가시광 영상과 합성 개구 레이더(SAR) 영상은 도시 계획, 재난 방지 및 국가 안보 등의 분야에서 위성 원격 감지의 주요 데이터 소스입니다. 특징 추출은 원격 감지 영상과 고차원 응용을 연결하는 핵심 다리 역할을 하며, 그 품질은 복잡한 장면에서 원격 감지 지능적 해석의 효율성에 직접적인 영향을 미칩니다. 전통적인 수작업 특징 제안 이후로, 특징 추출 방법은 수작업 설계에서 데이터 기반으로 깊이 있는 변화를 겪었으며, 특히 딥러닝의 발전으로 큰 돌파구를 이뤘습니다. 그러나 원격 감지 데이터의 라벨링 비용이 높고 전문성이 강해 순수 데이터 기반 방법은 여전히 일반화 능력 부족과 설명력 저하 등의 도전에 직면해 있습니다. 이를 위해 연구자들은 데이터 기반 인지 능력과 지식 기반 인지 능력을 통해 더 높은 수준의 지능을 실현하는 '데이터+지식' 이중 구동 이론 프레임워크를 제안했습니다. 본 문서에서는 먼저 가시광 및 SAR 영상의 전통적인 특징 추출 방법과 딥러닝 방법의 발전을 체계적으로 검토하고, 두 방법이 특징 추출에서 직면한 도전을 요약했으며, 지식 기반 특징 추출 방법을 깊이 있게 설명하고, 네트워크를 안내하는 지식을 시각 지식, 지리 공간 지식 및 물리 지식으로 분류하고 지식 안내 네트워크의 학습 패러다임을 탐구했습니다. 마지막으로 특징 추출의 미래 발전 경향을 전망하며, 원격 감지 대형 모델 구축, 데이터와 지식의 이중 구동 발전 및 첨단 기술 융합이 주요 연구 방향이 될 것임을 지적했습니다.

원격 감지 지능 해석; 가시광 영상; SAR 영상; 수작업 특징 추출; 딥 특징 추출; 데이터와 지식 이중 구동