方案：①时空融合在时空融合框架的基础上做好信息融合：在像素级、特征级、决策级三个层面上将多源数据的优势进行结合，从而融合出包含更多有用信息的新的遥感影像；②海陆分割先对影像进行阈值分割，利用海面与陆地等不同区域的灰度或纹理统计特征生成二值图；然后进行港口轮廓提取，利用码头的长直线特性将码头与靠岸目标分开，通过提取港口轮廓，进行精确的海陆分割；③全局和局部特征相结合的船舶目标特征提取与检测其中全局特征是指经过一幅图像的全局信息提取出来的特征；局部特征是指经过一幅图像的局部信息提取出来的特征；通过全局和局部特征的结合，可以完整刻画出船舶目标的多尺度特征，从而为目标的自动发现和检测提供支撑；④基于ACM最优化的海上多目标关联首先进行特征匹配，利用图像特征匹配来定量判别目标之间的相似性；然后构造ACM，利用目标特征匹配结果来构造多目标关联代价矩阵（ACM），形成组合优化问题，消除目标关联的模糊性；最后在关联准则的约束下引入模拟退火算法，从而加速求解目标函数的能量最小值，并最终获得ACM最优状态下的目标关联结果。⒊ 海上目标融合应用研究⑴基于语义分析的海上目标轨迹与状态探测技术海上目标轨迹与状态探测技术可以实现对特定目标的跟踪、分析、确认、记录及显示，为海上救援、海上执法等任务提供参考。进行海上目标轨迹与状态探测的难点在于：①海上目标轨迹具有较大的不确定性，如何实现轨迹的语义建模？②如何利用语义模型从海量数据中挖掘海上目标的行为特征？为了解决上述问题，拟采取基于深度学习的海上目标语义分析，见图8。

 图8 基于深度学习的海上目标语义分析首先对多源时空数据进行语义建模，从而生成海上目标行为的语义字典，并对该字典进行语义特征编码，从而生成船舶目标行为的视觉单词。同时采用深度学习算法对多源时空数据进行深度挖掘，从而提取出目标的视觉单词，并通过特征池化得到单词的行为语义特征，并完成目标行为的最终判断，如目标越界、驻留、聚集等。

四、展望

海上船舶目标的遥感解译具有十分重要的应用价值，可以为海上救援、执法等提供时效性很强的情报支撑。而遥感技术的飞速发展、互联网科技的长足进步都为海上船舶的多源遥感融合解译提供了很大帮助。航天宏图有志于在多源遥感数据融合的基础上，实现海上船舶的自动发现、关联和轨迹分析，从而为行业应用提供坚实的技术保障。

【作者简介】刘东升，1984年出生，地图学与地理信息系统专业，北京航天宏图信息技术股份有限公司产品研发总监。多年来带领技术团队研制国产遥感数据处理软件PIE（Pixel Information Expert），并基于PIE软件产品在军民两个领域开展了大量的遥感应用，覆盖气象、海洋、水利、林业、农业、统计、测绘、军事等多个行业。北京航天宏图信息技术股份有限公司（简称“航天宏图”），是一家专业从事卫星(遥感卫星、导航卫星)技术研究与应用的高新技术企业。公司成立于2008年，依托中国航天的雄厚优势，以国产卫星专业服务与行业应用为使命，自主研发PIE（Pixel Information Expert）系列产品，为行业用户提供空间信息应用整体解决方案。

【特别声明】
本文为作者的原创作品，在此，特别感谢他对我微信公众平台的支持与厚爱。如果其他平台转发，务请标注作者及文章来源。

投稿邮箱：[e-mail]，请您在留言中标注为投稿，并提供个人简介及联系方式，谢谢！