Einschlagskrater sind auf der Oberfläche des Mondes und terrestrischen Planeten weit verbreitet und stellen eine wichtige Datenquelle für die Erforschung Himmelskörper dar. Derzeit gibt es zahlreiche Methoden zur Erkennung von Einschlagskratern, die hauptsächlich auf visuellen Daten oder digitalen Geländemodellen (DEM, Digital Elevation Model) basieren; mit der kontinuierlichen Anreicherung von Daten gibt es auch einen Trend zur kombinierten Nutzung dieser beiden Datenkategorien. In diesem Artikel haben wir die Schlüsselwörter Bild und digitales Geländemodell (DEM) verwendet, um eine umfassende Suche nach Methoden zur Erkennung von Einschlagskratern durchzuführen, die Bilder und ein DEM kombiniert verwenden. Die Ergebnisse zeigen, dass die Methoden zur Erkennung von Einschlagskratern in 4 Kategorien eingeteilt werden können: Die erste Kategorie ist diejenige, in der visuelle Daten eine Hauptrolle spielen und das DEM eine ergänzende Rolle spielt; die zweite Kategorie sind Methoden, die hauptsächlich auf DEM basieren und durch visuelle Informationen ergänzt werden; die dritte Kategorie ist diejenige, die beide Arten von Daten kombiniert: Nach der Erkennung von Kratern auf Bildern und DEM werden die Ergebnisse beider Kategorien verglichen und fusioniert, um ein endgültiges Ergebnis zu erhalten; die vierte Kategorie, als Fusion bezeichnet, verwendet Trainingsproben, die aus Bildern und DEM gesammelt wurden, die in der gleichen Region überlappen; zuerst werden diese Proben fusioniert und dann als Eingabe für den Kratererkennungsalgorithmus verwendet, um ein vereinheitlichtes Erkennungsmodell zu erhalten.

terrestrische Planeten; Einschlagskratererkennung; visuelle Daten; digitales Geländemodell; maschinelles Lernen