人工智能用于遙感目標可靠性識別：總體框架設計、現狀分析及展望

史文中，張 敏

1.香港理工大學智慧城市研究院，香港 999077; 2.香港理工大學土地測量及地理資訊學系，香港 999077

近年來，人工智能技術的應用給各行各業都帶來了新的發展機遇。20世紀50年代，人工智能開始起步，經過近70年的發展，已經在圖像理解、文本翻譯和預測分析等領域取得了顯著的進步，在某些情況下，甚至超過了人類。人工智能技術特別是深度學習技術的快速發展，也已經成為測繪遙感學科發展的重要驅動力量[1]。隨著國內外衛星商業化的發展，以及無人機的普及，遙感數據量快速增長，空間分辨率、時間分辨率、光譜分辨率得到不斷提升。目前遙感數據呈現出高中低分辨率、多光譜、高光譜、SAR、街景及LiDAR激光點云等多源數據共存的情況，為遙感監測及其他多領域應用提供了基本數據保障。但同時對遙感目標的快速、準確、自動化識別帶來了新的研究課題與挑戰。在遙感目標識別中融入人工智能技術是當今的一個研究熱點，也是未來的發展趨勢[2-4]。

遙感目標識別是指從遙感數據中提取目標地物信息的過程，如屬性信息、位置范圍和變化信息等，但認知水平及技術的局限性影響了這些信息的可靠性。可靠性是指產品或系統在一定的條件下和時間內無故障地完成規定功能的能力或可能性[5]。而遙感目標識別的可靠性問題主要體現在：①客觀世界存在不確定性問題，遙感觀測數據資料是否可靠地反映了真實的客觀世界；②人或機器的認知水平是否能夠可靠地識別遙感目標特征；③遙感目標識別過程中的處理方法是否滿足了任務目標的可靠性需求。因此，為了提升遙感目標識別的可靠性，筆者研究如何結合可靠性理論[6]和人工智能技術，將傳統的遙感目標識別方法發展為智能化的遙感目標可靠性識別方法，使其具有高精度、強智能、可解釋性和高穩健性等優點(如圖1所示)。這里的可靠性理論包括可靠性分析、可靠性評估和過程可靠性控制。

圖1 智能化的遙感目標可靠性識別的總體思路

1 遙感目標可靠性識別研究框架

傳統的遙感目標識別方法首先提取人工設計的目標特征，然后通過決策分析或者傳統的機器學習分類器進行目標識別。而隨著人工智能技術，特別是深度學習技術的發展，利用深度神經網絡模型進行目標識別，對復雜多變的自然地表取得了優于傳統方法的性能，可靠性得以提高。一方面，人工智能具有強大的學習、感知和推理等能力，能夠從各種遙感數據中學習有效的特征，提升遙感目標識別的可靠性；另一方面，人工智能也帶來了新的可靠性問題。現有研究多是在單一的點上進行，比如針對單一遙感數據源，或者少量目標的識別算法，導致其不能滿足實際復雜應用場景中的目標可靠性識別的需求。

盡管將人工智能技術引入遙感目標識別有許多優勢，但是人工智能算法普遍存在的數據驅動屬性和不透明性導致了新的不可靠性問題，如不可解釋性、低穩健性、容易被欺騙等，這使得很多方法只能在有限的場景下使用，如具有完全信息、確定性信息的場景，或靜態環境、限定領域等[7]。文獻[8]指出，人工智能發展的不確定性帶來新挑戰，在大力發展人工智能的同時，必須高度重視可能帶來的安全風險挑戰，加強前瞻預防與約束引導，最大限度降低風險，確保人工智能安全、可靠、可控發展。在此背景下，亟須建立遙感目標的可靠性識別方法，使得遙感目標識別的結果達到多種應用場景的精度要求，結果可靠、穩定。基于人工智能的遙感目標可靠性識別的思想，其總體框架如圖2所示，具體內容包括以下4個方面。

圖2 智能化的遙感目標可靠性識別的總體框架

(1)分析影響可靠性的因素。首先，分析遙感目標識別過程中的不可靠性因素；然后，根據技術過程研究其不確定性的傳播機理；最后，確定對整體方法可靠性造成影響的關鍵因素。

(2)可靠性提升方法。結合人工智能和可靠性理論，優化遙感目標識別的預處理過程，提出新的可解釋和可靠的算法使用數據及算法融合等策略，提升遙感目標識別方法的可靠性。

(3)可靠性評估。提出兩類可靠性指標：①針對目標識別算法；②針對識別結果。根據應用需求，構建相應的可靠性指標體評估模型，以及設計整體可靠性評價指數。

(4)過程可靠性控制。針對目標識別過程，研究其可靠性傳播模型，通過確定影響可靠性變量及其控制(如通過改進方法設計、算法實現過程及參數設置)，實現過程可靠性控制，達到提升最終結果可靠性的目的。

通過改善遙感目標識別技術，提供可靠的測繪遙感產品，是進行科學決策的重要保障[6]。可靠性理論已應用到第一次全國地理國情普查[9]，本文進一步提出結合人工智能的可靠性框架，以期為智能化測繪時代的遙感目標識別提供可靠性的理論支撐。

2 遙感目標識別的可靠性影響因素

空間數據不確定性理論研究已經取得了許多成果，并進一步發展為通過降低不確定性從而提高可靠性的理論。文獻[10]系統地闡述了空間數據與空間分析的不確定性原理；文獻[11]探討了測量平差到空間數據分析的可靠性理論延伸，簡要介紹了空間數據分析的可靠性指標計算方法；文獻[12]將可靠性理論引入航天攝影測量中，研究了衛星成像質量的可靠性問題；文獻[13]研究了分類過程中不確定性對分類精度的影響，提出遙感數據可靠性分類方法。此外，關于人工智能算法的可靠性研究也逐漸引起關注，文獻[14]提出了人工智能深度學習算法可靠性評估方法。

隨著人工智能技術在測繪遙感領域的廣泛應用，遙感目標識別方法的精度都得到了提升，但是仍然存在可靠性問題需要解決，且缺乏系統的可靠性理論支撐。分析遙感目標識別過程中的影響可靠性的因素，可為智能化遙感目標識別結果的可靠性評估和過程可靠性控制提供基礎，最終保障智能化遙感目標識別的可靠性。按照遙感目標識別技術實現過程，從遙感數據源和人工智能算法兩個方面對其各個步驟的可靠性影響因素進行了分析，如圖3所示。

圖3 遙感目標識別的可靠性影響因素

2.1 影響遙感數據源可靠性的因素

遙感數據源是實現智能化目標可靠性識別的重要基礎，其可靠性影響因素主要存在于數據獲取和預處理兩個過程。

(1)數據獲取過程。客觀世界的復雜性和不確定性、人類認知水平的局限性、感知技術的缺陷等因素造成了不確定性普遍存在[10]。遙感技術作為一種觀測手段，其數據獲取過程的可靠性，除了受客觀世界的復雜性和不確定性影響外，還主要受到成像條件、分辨率、存儲過程等因素影響。成像條件是一個復雜的因素集合，包括傳感器平臺、大氣環境、觀測時間、光照條件等。例如，陰影遮擋容易引起變化檢測方法的誤報導致其最終成果可靠性降低。分辨率包括時間分辨率、空間分辨率和光譜分辨率等，不合適的分辨率會影響目標識別結果的可靠性。文獻[15]分析了不同空間分辨率遙感數據對湖泊識別可靠性的影響。而存儲過程的可靠性是指遙感數據在存儲與傳輸過程中是否會發生信息丟失、文件損壞等問題，可以通過信息校驗進行可靠性提升。

(2)預處理過程。遙感數據預處理是遙感應用的關鍵步驟之一，通常包括輻射定標、輻射處理、幾何定標、幾何處理4個方面。該過程旨在消除成像過程受到的各種因素，如大氣作用、傳感器姿態、隨機噪聲等影響，使得遙感數據能夠真實反映地物輻射電磁波能量的大小，從而保證遙感目標識別數據源的可靠性。同時，預處理方法如輻射校正、幾何配準、數據融合、鑲嵌等存在的誤差也成了影響可靠性的因素。文獻[16]研究了配準誤差對變化檢測方法精度的影響，分析了配準問題導致變化檢測誤差的空間分布規律，并指出通過將邊緣信息和空間信息結合有助于研究可靠的變化檢測方法。

2.2 影響人工智能算法可靠性的因素

智能化的遙感目標識別的核心內容是人工智能的應用，人工智能需要基于外部數據進行解釋和學習，并利用這些知識實現特定目標和任務[17]，其可靠性主要受到訓練樣本生成、識別算法實現和應用數據輸入3個過程中的可靠性因素影響。

(1)訓練樣本生成。對于以數據驅動為主的人工智能算法，如目前廣泛應用的深度學習算法，需要可靠的樣本數據進行模型訓練。因此，在實踐中，一方面，應該考慮訓練樣本的數量規模、類型、分布模式、標注質量等影響可靠性的因素。其中，實現高精度的樣本標注是目前面臨的較大挑戰，這是由于地物目標本身存在不確定性，如幾何邊界、光譜特征(同物異譜、同譜異物)的模糊性，使標注結果具有不可靠性。另一方面，由于受到人類認知水平的限制，即使是專家標注的真值也難免存在問題。文獻[18]研究了地理國情普查中容易混淆的地表覆蓋類型，指出應該通過加強培訓，提高作業人員對地物特征定義和采集要求的認識，避免人為因素導致的標注錯誤。

(2)識別算法實現。盡管人工智能能夠模仿人類的目標識別過程，甚至在精度方面超過人類，能夠幫助提升算法識別結果的可靠性。但是人工智能算法結構的復雜性和多樣性、不可解釋性、目標函數的局限性等，仍然是影響其可靠性的重要因素。一個人工智能算法盡管可能獲得很好地識別檢測性能，但是如果其產生的結果不可解釋，甚至是不可控，那么這個算法會因為無法展現更多的可靠信息而受到應用限制[19]。

(3)應用輸入數據。應用輸入數據是指人工智能算法運行的輸入數據，對于需要訓練樣本的遙感目標識別任務，輸入的遙感數據容易存在與訓練樣本分布模式不同的情況，這會導致人工智能算法失效。例如，在識別遙感變化目標的任務中，應用數據的分布模式難以估計，存在低似然性問題，即絕大多數地物未變化而且變化類型和數量難以估計。地表覆蓋的復雜性和成像條件與訓練樣本的差異性，都容易導致基于該人工智能模型的遙感變化檢測算法可靠性降低。此外，異常輸入數據如存在極端值的遙感數據也是導致人工智能算法可靠性下降的重要因素。針對具體的人工智能模型，通常都存在對抗性樣本使算法失效的情況[20]，因此，對抗性樣本也是影響人工智能算法可靠性的因素之一。

3 遙感目標識別可靠性提升方法

3.1 可靠性提升策略

分析遙感目標識別各個過程中的可靠性影響因素可以幫助研究其可靠性提升策略，目前已經取得了一定的研究進展[4,21]，主要可以歸納為以下4個方面。

(1)分析數據的不確定性分布模式。如分析雙時相數據的配準誤差[16]、聯合不確定性[22]等對結果可靠性的影響，發展可靠的圖像配準、幾何校正、輻射校正等預處理算法，來降低數據獲取過程中的不可靠因素，旨在提升遙感數據源的可靠性。

(2)結合各種數學模型。如動態閾值模型[23]、馬爾科夫模型[24]、水平集模型[25]、模糊拓撲模型[26]、局部光譜趨勢相似性模型[27]等，旨在基于遙感數據的時空特征對結果進行優化，以提高識別結果在模糊區域的可靠性。

(3)融合多種數據、特征和算法。如融合多源遙感數據[28]、融合多特征方法[29-30]、融合多算法和多尺度結果[31-33]等，可以有效避免單一數據、特征或算法失效導致的低可靠性。

(4)恢復細節。通過恢復檢測目標的細節，提高邊緣位置目標識別的可靠性。文獻[34]利用不確定性分析提高變化目標的邊緣準確度。文獻[35]首先利用亞像素方法恢復像素細節，然后進行變化檢測，以提高變化目標檢測結果的可靠性。

3.2 人工智能用于可靠性提升

上述遙感目標識別的可靠性提升策略中，人工智能技術也發揮了重要作用。文獻[36]設計了一種深度神經網絡，提升了遙感圖像的配準精度，可以用于提升預處理過程的可靠性。文獻[37]結合深度學習模型和條件隨機場數學模型用于遙感影像的滑坡識別，提升了滑坡邊界在模糊區域的可靠性。文獻[38]利用卷積神經網絡從衛星影像和點云中識別城市樹木的類型，試驗證明多源遙感數據的使用，提高了識別結果的可靠性。文獻[39]結合邊緣損失函數來提高建筑物識別邊緣位置的可靠性。文獻[40]設計了一種基于多尺度、多任務的深度學習模型，實現了基于高分辨率遙感影像的道路識別，多尺度和多任務的設計使模型保留了空間細節的同時也提高了特征提取的穩健性。

此外，發展可靠的人工智能算法，也是提升智能化遙感目標識別可靠性的重要途徑，目前的研究可以歸納為以下3個方面。

(1)提高算法識別能力。旨在通過設計各種新的人工智能模型結構提高算法識別能力。文獻[41]設計了一種具有旋轉不變性學習能力的網絡結構來處理目標旋轉變化的問題，提高遙感目標識別的性能。這種通過提高識別結果的準確性和完整性來提升算法的可靠性，是目前大部分研究主要關注的方向[4,42-43]。

(2)降低對訓練樣本的要求。旨在通過發展各種人工智能學習算法，如無監督[44]、弱監督[45]、半監督[46]等算法及生成對抗[47]、樣本增廣[48]、小樣本學習[49]、遷移學習[50-51]等訓練策略，降低算法對訓練樣本的依賴程度和提高容錯能力，提高模型的穩健性和適用性，從而提升可靠性。

(3)提高人工智能算法的可解釋性。人工智能用于遙感目標可靠性識別首先需要提高算法自身的可解釋性，才能保證算法可以被人理解、控制和信任[52-53]。因此，人工智能算法的可解釋性也是可靠性方法需要研究的重要內容，其中深度學習模型的可解釋性研究是人工智能應用領域目前最具有代表性的方向。根據文獻[54]對深度學習模型可解釋性的定義可知，按可解釋性的解釋范圍可以分為全局可解釋性和局部可解釋性；按可解釋性的階段可以分為建模中的可解釋性和建模后的可解釋性。目前主要的3個研究方向為：①通過模型內部可視化分析，使模型的推理過程變得透明、可理解。②利用知識表征解釋模型各個模塊的語義特征，通過特征擾動和對抗性樣本分析各個特征對模型預測的影響。③基于已有可解釋性模型和工具如決策樹對黑盒模型進行建模后解釋。

受到計算機領域相關研究的推動，可解釋性人工智能已經逐漸應用到遙感目標識別[55-59]，但是還缺乏系統的理論研究。因此，遙感領域的可解釋性人工智能的理論和方法需要進一步的發展。例如利用模型可解釋性相關技術探測人工智能模型的決策弱點和決策邏輯，利用其生成的對抗性樣本來進行對抗訓練，可以進一步提升模型的穩健性[60]，從而得到更可靠的模型用于目標識別。

4 可靠性評估和過程可靠性控制

4.1 可靠性評估

遙感目標識別的整體可靠性評估是算法能否實際應用的重要保證，因此，需要根據可靠性影響因素分析，構建相應的可靠性評估指標體系。針對不同的應用需求，可以構建不同的可靠性評估指標體系。通過加權的方式確定各個指標的重要性，最終用于計算整體可靠性指數。針對目標識別算法的評價指標和針對識別結果的評價指標兩類，如圖4所示。

圖4 智能化遙感目標識別的可靠性評估

(1)針對目標識別算法的指標。目前，人工智能算法的可靠性評估已經有一定的標準化研究，文獻[61]提出了深度學習算法的可靠性評估指標體系，包括：①算法功能實現；②代碼實現；③目標函數；④訓練數據集；⑤對抗性樣本；⑥軟硬件平臺；⑦環境數據。文獻[62]介紹了如何研究人工智能算法模型安全指標和可信賴標準。文獻[63]闡述了這些人工智能技術的可靠性評估方法和標準的發展，為智能化目標識別算法在遙感領域的可靠性評估提供了重要依據。

(2)針對識別結果的指標。遙感目標識別結果可以作為一般測繪成果進行可靠性評估，其可靠性指標需要反映識別結果與參考數據表述情況(代表現實世界的真值)的吻合程度，現有的指標包括[21,64]：①準確性(識別結果反映真值的準確程度)；②完整性(識別結果與真值相比的符合與缺失的程度)；③現勢性(識別結果與評價時刻真值的吻合程度)；④一致性(識別結果的類型與真值的一致程度)；⑤尺度合理性(識別結果在當前尺度上與真值的符合程度)；⑥適用性(識別結果在具體應用領域的適用程度)；⑦穩健性(抗干擾性，即穩定表達真值的能力)。這些評價指標從不同方面反映了識別結果的可靠程度，通過這些指標構建的可靠性評估體系可以保障遙感目標識別最終結果的整體可靠性。

在智能化遙感目標識別的具體應用中，通常需要根據應用的可靠性需求，構建不同的評價指標模型，通過設置權值表示可靠性指標的重要程度。最終計算得到的整體可靠性評價指數一方面可以為提升智能化遙感目標識別的可靠性提供指導方向；另一方面可以為依據識別結果進行的決策提供可靠性保障。

4.2 過程可靠性分析和控制

遙感目標識別可以視為一個系統工程，各個處理過程可以通過可靠性評估指標進行可靠性分析，其分析結果可以進一步用于過程可靠性控制，最終通過調控算法過程中的可靠性影響因子提升整體方法的可靠性。文獻[65]研究了地理國情遙感監測數據變化檢測可靠性控制算法，通過顧及鄰域局部不確定性來提升算法結果的可靠性。

過程可靠性分析是指分析遙感目標識別過程中各種可靠性影響因素隨著系統過程不斷地傳遞與積累，以及可靠性影響因素之間的相互作用，從而影響最終結果可靠性的過程。而過程可靠性控制旨在利用過程可靠性分析，結合可靠性評估指標，建立系統過程的可靠性推理模型和可靠性影響因素之間的相互關系，從而找出重要的可靠性影響因子并進行可靠性控制，建立對應的可靠性控制方法[64]。

智能化遙感目標識別的過程可靠性控制如圖5所示，主要包括兩個關鍵步驟：

圖5 智能化遙感目標識別的過程可靠性控制思想

(1)對識別過程中的可靠性傳播進行建模，并對其可靠性傳播規律進行分析，建立可靠性狀態轉移序列，用于可靠性影響因子的重要度分析。

(2)通過指標評估過程中的可靠性影響因子，加強對重要因子的過程可靠性控制，并通過優化方法設計達到提升識別過程總體可靠性的目的。

有效的過程可靠性控制方法有助識別關鍵的可靠性影響因素，并控制這些因素對結果可靠性的影響。這是智能化遙感目標可靠性識別的重要研究內容之一。

5 展 望

人工智能用于遙感目標識別已經成為重要研究方向之一。結合筆者團隊有關研究，本文提出以下幾個展望。

5.1 發展無監督學習

人工智能的可靠性受到先驗知識和訓練過程的影響。目前遙感領域存在的已標注訓練樣本數據集的數量和規模都比較小，缺乏可靠性保障。因此，除了通過人工標注制作可靠的訓練樣本數據集外，利用無監督學習方式有可能解決這一問題。這些人工智能算法通過自身改進而降低對訓練樣本的依賴，在減少人力和物力消耗的同時，可以提高算法對任務的適應性和穩健性，不易受訓練樣本分布模式的局限，從而提升算法的可靠性。

5.2 發展遙感領域的可解釋性人工智能

如上文所述，不可解釋的人工智能是不可靠性的重要來源因素。目前可解釋性人工智能的研究還不夠成熟，沒有統一的理論和標準，特別是在遙感領域還處于起步階段。因此，還需要更深入的研究，探索能夠應用于遙感目標識別甚至是其他遙感應用的可解釋性人工智能。

從算法應用實現角度考慮，遙感應用通常會面臨大數據量、多數據類型、復雜地表覆蓋等挑戰，導致基于人工智能的遙感目標識別算法復雜且難以理解，同時也需要大量的計算機資源支持。對于復雜的遙感目標識別任務，單一的人工智能算法很難實現全部任務目標。因此，可以將復雜任務分解成多個簡單且容易理解的任務并實現原生分布式算法，利用分布式計算或邊緣計算等技術實現復雜任務的模塊化處理，這種解耦合實現除了可以提升整體算法的執行效率外，還有助于提升整體算法的可解釋性和可靠性。

5.3 融合多源遙感數據提升識別可靠性

測繪行業已經進入大數據時代，隨著觀測手段和觀測能力的提高，以及空天地一體化觀測平臺的發展，多源遙感數據的融合處理是必然的發展趨勢。基于多源遙感數據的目標識別一方面可以提高遙感數據利用率，另一方面可以提高方法與結果的可靠性。因為多源數據的使用，本質上是一種通過冗余信息使用提高可靠性的思想。

同時，隨著國家眾多遙感監測任務的實施和智慧城市的建立，遙感目標識別應用需求的時間頻率不斷提高，從年度觀測到月度觀測甚至到實時觀測；空間維度不斷擴展，從二維到三維甚至到多平臺、多角度觀測，這給基于多源、多時相遙感數據的智能化遙感目標識別的可靠性控制帶來了新的機遇與挑戰。

6 結束語

將人工智能與遙感信息處理有機結合是重要發展趨勢，可靠性問題是這個發展中的重要研究課題。本文提出智能化的遙感目標可靠性識別的總體設計，作為拋磚引玉，希望可以推動可靠性遙感目標識別的發展，包括基礎理論、智能方法、實用技術、國家和行業標準的系統發展與實踐，最終使新一代測繪技術實現智能化的同時具有高可靠性。