在新興的“數(shù)據(jù)融合”領域的一個例子中，研究人員開發(fā)了一種神經網絡技術，將光學成像和合成孔徑雷達連接到一個單一的綜合數(shù)據(jù)源中。該方法比傳統(tǒng)方法更有效地結合了各種信息。用于解釋來自遙感(例如來自衛(wèi)星或飛機)的信息的大多數(shù)當代技術都集中在單模態(tài)數(shù)據(jù)上——從單一數(shù)據(jù)收集源接收。此類解釋技術很少充分利用多種來源(或“模式”)，因此無法利用互補數(shù)據(jù)，將這些數(shù)據(jù)結合起來，可以更全面地講述所觀察到的事物。
這方面的一個例子是衛(wèi)星光學成像——許多從事遙感數(shù)據(jù)工作的科學家都熟悉的那種被動光束掃描——很少與合成孔徑雷達或 SAR 配對。SAR 是一種雷達，它產生自己的能量，然后記錄與地球相互作用后反射回來的能量。雖然光學圖像類似于解釋照片，但 SAR 數(shù)據(jù)需要不同的思維方式，因為信號對表面特征有反應。
至關重要的是，與光學成像不同，SAR 不會被具有挑戰(zhàn)性的照明條件或云霧所打敗。然而，它受到大量數(shù)據(jù)“噪聲”和低紋理細節(jié)的影響，這意味著即使是訓練有素的專家有時也難以解釋輸出。
因此，在過去十年左右的時間里，開始開發(fā)利用人工智能將光學成像和 SAR 等多種數(shù)據(jù)收集模式結合為單一綜合源的努力。這種將來自不同模式或類型傳感器的數(shù)據(jù)融合在一起通常稱為“數(shù)據(jù)融合”。
這一新興的創(chuàng)新領域有望徹底改變利用遙感的領域——如土地使用監(jiān)測、污染預防和情報——通過將各種信息集比傳統(tǒng)方法更快、更全面、更有能力地整合到一個單一來源中.
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！