Imagens de luz visível e imagens de radar de abertura sintética (SAR) são as principais fontes de dados do sensoriamento remoto via satélite em áreas como planejamento urbano, prevenção e mitigação de desastres e segurança nacional. A extração de características, como ponte chave que conecta imagens de sensoriamento remoto a aplicações de alto nível, influencia diretamente a eficácia da interpretação inteligente em cenários complexos. Desde as características manuais tradicionais, os métodos de extração passaram por uma profunda transformação, do design manual para abordagens orientadas por dados, especialmente com avanços significativos impulsionados pelo aprendizado profundo. No entanto, o alto custo da anotação de dados de sensoriamento remoto e sua alta especialização ainda apresentam desafios como a falta de generalização e a baixa interpretabilidade dos métodos puramente orientados por dados. Para isso, pesquisadores propuseram um quadro teórico de dupla orientação “dados + conhecimento”, que alcança níveis mais altos de inteligência por meio da capacidade perceptiva orientada por dados e da capacidade cognitiva orientada por conhecimento. Este artigo revisa sistematicamente os métodos tradicionais de extração de características e os avanços dos métodos de aprendizado profundo para imagens visíveis e SAR, resume os desafios enfrentados por ambos os métodos na extração de características e detalha os métodos orientados por conhecimento, categorizando o conhecimento que guia a rede em conhecimento visual, conhecimento geoespacial e conhecimento físico, além de discutir os paradigmas de treinamento de redes orientadas por conhecimento. Por fim, prevê as tendências futuras do desenvolvimento da extração de características, destacando que a construção de grandes modelos de sensoriamento remoto, o desenvolvimento duplo orientado por dados e conhecimento e a integração interdisciplinar de tecnologias de ponta serão direções-chave de pesquisa.

interpretação inteligente de sensoriamento remoto; imagens visíveis; imagens SAR; extração manual de características; extração profunda de características; dupla orientação por dados e conhecimento