可視光画像と合成開口レーダー（SAR）画像は、都市計画、防災・減災、国家安全保障などの分野における衛星リモートセンシングの主要なデータソースです。特徴抽出は、リモートセンシング画像と高次アプリケーションをつなぐ重要な架け橋であり、その品質は複雑なシーンにおけるリモートセンシングのインテリジェントな解釈の効果に直接的に影響します。従来の手作業による特徴提案以来、特徴抽出手法は手作業設計からデータ駆動型へと深い変革を遂げ、特にディープラーニングの推進によって顕著な進展を遂げました。しかし、リモートセンシングデータの注釈コストが高く専門性が強いため、純粋なデータ駆動型手法は依然として一般化能力不足や説明性の低さなどの課題に直面しています。そこで、研究者はデータ駆動型の知覚能力と知識駆動型の認知能力を通じてより高いレベルの知能を実現する「データ＋知識」の二重駆動理論フレームワークを提案しました。本稿ではまず、可視光およびSAR画像の伝統的特徴抽出法とディープラーニング法の進展を体系的にレビューし、両者が特徴抽出において直面する課題を総括し、知識駆動型特徴抽出法を詳細に説明します。知識誘導ネットワークの知識を視覚知識、地理空間知識、物理知識に分類し、知識誘導ネットワークの訓練パラダイムを検討しました。最後に、特徴抽出の今後の発展動向を展望し、リモートセンシング大型モデル構築、データと知識の二重駆動発展、先端技術の交差融合的発展が研究の重点方向となることを指摘しました。

リモートセンシングのインテリジェント解釈; 可視光画像; SAR画像; 手作業特徴抽出; 深層特徴抽出; データと知識の二重駆動