摘要：图形识别作为人工智能的代表技术，其主要是利用计算机对人工进行替代，实现对众多物理信息的处理。随着我国科学技术，以及电子信息技术的不断进步，人工智能中的图像识别技术也在不断发展更新，越来越多的领域，如医疗诊断、信息识别、卫星云图识别等，开始关注并应用该技术。基于此，文章主要从图形识别的技术原理、模式识别及识别过程三个角度对AI图形识别技术进行浅要概述，重点对AI图形识别在卫星图像中的应用进行研究分析。
关键词：AI；图形识别；卫星图像；应用
美国密苏里大学研究人员在新近的《应用遥感》杂志刊文，展示了一种用于遥感卫星图片识别的深度学习模型，据称能够从海量卫星图片中识别并标记出军事装备设施。研究人员还将识别出的原始图像转换为训练样本，供深度学习模型持续开展数据训练，以提升目标识别的准确度。就目前来看，利用人工智能开展卫星图像识别仍面临不少挑战，本文将对人工智能图形识别在卫星图像中的应用作出研究。
1、图像识别技术概述
1.1图像识别的技术原理
图像识别作为人工智能的重要部分，其原理并非想象中的那么抽象，由于图像识别中所需处理的信息十分复杂，所以很容易造成原理抽象复杂的假象。通过计算机实现图像识别所需的原理与人类自身进行图像识别的原理相似，二者唯一的区别是计算机没有视觉和感觉方面的影响。人类对图像的识别是在图像自身所拥有的特征的基础上对该图像进行相关的分类，之后再利用各个类别所拥有的特征使图片被识别出来，人们看到图片时便会利用大脑功能迅速感知该图片是否见过或与之前见过的图片相类似，这一过程就已经实现了对图形的识别。通过计算机对图像进行识别也是通过这一原理，利用分类和提取出图像的重要性，并对多余或者无用的图像加以排除，以此实现对图像的识别。虽然通过计算机进行图像识别会比较迅速，但仍有些风险不可避免，计算机所能提取的图片特征有时比较明显，有时也会非常普通，这在很大程度上对计算机识别率造成影响。
1.2模式识别
模式识别是在专家经验和已有认识的基础上，从大量信息出发，利用计算机和数学推理的方法对形状、数字、模式、曲线等自动完成识别的过程。模式识别主要包含两个阶段，分别是学习阶段和实现阶段。广义上我们所说的模式识别属于计算机科学中智能模拟的研究范畴，内容较为广泛，计算机模式识别部分实现了脑力劳动自动化。模式识别简单来说是对数据实现分类，且是一门与数学有着密切联系的科学。
1.3图像识别技术的识别过程
计算机图像识别的原理与人工图像识别原理具有较强的相似性，因此，二者在识别过程方面也会有重合性。具体分以下几步：（1）获取信息。信息的获取作为图像识别的首要步骤，所获取的信息需保证准确无误。其主要是指利用传感器将声音和光等信息转换为电信号，确保计算机得以快速识别。（2）预处理。该步骤主要是通过变换及平滑等处理操作对图像进行处理去噪，让图像保持已有的最突出的特点。（3）特征的抽取与选择。该步骤是在模式识别的过程中，对图像特征进行抽取与选择操作，对图像中已有的特征进行识别，将图像按照不同类别进行分离抽取。（4）分类器设计与分类抉择。分类器设计是指利用训练制定识别规划，借此来识别规则并获得一个特征种类，进而使图像识别达到更高的分辨率。图像识别的过程大体分为以上四步，但其中最为关键的步骤是特征的抽取与选择。
2、AI图形识别在卫星图像中的应用
美国密苏里大学研究人员在新近的《应用遥感》杂志刊文，展示了一种用于遥感卫星图片识别的深度学习模型，据称能够从海量卫星图片中识别并标记出军事装备设施。
期刊文章分类查询,尽在期刊图书馆
长期以来，情报机构主要依赖情报分析人员从卫星遥感图像中识别诸如核设施或秘密军事据点等目标，但人工识别面临效率低下、无法应对海量数据等问题。随着以深度学习为代表的人工智能技术日益成熟，将其引入遥感卫星目标识别成为发展趋势。2017年7月，美国情报高级研究计划局启动“世界功能地图挑战赛”，寻求人工智能解决方案，更好地从海量卫星图像中挖掘高价值信息，力求将情报分析人员工作量减少75%。“数字地球”公司还开发了 “地理空间大数据”平台，寻求利用深度学习算法自动探测和识别高价值目标。
目前，利用人工智能开展卫星图像识别仍面临不少挑战。一方面，遥感卫星图像构成更加复杂，易受到天气、成像角度、传感器类型、伪装隐蔽手段等因素的影响。另一方面，深度学习算法依赖大量卫星图片数据，但通常很难获取这些数据来准确识别卫星图像的特征。
遥感是地理学应用中获取信息的重要现代化手段，从遥感影像上我们可获取包括植被信息、土壤墒情、水质参数、地表温度、海水温度等丰富的信息，地球资源信息的呈现应用在减灾、环保、国土、农业、林业、水利、海洋等各领域。
随着计算机技术发展，人工神经网络、遗传算法、支持向量机、决策树、模糊集、面向对象等算法开始被引入遥感分类领域。人工智能分类技术克服了对输入数据分布假设的要求，充分利用模式识别提高了地表覆被分类精度，分类过程更加自动化，为遥感影像分类提供了一条新途径。
也许领域之外的人很难想象人工智能对于卫星遥感到底有何真正影响，AI对于卫星遥感的影响比以往任何一次技术变革都更具冲击性。卫星遥感数据需要大量处理、存储，包括算法、数据管理系统，综合所有的技术主要面向环境与农业做更多的应用，在农业应用中我们设想了许多场景，比如估产、健康状况的分析、农作物的分类与展示。虽然之前遥感系统对以上应用做出尝试，但是通过人工智能加入，让一切变得更快、更精准、更方便，人工智能为卫星遥感提供SaaS服务，让大家迅速获取数据，而不是停留在实验室和数据库里，让数据活起来，从中获得商业利益。
人工智能深度学习相对于以往技术的颠覆在于：可以抓抽象概念。现实世界数据很多，浅层的算法没有办法抓住抽象的东西，会被一些细碎的特征干扰，因而效率与价值并不高。而深度学习优势在于捕捉处理抽象的影像，以房屋举例：地球上的房屋有各种各样的形状，包括像CCTV的形状，鸟巢的形状，会场的形状，有各种各样房屋的形状，不可能穷尽每一个房屋的形状告诉机器，深度学习恰恰可以帮助我们完成这个层面操作，通过人工智能深度学习，可以抽象识别农业设施、田地面积、作物种类，并且清晰准确统计数量。
结语：综上所述，图像识别技术作为一门新兴的技术种类，是人工智能中重要的组成部分，且随着科学技术和计算技术的发展，已经越来越多的运用到社会的各个领域，即便现阶段我国已在AI图像识别在卫星图像中有所研究，但局限性较大，因此，为了使AI图像识别更好的应用于卫星图像，我国相关技术人员还有待继续深入研究，争取在卫星图像领域为AI图像识别技术开拓更为广阔的天地。
参考文献：
[1]张悦.浅析人工智能的发展趋势和影响[J].通讯世界，2018（12）：242-243.
[2]张兴赢，郑伟，高玲.风云气象卫星在自然灾害监测中的应用[J].城市与减灾，2018（06）：36-42.
[3]百晓，张雪妮.人工智能在减灾遥感中的应用[J].城市与减灾，2018（06）：82-87.
[4]蒋树强，闵巍庆，王树徽.面向智能交互的图像识别技术综述与展望[J].计算机研究与发展，2016，1（1）：113-122.
[5]刘高，曾懿辉.嵌入式视频和图像识别技术在架空输电线路智能监控中的应用研究[J].计算机系统应用，2013，11（11）：58-61.
[6]刘胤，冯军焕，尹帮旭.图像识别技术在实验室监控中的应用[J].实验室研究与探索，2013，10（10）；210-213.
论文作者:何保军,冀少敏
论文发表刊物:《电力设备》2018年第35期
论文发表时间:2019/5/27
标签：图像论文; 遥感论文; 人工智能论文; 技术论文; 计算机论文; 数据论文; 深度论文; 《电力设备》2018年第35期论文;