Sichtbare Lichtbilder und synthetische Apertur-Radar (SAR)-Bilder sind die Hauptdatenquellen der satellitengestützten Fernerkundung in den Bereichen Stadtplanung, Katastrophenprävention und nationale Sicherheit. Die Merkmalsextraktion als entscheidende Brücke zwischen Fernerkundungsbildern und hochrangigen Anwendungen beeinflusst direkt die Effektivität der intelligenten Interpretation in komplexen Szenarien. Seit der Einführung traditioneller handgefertigter Merkmale hat sich die Merkmalsextraktionsmethode tiefgreifend vom manuellen Design hin zu datengetriebenen Ansätzen gewandelt, insbesondere mit bedeutenden Durchbrüchen durch Deep Learning. Dennoch stellen die hohen Annotationskosten und die starke Spezialisierung der Fernerkundungsdaten weiterhin Herausforderungen hinsichtlich der Generalisierbarkeit und Erklärbarkeit rein datengetriebener Methoden dar. Daher haben Forscher einen dualen theoretischen Rahmen „Daten + Wissen“ vorgeschlagen, der durch datengetriebene Wahrnehmungsfähigkeit und wissensgetriebene kognitive Fähigkeiten ein höheres Intelligenzniveau erreicht. Dieser Artikel gibt zunächst einen systematischen Überblick über traditionelle Merkmalsextraktionsmethoden und Fortschritte bei Deep-Learning-Methoden für sichtbare und SAR-Bilder, fasst die Herausforderungen beider Methodentypen bei der Merkmalsextraktion zusammen und erläutert ausführlich wissensgetriebene Merkmalsextraktionsmethoden, wobei das Wissen, das das Netzwerk leitet, in visuelles Wissen, georäumliches Wissen und physikalisches Wissen unterteilt wird, und diskutiert die Trainingsparadigmen wissensgeleiteter Netzwerke. Abschließend werden zukünftige Entwicklungstrends der Merkmalsextraktion skizziert und darauf hingewiesen, dass der Aufbau großer Fernerkundungsmodelle, die dual getriebene Entwicklung von Daten und Wissen sowie die interdisziplinäre Integration fortschrittlicher Technologien Schwerpunkte der Forschung sein werden.

intelligente Fernerkundungsinterpretation; sichtbare Lichtbilder; SAR-Bilder; manuelle Merkmalsextraktion; tiefe Merkmalsextraktion; daten- und wissensgetriebener Dualansatz