让人工智能来熬夜读图一种领先的遥感图像智能处理技术

　　航天星图的图像智能处理技术让人工智能来熬夜读图
　　用计算机和人工智能来替代读图员，把浩如烟海的遥感原始数据变成有用的知识，同时把遥感应用引向普及和深入，甚至走进普通民众的生活，这是业界几十年来的梦想。人们为此尝试了很多算法和方法，但是要把它变成产业，变成行业和个人能够使用的工具。却是一项知易行难的工程。
　　判读员不够用了
　　从遥感图像里提取信息，是遥感应用和遥感产业的基本生产方式。在卫星遥感发明出来以前，航空遥感是人们俯瞰地球的主要手段。那时的航空遥感相机都是用胶片作为记录手段的。图像判读员们要对着这些照片做人工目标判读工作。卫星遥感技术发明和应用，特别是传输性对地观测卫星的出现，让这些传统的判读员们有了新的任务。
　　但是越来越丰富的图像资源带来了新的问题：判读员不够用。按照美国军方的标准，一名合格的判读员培养周期长达八年之久。即使在技术人才最为充裕的美国军队和美国情报部门，也长期面临着判读员严重匮乏的问题。所以大部分卫星图像——不管是数字的还是胶片的——从来没有人看过。
　　同样的问题也出现在民用领域，自从传输型遥感卫星投入使用，卫星遥感图像的数量再也不受胶片携带量的限制。高分辨率卫星的商业化和商业星座的普及，更是让数字遥感图像成了要多少有多少的海量资源。
　　仅仅从国内而言，目前在轨运行的就有国有制的资源、高分系列卫星，以及商业机制的吉林一号星座和高景星座，更多商业星座正在筹划和部署之中。判读员不够的问题，比以前更加突出了。
　　这形成了遥感应用产业中最为薄弱的一个环节，庞大的资源和庞大的需求之间，靠极为有限的人力判读环节维持着。产能不足必然会抑制需求，这也是遥感应用市场一直没有像位置服务及广播电视那样发展壮大的原因。
　　熬夜得来的驱动力
　　国外遥感应用界最近才把这个问题推向前台。2017年9月，在欧洲咨询公司主办的＂世界卫星商业周＂上，人们热议的话题正是＂对地观测行业从销售数据转向销售答案＂。要从数据中取得答案，就不可能像传统上那样靠人力来分析数据，只能依靠人工智能和深度机器学习技术。
　　在遥感产业界规模最大、名气最大的数字地球公司，则把自己的业务全面转向了亚马逊网络服务公司（AWS），利用AWS所掌握的机器学习技术来实现深度分析，服务于防务、情报、公共安全、测绘、环境保护、油气勘探和导航等领域。这一连串的事件得到了国际航天媒体的广泛报道。但是国外航天媒体所没有报道的是，中国的商业航天创业者们不但很早就意识到了这个问题，而且表现出了更高的行动力。
　　早在2006年，一家叫做航天星图科技(北京)有限公司（以下简称航天星图）的创业企业，就启动了向遥感图像智能处理进军的进程。迄今为止，他们已经开发出了五代产品，从GEOVIS 1到GEOVIS 5，智能化程度越来越高。在曙光超级计算机和智能计算基数的支撑下，这种产品平台正在发挥着日益显著的效能。不但如此，航天星图还打算融合用户的知识与力量，共同建立产业生态圈，开发GEOVIS平台的应用，共同把遥感数据中的信息变成对社会运行有用的知识。
　　航天星图并不是因为突发奇想才选择了遥感图像智能处理这个研究方向。早在21世纪初，国内就开始采购国外高分辨率商业遥感卫星图像。当时这类卫星图像数量较少，而且应用非常有限，用人力处理图像还是可以接受的方式。
　　随着图像数量的增加和用户任务的频繁，人力处理的弊端越来越突出。航天星图的几位创业者当时供职于中国科学院电子学研究所。这是中国第一个综合型电子信息科学研究所，也是国内航天遥感技术的领先单位。有关科研人员经常为用户进行遥感卫星图像的处理工作。在遇到应急任务的时候，就需要增加人手或者彻夜加班。创业者们逐渐萌发了用计算机来自动处理图像，提取目标的想法。后来发生的一件事情坚定了他们的认识。
　　当时，用户要求从海洋遥感图像当中找到一条船的位置，而留给他们的时间只有一个晚上。项目团队为此组织了二三十人进行图像判读，忙了一晚上之后，总算顺利完成了客户交付的任务。但这仅仅是一个用户要找一条船而已，如果用户需要找十条船、一百条船怎么办？如果是一百个、一千个用户同时下单怎么办？很显然，靠堆人力是不可能应对爆发式需求的。
　　实际上，几乎每个领域的遥感科研人员都遇到了这种问题。人们纷纷尝试着计算机自动处理，进行了大量的理论研究和算法编制，发表了大量论文。航天星图的创业者们也不例外。为了提高生产效率，他们尝试着利用计算机图形图像处理技术来对遥感图像进行粗略筛查。本着＂宁可选错不可放过＂的原则，先把所有疑似目标都挑选出来，然后再由人力进行精细的识别和选取。
　　这种方式提高了生产效率，也降低了工作人员的负荷，取得了初步的成效。但是这种粗略筛查，有着很高的虚警率。计算机经常把小块的云团当作海上目标提取出来，也经常把那些被云层遮盖了一半的船只漏过。能不能更进一步，消除计算机自动识别的虚警率呢？
　　这个时候，人工智能和深度机器学习技术已经进入实用化阶段。国际上这两项技术的研究和应用取得了很大的成效，一次次的人机对弈都会登上新闻头条。创业者们敏锐地意识到了深度机器学习技术对遥感产业的意义。
　　经过艰苦的努力，团队将人工智能和深度学习技术应用在计算机图形图像处理当中，成功实现了高准确率的图像自动识别和目标提取，虚警率已经降低到了人工分析的水平。
　　而且，计算机可以不眠不休地日夜工作，不会疲劳、不会厌倦，更不会像人类那样为琐事所困扰，这是人力永远无法相提并论的。遥感图像智能处理技术终于取得了决定性的突破。
　　左图为原始影像 ，右图为提取结果(道路、建筑物、水体、植被)
　　会研发 也会应用
　　技术成熟之后，就面临着产品化和业务化的问题，然而中国科学院电子研究所是一家以科研为主要工作模式的学术型单位。对于这家研究所的科研人员来说，取得成果、发表论文是主要的考核模式，这与商业企业的运行模式是不同的。
　　为了把计算机图像自动处理技术推向市场、广泛服务于用户，在中科院成果产业转化的大背景下，中科院电子所和中科曙光共同组建了航天星图。电子所有图像智能处理的技术积累，中科曙光有超级计算机和商业化经验。强强联合，彼此促进。经过十余年积累，公司已经在国防、交通、国土、农业、林业、城市管理等多个领域实现了业务化运行。这对于中国遥感乃至世界卫星遥感产业来说，都是较为前沿的尝试。
　　它的意义不仅仅在于将先进技术投入商业化运营，而且在于通过商业运行获得的投资和利润，反哺技术开发、反哺基础理论突破，创建一种有示范价值的科研成果应用和转化机制。这对于遥感应用和卫星产业的所有领域，都有着推动作用。