Sichtbare Lichtbilder und synthetische Apertur-Radarbilder (SAR) sind die Hauptdatenquellen der Satellitenfernerkundung in den Bereichen Stadtplanung, Katastrophenvorsorge und nationale Sicherheit. Die Merkmalsextraktion als Schlüsselbrücke zwischen Fernerkundungsbildern und Anwendungen auf hoher Ebene beeinflusst direkt die Leistungsfähigkeit der intelligenten Fernerkundungsinterpretation in komplexen Szenarien. Merkmalsextraktionsmethoden haben einen tiefgreifenden Wandel vom manuellen Design hin zu datengetriebenen Ansätzen durchlaufen, insbesondere mit bedeutenden Durchbrüchen durch Deep Learning. Dennoch sind die Kosten und die Fachkenntnis der Fernerkennungsdatenannotierung hoch, und datengetriebene Methoden stehen weiterhin vor Herausforderungen wie mangelnder Verallgemeinerungsfähigkeit und erklärungstechnischen Begrenzungen. Daher wurde der theoretische Rahmen des „Daten + Wissen“ Doppelantriebs vorgeschlagen, der durch datengetriebene Wahrnehmungskapazität und wissensgetriebene kognitive Fähigkeiten ein höheres Intelligenzniveau erreicht, um die Einschränkungen rein datengetriebener Paradigmen in Bezug auf Generalisierung und Erklärbarkeit zu überwinden. Um die technische Logik und den Kernwert des Doppelantriebsrahmens bei der Merkmalsextraktion von sichtbaren Licht- und SAR-Bildern aufzuzeigen, gibt dieser Artikel zunächst einen systematischen Überblick über traditionelle und Deep-Learning-basierte Merkmalsextraktionsmethoden und fasst die Herausforderungen dieser beiden Methoden zusammen; anschließend werden wissensgetriebene Merkmalsextraktionsmethoden detailliert erörtert, wobei das zur Netzwerkanleitung verwendete Wissen in visuelles Wissen, georäumliches Wissen und physikalisches Wissen unterteilt wird, und die Trainingsparadigmen wissensgesteuerter Netzwerke werden diskutiert. Abschließend wird ein Ausblick auf zukünftige Entwicklungen der Merkmalsextraktion gegeben, wobei hervorgehoben wird, dass der Aufbau großer Fernerkundungsmodelle, die doppelte daten- und wissensgetriebene Entwicklung sowie die interdisziplinäre Integration fortschrittlicher Technologien zu den Schwerpunktforschungsthemen gehören werden.

intelligente Fernerkundungsinterpretation;sichtbare Lichtbilder;SAR-Bilder;manuelle Merkmalsextraktion;tiefe Merkmalsextraktion;doppelter Daten- und Wissensantrieb