BIGSARDATA 2019 ｜ 高端论道
点击中国图象图形学报→主页右上角菜单栏→设为星标
会议: BIGSARDATA 2019
时间: 2019年8月5日-6日
地点: 北京
主办: 中国科学院遥感与数字地球研究所和IEEE GRSS北京分会
如果用一个词概括BIGSARDATA 2019，毫无疑问就是“专而精”。
专 没有高大上的会议官网宣传，参会200余人。
精 组委会、会议嘉宾和报告人都是来自人工智能、大数据以及SAR领域的中外学界大咖，绝对是与国际接轨的顶会范儿！
能够把他们凝聚在一起的原因只有一个，那就是聚焦大数据和人工智能时代下SAR技术和应用的进步。正如中科院空天信息研究院(筹)丁赤飚副院长在会议欢迎致辞中所指出的，BIGSARDATA是在SAR卫星的迅速发展，SAR应用需要不断深入和拓展的背景下，由中国科学院遥感与数字地球研究所发起倡议，于2017年11月首次成功举办。继续组织召开BIGSARDATA2019的目的就是加强各国学者之间的交流与合作，加强学术界与企业间的合作，促进雷达遥感的发展，以应对大数据时代雷达遥感面对的挑战，服务于人民生活的改善和可持续发展，服务地球系统科学研究。
迎接智能SAR大数据时代
徐冠华 院士
目前国际上在轨的民用SAR卫星有20余颗，欧盟哥白尼计划的哨兵1A和1B分别于2014和2016年发射，每天8TB数据免费共享。我国高分3号卫星具有多模式，全极化特点，在国家减灾防灾和经济建设中发挥重要作用。在 “十三五”期间，15颗陆地观测卫星中有7颗是SAR卫星，到2022年，雷达卫星将达到近百颗，每天的数据将达到百TB，雷达遥感发展日新月异，而SAR大数据时代的到来也为地球系统科学带来新的发展和挑战，雷达数据的应用还有待提高，共享机制有待完善，处理瓶颈也有待突破。
2012年，在国际计算机视觉领域，深度学习在图像识别的成绩一鸣惊人。2016年，AlphaGo大战李世石。让人看到人工智能在某些方面已经超越人类。大数据催生深度学习，深度学习等机器学习又为SAR大数据的处理、准确的信息提取提供了新的方法。SAR大数据和智能处理的融合正在成为一种趋势。
SAR大数据也带来了对高性能计算的需求，我国高性能计算机连续三年世界排名第一，但是应用软件的投入和开发仍然滞后，和国际高性能计算的应用存在差距。随着摩尔定律的失效，针对专门领域应用的超算系统软件和硬件的协同设计是未来高性能计算的发展方向。高性能SAR计算是SAR大数据时代新的发展机遇。人类科学技术的发展，从伽利略的观测实验，到牛顿、麦克斯韦的理论科学，再到上个世纪下半页的复杂现象模拟等计算科学，今天大数据时代诞生了数据密集型科学。随着SAR大数据时代的到来，必将产生SAR遥感和应用新的科学范式。
SAR大数据与地球大数据
郭华东 院士
我国SAR技术在不断发展。1979年9月17日我参加电子所组织的第一次机载雷达遥感试验，获取的数据距离和方位分辨率都很低，但确是我国第一幅合成孔径雷达图像。几十年来SAR技术飞速发展，星机载多波段多极化、干涉、全极化、层析SAR等相继问世，我国12模式星载SAR也显示了非凡的水平。
地球大数据不仅体现其不断拥有的海量观测地球的数据，更重要的是其显示的创新的科研方法论和科学发现新范式，代表了地球科学和信息科学交叉融合的前沿领域。地球大数据需要适用的、先进的、动态的数据，合成孔径雷达的全天候、全气候和对某些地物的穿透作用使其具备了这些能力。此次雷达大数据的举办很有意义，愿沿着这个路径不断向前发展。让SAR技术更好地服务于资源、环境、生物、生态等多个地球科学领域，推动并实现地球大数据技术创新、重大科学发现和一站式全方位宏观决策支持。
大会特邀报告
Prof. Mihai Datcu
Remote Sensing Technology Institute, DLR
AI4SAR: image,signatures,objects
来自德国宇航院遥感技术研究所的Datcu研究员，是从事大数据、目标智能处理的资深专家。承担过欧空局的数据处理以及德国TerraSAR-X卫星的目标提取研究工作。
Datcu研究员面向海量对地观测SAR数据，从图像-信号-信息的知识获取过程，提出了结合SAR散射特点的人工智能数据挖掘，信息获取的解决方案。为了解决数据仓储和快速目标识别，研究建立了包括城市、道路、机场、农田等各类目标的图库。
相关成果：
Datcu, Mihai (2018) Big SAR Data Science: Physics based Machine Learning and Artificial Intelligence. IET International Radar Conference 2018, 17.-19. Okt. 2018, Nanjing, China.
Datcu, Mihai und Xu, Feng (2018) Earth Observation Big Data Intelligence: theory and practice of deep learning and big data mining. IGARSS 2018, 22.-27. Juli 2018, Valencia, Spanien.
Prof. Akira Hirose
The University of Tokyo, Japan
Recent progress in adaptive SAR data structurization in complex and hypercomplex domain
作为IEEE FELLOW 、IGARSS2019的大会主席，国际人工智能神经网络学会前主席，Prof. Akira Hirose 在智能处理、地球遥感领域非常活跃。横滨大会刚刚落幕，他就赶来参会，为大家分享了复杂和超复杂域中自适应SAR数据结构化的最新进展。
相关成果：
Hirose, Akira, Satoshi Tsuda, and Ryo Natsuaki. "Structurization of synthetic aperture radar information by using neural networks." 2017 SAR in Big Data Era: Models, Methods and Applications (BIGSARDATA). IEEE, 2017.
Prof. Alejandro. C. Frery
Universidade Federal de Alagoas, Maceió, Brazil
Statistical information theory and information geometry in SAR analysis
巴西阿拉戈斯联邦大学的Frery教授，是IEEE Geoscience and Remote Sensing Letters前主编，目前是IEEE GRSS AdCom成员，负责future publications。除了介绍用统计学模型将SAR图像过程与分析相结合，还分享了目前国际上新型科学成果出版和传播形式，以适应大数据时代，代码、数据的存储、审核、出版、回溯、分享模式。
相关成果：
Frery, Alejandro C., Abraao DC Nascimento, and Renato J. Cintra. "Information theory and image understanding: An application to polarimetric SAR imagery." arXiv preprint arXiv:1402.1876 (2014).
丁晓利 教授
香港理工大学
Multi-temporal InSAR: some efforts in suppressing major errors
丁晓利教授是香港理工大学土地测量与地理资讯系首席教授，Remote Sensing Applications: Society and Environment 主编。丁教授结合多年在测绘、InSAR领域的研究经验，提出与其他参数一起共同评估MT-InSAR 的轨道错误（orbital errors）和大气延迟(atmospheric delays)的方法。
相关成果：
Liang, Hongyu, et al. Toward Mitigating Stratified Tropospheric Delays in Multitemporal InSAR: A Quadtree Aided Joint Model. IEEE Transactions
张庆君 研究员
航天科技集团公司第五研究院
China first multipolarization SAR satellite applications and development
张庆君研究员长期从事卫星遥感技术研究和工程实践，是我国航天器总体设计及卫星遥感领域专家。他介绍了我国未来SAR卫星计划，包括：GF－3 SAR卫星星座、HJ－1C卫星星座，L波段差分干涉SAR卫星，X波段双天线干涉SAR卫星，20米地球同步轨道SAR卫星。
李晓明 研究员
中国科学院遥感与数字地球研究所
Arctic Sea ice cover by spaceborne Synthetic Aperture Radar
李晓明研究员曾在德国宇航中心（DLR）工作， 参加过德国联邦教育和研究部、德国联邦经济与科技部、欧洲空间局等国际合作项目，主要从事微波海洋遥感研究。他介绍了基于机器学习的星载SAR图像海冰识别方法，以及在“雪龙号”北极科考船救援中的应用情况，此外还展示了利用他们的算法所获取的本月4日北极航道的海冰图。
相关成果：
Sven Jacobsen, Xiaoming Li, Suman Singha, Domenico Velotto and MinWei Zheng, “Arctic Sea Ice Monitoring By Multiple Spaceborne SAR”， Dragon 4 Symposium，2017
缑水平 教授
西安电子科技大学
The Deep self-paced learning approaches for fully polarimetric SAR image classification
西安电子科技大学焦李成教授研究团队是国内人工智能领域的翘楚，研究方向涉及数据挖掘、机器学习、遥感图像处理和医学大数据智能分析与挖掘。在刚刚结束的IGARSS2019 大会上获得竞赛大奖，缑水平教授代表团队介绍了基于深度自步学习的全极化SAR图像分类方法。
相关成果：
H. Liu, Z. Wang, F. Shang, S. Yang, S. Gou, and L. Jiao, “Semi-supervised tensorial locally linear embedding for feature extraction using PolSAR data”，IEEE J. Sel. Topics Signal Process., vol. 12, no. 6, pp. 1476–1490, Dec. 2018
王超 研究员
中国科学院遥感与数字地球研究所
Open SAR vessel dataset and deep learning practice
BIGSARDATA 2017、2019大会主席王超研究员介绍了研究团队构建“多模式SAR图像船舶检测数据集”的情况。该数据集以我国国产高分三号SAR数据和Sentinel-1 SAR数据为主数据源，共采用了102景高分三号和108景Sentinel-1 SAR图像构建高分辨率SAR船舶目标深度学习样本库。标注的船舶切片达4万多个，种类丰富，背景多样，免费开放共享，这将促进深度学习在SAR船舶监测的研究和应用。
https://github.com/CAESAR-Radi/SAR-Ship-Dataset?tdsourcetag=s_pcqq_aiomsg
相关成果：
Wang, Yuanyuan, et al. A SAR Dataset of Ship Detection for Deep Learning under Complex Backgrounds. Remote Sensing 11.7 (2019): 765
1956年8月，在美国汉诺威小镇宁静的达特茅斯学院，约翰·麦卡锡、马文·闵斯基、克劳德·香农等科学家一起，设想了包括机器翻译、机器学习等七个人工智能的基本领域，引领了人工智能。
从BIGSARDATA 2017到2019，短短三年这个领域已经取得了很大进步，但仍有很多方向需要研究探索。BIGSARDATA旨在探讨大数据时代的SAR研究与应用发展，不是局限于研究深度学习的具体方法，大数据不仅仅是指需要大量的标签样本数据，更是指面向海量的SAR数据，如何与高性能计算相结合，实现人工智能-高性能计算的真正融合，为国家决策服务，产生更多科学发现。期待BIGSARDATA会议能持续地为相关领域学者提供一个思想碰撞、凝聚共识、引领方向、发掘新人的学术顶会平台。
原创好文
会议征文
行业动态
本文系《中国图象图形学报》独家稿件，
欢迎读者转发朋友圈
文章部分配图来自网络，仅供学习交流，
版权属于原作者
编辑：狄狄
指导/审核：梧桐君
声明
欢迎转载、转发本号原创内容，授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。