Machine Vision and Advanced Image Processing in Remote Sensing: Proceedings of Concerted Action MAVIRIC (Machine Vision in Remotely Sensed Image Comprehension)

از سال 1994، کمیسیون اروپا اقدامات مختلفی را برای گسترش استفاده از رصد زمین (EO) از فضا در اتحادیه و تحریک خدمات ارزش افزوده مبتنی بر استفاده از داده‌های ماهواره‌ای رصد زمین انجام داده است. با حمایت از فعالیت های تحقیق و توسعه فناوری در این زمینه، DG XII به نیاز به افزایش مقرون به صرفه بودن اطلاعات محیطی ناشی از فضا پاسخ داد. در عین حال، به بهره برداری بهتر از این فناوری منحصر به فرد کمک کرده است، که منبع کلیدی داده برای نظارت بر محیط زیست از مقیاس محلی تا جهانی است. MAVIRIC بخشی از سرمایه گذاری انجام شده در زمینه برنامه محیط زیست و آب و هوا (1994-1998) برای تقویت تکنیک های کاربردی، بر اساس درک بهتر از پیوند بین سیگنال سنجش از دور و فرآیندهای بیوژئوفیزیکی زیربنایی است. ترجمه این دانش علمی به الگوریتم‌ها یا روش‌های عملی برای تبدیل سریع‌تر، مؤثرتر و دقیق‌تر سیگنال‌های فضایی به اطلاعات جغرافیایی اولویت دارد. اکنون در دسترس بودن داده‌های ماهواره‌ای با وضوح فضایی بالا به سرعت در حال تکامل است و ادغام داده‌های حسگرهای مختلف از جمله حسگرهای رادار به خوبی پیشرفت می‌کند، این سوال مطرح می‌شود که آیا رویکردهای بینایی ماشین موجود می‌توانند به نحو مطلوب توسط جامعه سنجش از دور مورد استفاده قرار گیرند. استخراج خودکار ویژگی/اشیاء از تصاویر سنجش از راه دور از نظر زمان پردازش، استانداردسازی و اجرای زنجیره‌های پردازش عملیاتی بسیار جذاب به نظر می‌رسد، اما زمانی که در صحنه‌های طبیعی اعمال می‌شود بسیار پیچیده باقی می‌ماند.

Since 1994, the European Commission has undertaken various actions to expand the use of Earth observation (EO) from space in the Union and to stimulate value-added services based on the use of Earth observation satellite data.' By supporting research and technological development activities in this area, DG XII responded to the need to increase the cost-effectiveness of space­ derived environmental information. At the same time, it has contributed to a better exploitation of this unique technology, which is a key source of data for environmental monitoring from local to global scale. MAVIRIC is part of the investment made in the context of the Environ­ ment and Climate Programme (1994-1998) to strengthen applied techniques, based on a better understanding of the link between the remote sensing signal and the underlying bio- geo-physical processes. Translation of this scientific know-how into practical algorithms or methods is a priority in order to con­ vert more quickly, effectively and accurately space signals into geographical information. Now the availability of high spatial resolution satellite data is rapidly evolving and the fusion of data from different sensors including radar sensors is progressing well, the question arises whether existing machine vision approaches could be advantageously used by the remote sensing community. Automatic feature/object extraction from remotely sensed images looks very attractive in terms of processing time, standardisation and implementation of operational processing chains, but it remains highly complex when applied to natural scenes.