传统的遥感目标识别方法首先提取人工设计的目标特色，然后通过决策剖析或者传统的机器学习分类器进行目标识别。而随着人工智能技能，特殊是深度学习技能的发展，利用深度神经网络模型进行目标识别，对繁芜多变的自然地表取得了优于传统方法的性能，可靠性得以提高。一方面，人工智能具有强大的学习、感知和推理等能力，能够从各种遥感数据中学习有效的特色，提升遥感目标识别的可靠性；另一方面，人工智能也带来了新的可靠性问题。现有研究多是在单一的点上进行，比如针对单一遥感数据源，或者少量目标的识别算法，导致其不能知足实际繁芜运用处景中的目标可靠性识别的需求。只管将人工智能技能引入遥感目标识别有许多上风，但是人工智能算法普遍存在的数据驱动属性和不透明性导致了新的不可靠性问题，如不可阐明性、低稳健性、随意马虎被欺骗等，这使得很多方法只能在有限的场景下利用，如具有完备信息、确定性信息的场景，或静态环境、限定领域等[7]。文献[8]指出，人工智能发展的不愿定性带来新寻衅，在大力发展人工智能的同时，必须高度重视可能带来的安全风险寻衅，加强前瞻预防与约束勾引，最大限度降落风险，确保人工智能安全、可靠、可控发展。在此背景下，亟须建立遥感目标的可靠性识别方法，使得遥感目标识别的结果达到多种运用处景的精度哀求，结果可靠、稳定。基于人工智能的遥感目标可靠性识别的思想，其总体框架如图 2所示，详细内容包括以下4个方面。Fig. 2 Framework of reliable and intelligent object recognition from remotely sensed data(1) 剖析影响可靠性的成分。首先，剖析遥感目标识别过程中的不可靠性成分；然后，根据技能过程研究其不愿定性的传播机理；末了，确定对整体方法可靠性造成影响的关键成分。(2) 可靠性提升方法。结合人工智能和可靠性理论，优化遥感目标识别的预处理过程，提出新的可阐明和可靠的算法利用数据及算法领悟等策略，提升遥感目标识别方法的可靠性。(3) 可靠性评估。提出两类可靠性指标：①针对目标识别算法；②针对识别结果。根据运用需求，构建相应的可靠性指标体评估模型，以及设计整体可靠性评价指数。(4) 过程可靠性掌握。针对目标识别过程，研究其可靠性传播模型，通过确定影响可靠性变量及其掌握(如通过改进方法设计、算法实现过程及参数设置)，实现过程可靠性掌握，达到提升终极结果可靠性的目的。通过改进遥感目标识别技能，供应可靠的测绘遥感产品，是进行科学决策的主要保障[6]。可靠性理论已运用到第一次全国地理国情普查[9]，本文进一步提出结合人工智能的可靠性框架，以期为智能化测绘时期的遥感目标识别供应可靠性的理论支撑。空间数据不愿定性理论研究已经取得了许多成果，并进一步发展为通过降落不愿定性从而提高可靠性的理论。文献[10]系统地阐述了空间数据与空间剖析的不愿定性事理；文献[11]磋商了丈量平差到空间数据剖析的可靠性理论延伸，简要先容了空间数据剖析的可靠性指标打算方法；文献[12]将可靠性理论引入航天拍照丈量中，研究了卫星成像质量的可靠性问题；文献[13]研究了分类过程中不愿定性对分类精度的影响，提出遥感数据可靠性分类方法。此外，关于人工智能算法的可靠性研究也逐渐引起关注，文献[14]提出了人工智能深度学习算法可靠性评估方法。随着人工智能技能在测绘遥感领域的广泛运用，遥感目标识别方法的精度都得到了提升，但是仍旧存在可靠性问题须要办理，且缺少系统的可靠性理论支撑。剖析遥感目标识别过程中的影响可靠性的成分，可为智能化遥感目标识别结果的可靠性评估和过程可靠性掌握供应根本，终极保障智能化遥感目标识别的可靠性。按照遥感目标识别技能实现过程，从遥感数据源和人工智能算法两个方面对其各个步骤的可靠性影响成分进行了剖析，如图 3所示。
图 3 遥感目标识别的可靠性影响成分Fig. 3 Factors that affect reliability of object recognition from remotely sensed data
图选项
遥感数据源是实现智能化目标可靠性识别的主要根本，其可靠性影响成分紧张存在于数据获取和预处理两个过程。(1) 数据获取过程。客不雅观天下的繁芜性和不愿定性、人类认知水平的局限性、感知技能的毛病等成分造成了不愿定性普遍存在[10]。遥感技能作为一种不雅观测手段，其数据获取过程的可靠性，除了受客不雅观天下的繁芜性和不愿定性影响外，还紧张受到成像条件、分辨率、存储过程等成分影响。成像条件是一个繁芜的成分凑集，包括传感器平台、大气环境、不雅观测韶光、光照条件等。例如，阴影遮挡随意马虎引起变革检测方法的误报导致其终极成果可靠性降落。分辨率包括韶光分辨率、空间分辨率和光谱分辨率等，不得当的分辨率会影响目标识别结果的可靠性。文献[15]剖析了不同空间分辨率遥感数据对湖泊识别可靠性的影响。而存储过程的可靠性是指遥感数据在存储与传输过程中是否会发生信息丢失、文件破坏等问题，可以通过信息校验进行可靠性提升。(2) 预处理过程。遥感数据预处理是遥感运用的关键步骤之一，常日包括辐射定标、辐射处理、几何定标、几何处理4个方面。该过程旨在肃清成像过程受到的各种成分，如大气浸染、传感器姿态、随机噪声等影响，使得遥感数据能够真实反响地物辐射电磁波能量的大小，从而担保遥感目标识别数据源的可靠性。同时，预处理方法如辐射校正、几何配准、数据领悟、镶嵌等存在的偏差也成了影响可靠性的成分。文献[16]研究了配准偏差对变革检测方法精度的影响，剖析了配准问题导致变革检测偏差的空间分布规律，并指出通过将边缘信息和空间信息结合有助于研究可靠的变革检测方法。智能化的遥感目标识别的核心内容是人工智能的运用，人工智能须要基于外部数据进行阐明和学习，并利用这些知识实现特定目标和任务[17]，其可靠性紧张受到演习样本天生、识别算法实现和运用数据输入3个过程中的可靠性成分影响。(1) 演习样本天生。对付以数据驱动为主的人工智能算法，现在朝广泛运用的深度学习算法，须要可靠的样本数据进行模型演习。因此，在实践中，一方面，该当考虑演习样本的数量规模、类型、分布模式、标注质量等影响可靠性的成分。个中，实现高精度的样本标注是目前面临的较大寻衅，这是由于地物目标本身存在不愿定性，如几何边界、光谱特色(同物异谱、同谱异物)的模糊性，使标注结果具有不可靠性。另一方面，由于受到人类认知水平的限定，纵然是专家标注的真值也难免存在问题。文献[18]研究了地理国情普查中随意马虎稠浊的地表覆盖类型，指出该当通过加强培训，提高作业职员对地物特色定义和采集哀求的认识，避免人为成分导致的标注缺点。(2) 识别算法实现。只管人工智能能够模拟人类的目标识别过程，乃至在精度方面超过人类，能够帮助提升算法识别结果的可靠性。但是人工智能算法构造的繁芜性和多样性、不可阐明性、目标函数的局限性等，仍旧是影响其可靠性的主要成分。一个人工智能算法只管可能得到很好地识别检测性能，但是如果其产生的结果不可阐明，乃至是不可控，那么这个算法会由于无法展现更多的可靠信息而受到运用限定[19]。(3) 运用输入数据。运用输入数据是指人工智能算法运行的输入数据，对付须要演习样本的遥感目标识别任务，输入的遥感数据随意马虎存在与演习样本分布模式不同的情形，这会导致人工智能算法失落效。例如，在识别遥感变革目标的任务中，运用数据的分布模式难以估计，存在低似然性问题，即绝大多数地物未变革而且变革类型和数量难以估计。地表覆盖的繁芜性和成像条件与演习样本的差异性，都随意马虎导致基于该人工智能模型的遥感变革检测算法可靠性降落。此外，非常输入数据如存在极度值的遥感数据也是导致人工智能算法可靠性低落的主要成分。针对详细的人工智能模型，常日都存在对抗性样本使算法失落效的情形[20]，因此，对抗性样本也是影响人工智能算法可靠性的成分之一。3.1 可靠性提升策略
剖析遥感目标识别各个过程中的可靠性影响成分可以帮助研究其可靠性提升策略，目前已经取得了一定的研究进展[4, 21]，紧张可以归纳为以下4个方面。(1) 剖析数据的不愿定性分布模式。如剖析双时相数据的配准偏差[16]、联合不愿定性[22]等对结果可靠性的影响，发展可靠的图像配准、几何校正、辐射校正等预处理算法，来降落数据获取过程中的不可靠成分，旨在提升遥感数据源的可靠性。(2) 结合各种数学模型。如动态阈值模型[23]、马尔科夫模型[24]、水平集模型[25]、模糊拓扑模型[26]、局部光谱趋势相似性模型[27]等，旨在基于遥感数据的时空特色对结果进行优化，以提高识别结果在模糊区域的可靠性。(3) 领悟多种数据、特色和算法。如领悟多源遥感数据[28]、领悟多特色方法[29-30]、领悟多算法和多尺度结果[31-33]等，可以有效避免单一数据、特色或算法失落效导致的低可靠性。(4) 规复细节。通过规复检测目标的细节，提高边缘位置目标识别的可靠性。文献[34]利用不愿定性剖析提高变革目标的边缘准确度。文献[35]首先利用亚像素方法规复像素细节，然后进行变革检测，以提高变革目标检测结果的可靠性。上述遥感目标识别的可靠性提升策略中，人工智能技能也发挥了主要浸染。文献[36]设计了一种深度神经网络，提升了遥感图像的配准精度，可以用于提升预处理过程的可靠性。文献[37]结合深度学习模型和条件随机场数学模型用于遥感影像的滑坡识别，提升了滑坡边界在模糊区域的可靠性。文献[38]利用卷积神经网络从卫星影像和点云中识别城市树木的类型，试验证明多源遥感数据的利用，提高了识别结果的可靠性。文献[39]结合边缘丢失函数来提高建筑物识别边缘位置的可靠性。文献[40]设计了一种基于多尺度、多任务的深度学习模型，实现了基于高分辨率遥感影像的道路识别，多尺度和多任务的设计使模型保留了空间细节的同时也提高了特色提取的稳健性。此外，发展可靠的人工智能算法，也是提升智能化遥感目标识别可靠性的主要路子，目前的研究可以归纳为以下3个方面。(1) 提高算法识别能力。旨在通过设计各种新的人工智能模型构造提高算法识别能力。文献[41]设计了一种具有旋转不变性学习能力的网络构造来处理目标旋转变革的问题，提高遥感目标识别的性能。这种通过提高识别结果的准确性和完全性来提升算法的可靠性，是目前大部分研究紧张关注的方向[4, 42-43]。(2) 降落对演习样本的哀求。旨在通过发展各种人工智能学习算法，如无监督[44]、弱监督[45]、半监督[46]等算法及天生对抗[47]、样本增广[48]、小样本学习[49]、迁移学习[50-51]等演习策略，降落算法对演习样本的依赖程度和提高容错能力，提高模型的稳健性和适用性，从而提升可靠性。(3) 提高人工智能算法的可阐明性。人工智能用于遥感目标可靠性识别首先须要提高算法自身的可阐明性，才能担保算法可以被人理解、掌握和信赖[52-53]。因此，人工智能算法的可阐明性也是可靠性方法须要研究的主要内容，个中深度学习模型的可阐明性研究是人工智能运用领域目前最具有代表性的方向。根据文献[54]对深度学习模型可阐明性的定义可知，按可阐明性的阐明范围可以分为全局可阐明性和局部可阐明性；按可阐明性的阶段可以分为建模中的可阐明性和建模后的可阐明性。目前紧张的3个研究方向为：①通过模型内部可视化剖析，使模型的推理过程变得透明、可理解。②利用知识表征阐明模型各个模块的语义特色，通过特色扰动和对抗性样本分析各个特色对模型预测的影响。③基于已有可阐明性模型和工具如决策树对黑盒模型进行建模后阐明。受到打算机领域干系研究的推动，可阐明性人工智能已经逐渐运用到遥感目标识别[55-59]，但是还缺少系统的理论研究。因此，遥感领域的可阐明性人工智能的理论和方法须要进一步的发展。例如利用模型可阐明性干系技能探测人工智能模型的决策弱点和决策逻辑，利用其天生的对抗性样本来进行对抗演习，可以进一步提升模型的稳健性[60]，从而得到更可靠的模型用于目标识别。遥感目标识别的整体可靠性评估是算法能否实际运用的主要担保，因此，须要根据可靠性影响成分剖析，构建相应的可靠性评估指标体系。针对不同的运用需求，可以构建不同的可靠性评估指标体系。通过加权的办法确定各个指标的主要性，终极用于打算整体可靠性指数。针对目标识别算法的评价指标和针对识别结果的评价指标两类，如图 4所示。图 4 智能化遥感目标识别的可靠性评估Fig. 4 Reliability evaluation for intelligent object recognition from remotely sensed data
图选项
(1) 针对目标识别算法的指标。目前，人工智能算法的可靠性评估已经有一定的标准化研究，文献[61]提出了深度学习算法的可靠性评估指标体系，包括：①算法功能实现；②代码实现；③目标函数；④演习数据集；⑤对抗性样本；⑥软硬件平台；⑦环境数据。文献[62]先容了如何研究人工智能算法模型安全指标和可信赖标准。文献[63]阐述了这些人工智能技能的可靠性评估方法和标准的发展，为智能化目标识别算法在遥感领域的可靠性评估供应了主要依据。(2) 针对识别结果的指标。遥感目标识别结果可以作为一样平常测绘成果进行可靠性评估，其可靠性指标须要反响识别结果与参考数据表述情形(代表现实天下的真值)的吻合程度，现有的指标包括[21, 64]：①准确性(识别结果反响真值的准确程度)；②完全性(识别结果与真值比较的符合与缺失落的程度)；③现势性(识别结果与评价时候真值的吻合程度)；④同等性(识别结果的类型与真值的同等程度)；⑤尺度合理性(识别结果在当前尺度上与真值的符合程度)；⑥适用性(识别结果在详细运用领域的适用程度)；⑦稳健性(抗滋扰性，即稳定表达真值的能力)。这些评价指标从不同方面反响了识别结果的可靠程度，通过这些指标构建的可靠性评估体系可以保障遥感目标识别终极结果的整体可靠性。在智能化遥感目标识别的详细运用中，常日须要根据运用的可靠性需求，构建不同的评价指标模型，通过设置权值表示可靠性指标的主要程度。终极打算得到的整体可靠性评价指数一方面可以为提升智能化遥感目标识别的可靠性供应辅导方向；另一方面可以为依据识别结果进行的决策供应可靠性保障。遥感目标识别可以视为一个别系工程，各个处理过程可以通过可靠性评估指标进行可靠性剖析，其剖析结果可以进一步用于过程可靠性掌握，终极通过调控算法过程中的可靠性影响因子提升整体方法的可靠性。文献[65]研究了地理国情遥感监测数据变革检测可靠性掌握算法，通过顾及邻域局部不愿定性来提升算法结果的可靠性。过程可靠性剖析是指剖析遥感目标识别过程中各种可靠性影响成分随着系统过程不断地通报与积累，以及可靠性影响成分之间的相互浸染，从而影响终极结果可靠性的过程。而过程可靠性掌握旨在利用过程可靠性剖析，结合可靠性评估指标，建立系统过程的可靠性推理模型和可靠性影响成分之间的相互关系，从而找出主要的可靠性影响因子并进行可靠性掌握，建立对应的可靠性掌握方法[64]。智能化遥感目标识别的过程可靠性掌握如图 5所示，紧张包括两个关键步骤：图 5 智能化遥感目标识别的过程可靠性掌握思想Fig. 5 Process reliability control-based intelligent object recognition from remotely sensed data
图选项
(1) 对识别过程中的可靠性传播进行建模，并对其可靠性传播规律进行剖析，建立可靠性状态转移序列，用于可靠性影响因子的主要度剖析。(2) 通过指标评估过程中的可靠性影响因子，加强对主要因子的过程可靠性掌握，并通过优化方法设计达到提升识别过程总体可靠性的目的。有效的过程可靠性掌握方法有助识别关键的可靠性影响成分，并掌握这些成分对结果可靠性的影响。这是智能化遥感目标可靠性识别的主要研究内容之一。人工智能用于遥感目标识别已经成为主要研究方向之一。结合笔者团队有关研究，本文提出以下几个展望。人工智能的可靠性受到先验知识和演习过程的影响。目前遥感领域存在的已标注演习样本数据集的数量和规模都比较小，缺少可靠性保障。因此，除了通过人工标注制作可靠的演习样本数据集外，利用无监督学习办法有可能办理这一问题。这些人工智能算法通过自身改进而降落对演习样本的依赖，在减少人力和物力花费的同时，可以提高算法对任务的适应性和稳健性，不易受演习样本分布模式的局限，从而提升算法的可靠性。如上文所述，不可阐明的人工智能是不可靠性的主要来源成分。目前可阐明性人工智能的研究还不足成熟，没有统一的理论和标准，特殊是在遥感领域还处于起步阶段。因此，还须要更深入的研究，探索能够运用于遥感目标识别乃至是其他遥感运用的可阐明性人工智能。从算法运用实现角度考虑，遥感运用常日会面临大数据量、多数据类型、繁芜地表覆盖等寻衅，导致基于人工智能的遥感目标识别算法繁芜且难以理解，同时也须要大量的打算机资源支持。对付繁芜的遥感目标识别任务，单一的人工智能算法很难实现全部任务目标。因此，可以将繁芜任务分解成多个大略且随意马虎理解的任务并实现原生分布式算法，利用分布式打算或边缘打算等技能实现繁芜任务的模块化处理，这种解耦合实现除了可以提升整体算法的实行效率外，还有助于提升整体算法的可阐明性和可靠性。测绘行业已经进入大数据时期，随着不雅观测手段和不雅观测能力的提高，以及空天地一体化不雅观测平台的发展，多源遥感数据的领悟处理是一定的发展趋势。基于多源遥感数据的目标识别一方面可以提高遥感数据利用率，另一方面可以提高方法与结果的可靠性。由于多源数据的利用，实质上是一种通过冗余信息利用提高可靠性的思想。同时，随着国家浩瀚遥感监测任务的履行和聪慧城市的建立，遥感目标识别运用需求的韶光频率不断提高，从年度不雅观测到月度不雅观测乃至到实时不雅观测；空间维度不断扩展，从二维到三维乃至到多平台、多角度不雅观测，这给基于多源、多时相遥感数据的智能化遥感目标识别的可靠性掌握带来了新的机遇与寻衅。将人工智能与遥感信息处理有机结合是主要发展趋势，可靠性问题是这个发展中的主要研究课题。本文提出智能化的遥感目标可靠性识别的总体设计，作为抛砖引玉，希望可以推动可靠性遥感目标识别的发展，包括根本理论、智能方法、实用技能、国家和行业标准的系统发展与实践，终极使新一代测绘技能实现智能化的同时具有高可靠性。第一作者简介：史文中(1963—), 男, 国际欧亚科学院院士, 研究方向为地理信息科学与遥感、城市信息学、不愿定性与可靠性理论。E-mail: lswzshi@polyu.edu.hk
通信作者：张敏, E-mail: lsgi-min.zhang@polyu.edu.hk深圳市市政设计研究院有限公司2022届校园招聘（含地信、测绘、遥感专业）第三届中国空间数据智能学术会议SpatialDI 2022 （一号关照）关于召开“2021空间方案与实景三维高峰论坛”的关照会议关照 | 2021中国地理信息科学理论与方法学术年会（第二号关照）智能化测绘专刊 | 李志林：时空数据舆图表达的基本问题与研究进展
《测绘学报》智能化测绘专刊 | 陈军院士：智能化测绘的基本问题与发展方向
《测绘学报》2021年第8期：智能化测绘专刊，客座主编陈军院士
测绘学报 | 宋依娜：干雪深度反演的同极化相位差模型
利用遥感生态指数新方案评价矿区生态环境
基于星载SAR的滑坡磨难形变特色剖析
图像全站仪及图像丈量发展与展望
《测绘通报》2021年第7期目录
《北京测绘》2021年第6期择要推举（下）
《北京测绘》2021年第6期择要推举（下）
《北京测绘》2021年第5期择要推举（下）
《北京测绘》2021年第5期择要推举（上）
择要 |《测绘科学技能学报》2021年第3期择要推举
择要 |《测绘科学技能学报》2021年第2期择要推举
择要 |《测绘科学技能学报》2021年第1期择要推举
《测绘科学技能学报》2021年第1期重点论文推举
择要 |《测绘工程》2021年第4期择要推举
择要 |《测绘工程》2021年第3期择要推举
择要 |《测绘工程》2021年第2期择要推举
择要 |《测绘工程》2021年第1期择要推举
《中国空间科学技能》“空间可展开构造” 专栏征文关照
《中国空间科学技能》入驻“智绘科服”融媒体平台！
择要 |《中国空间科学技能》2021年第4期择要推举
中国空间学科技能 | 潘晓：连续小推力非开普勒悬浮轨道研究综述
《Journal of Geodesy and Geoinformation Science》
精选论文 |《测绘学报（英文版）》“GNSS和LBS”专刊
精选论文 |《测绘学报（英文版）》“GNSS和LBS”专刊
Yaoming MA et al. |《测绘学报（英文版）》（JGGS）精选论文
Bing HAN et al. |《测绘学报（英文版）》（JGGS）精选论文
《卫星导航（英文）》科学编辑招聘缘由
多源导航(一) | 《Satellite Navigation》重点论文推举
导航定位运用| Satellite Navigation文章精选
《Satellite Navigation 》| “智绘科服” 迎来新伙伴加入！
