Les images en lumière visible et les images radar à synthèse d'ouverture (SAR) sont les principales sources de données dans la télédétection satellitaire pour l'urbanisme, la gestion des catastrophes et la sécurité nationale. L'extraction de caractéristiques, en tant que pont clé reliant les images de télédétection aux applications de haut niveau, influence directement l'efficacité de l'interprétation intelligente dans des scénarios complexes. Les méthodes d'extraction de caractéristiques ont connu une transformation profonde, passant de la conception manuelle à une approche basée sur les données, avec des avancées significatives grâce à l'apprentissage profond. Cependant, le coût élevé et la spécialisation nécessaire pour l'annotation des données de télédétection posent des défis tels que le manque de capacité de généralisation et des limites d'explicabilité des méthodes purement basées sur les données. À cet égard, des recherches ont proposé un cadre théorique à double moteur « données + connaissances », combinant la perception basée sur les données et la cognition basée sur les connaissances pour atteindre un niveau d'intelligence supérieur, dépassant ainsi les limites des paradigmes basés uniquement sur les données en termes de généralisation et d'explicabilité. Pour révéler la logique technique et la valeur centrale de ce cadre double moteur dans l'extraction de caractéristiques des images en lumière visible et SAR, cet article commence par une revue systématique des méthodes traditionnelles et basées sur l'apprentissage profond, en résumant les défis rencontrés ; il approfondit ensuite les méthodes d'extraction basées sur les connaissances, classant les connaissances guidant le réseau en trois catégories : connaissances visuelles, connaissances géospatiales et connaissances physiques, tout en explorant les paradigmes d'entraînement des réseaux guidés par ces connaissances. Enfin, il présente les tendances futures du développement de l'extraction de caractéristiques, soulignant que la construction de grands modèles pour la télédétection, le développement dual des données et des connaissances, ainsi que la convergence interdisciplinaire des technologies de pointe, seront des axes de recherche majeurs.

interprétation intelligente de la télédétection;images en lumière visible;images SAR;extraction manuelle de caractéristiques;extraction profonde de caractéristiques;double moteur des données et des connaissances