随着遥感探测技术的发展，遥感数据获取逐渐朝着高谱间分辨率及高空间分辨率高维数据的方向发展。日益强大的对地观测网络提供着PB级遥感数据，具有数量大、多变性、多样性和真实性四个特点。遥感探测技术作为采集和分析地球数据的重要手段，已被广泛用于气象灾害预报、环境监测、海洋监视、军事侦察和国土资源等领域，吸引了众多学者密切关注，是目前国内外研究的热点。

为了提高高维遥感图像的处理精度，学术界所提模型的优化求解算法难度越来越高、数据量越来越大，但工业界并不买账。论坛将围绕该领域复杂算法必要性展开讨论，具体问题是：

（1）遥感影像应用的能力边界在哪里？

（2）高复杂度算法在遥感图像处理中是否还有生命力？

（3）深度学习在遥感图像处理中是否能延续主导地位？

带着这些问题，2022年4月17日，CCF YOCSEF 郑州在CCF郑州会员活动中心如期成功举办“如何应对高维遥感图像数据智能处理的机遇与挑战？”思辨论坛。由于受疫情影响，本次论坛采用了线上视频会议的方式，定向邀请了来自国内高校从事遥感图像处理的专家学者、国内知名企业负责人、CCF YOCSEF郑州AC委员及兄弟分论坛的教师代表等人员参会。在论坛中，与会嘉宾就高维遥感图像数据智能处理的现状与挑战问题进行了理性探讨，为从事该领域研究的科研工作者，尤其是高校“青椒”寻找一条适合自己研究道路提供了有价值的参考意见。其中，河南大学数学与统计学院教授郑晨、南京信息工程大学计算机学院副研究员孙乐、南京理工大学计算机科学与工程学院副教授徐洋作为特邀嘉宾为本次论坛做引导发言报告，郑州轻工业大学计算机与通信工程学院王华副教授、河南省空间信息处理工程实验室主任刘扬教授以及郑州轻工业大学计算机与通信工程学院殷君茹博士在思辨环节作为嘉宾进行了引导发言。郑州轻工业大学计算机与通信工程学院、CCF YOCSEF郑州AC委员黄伟，河南大学计算机与信息工程学院、CCF YOCSEF郑州AC委员张磊担任本次思辨论坛执行主席。

论坛正式开始，执行主席黄伟首先介绍了参加本次论坛的嘉宾，之后由CCF YOCSEF郑州主席 刘福东给大家简要介绍了CCF YOCSEF郑州的发展现状、举办本次论坛的初衷和背景，以及观点论坛发言的规则。

随后，引导发言嘉宾郑晨为与会嘉宾带来了题为《数据与知识驱动的遥感影像解译算法》的报告。报道介绍了马尔科夫随机场模型为理论方法，重点分享了多粒度多语义MRF模型，该模型同时考虑了两个层次的语义在两个粒度特征（像素和对象）上“特征-特征”、“特征-语义”、“语义-语义”之间的关联，如果将一个粒度基元下一层语义的马氏场视为一个基本单元，使得这种类似深度学习的概论框架可解释、能对多层语义建模和推理。最后提出了数据与知识共同驱动的遥感影像语义分割问题以及未来的研究方向。

郑晨教授引导发言

 本次论坛的第二位特邀嘉宾为南京信息工程大学计算机学院副研究员孙乐。孙博士结合自身丰富的科研经验为我们带来《高光谱遥感图像低层视觉分析与分类研究》的引导发言。发言涉及高光谱图像底层视觉处理和分类两类研究内容，重点介绍了高光谱图像从低层处理到高层处理中涉及到的压缩编码成像、压缩感知、去噪和缺失修补中的热点问题，并通过高光谱图像低层视觉的子空间张量级联低秩分解方法详细说明低层视觉算法，深入观察高光谱图像的子空间，深入探索高光谱图像本身的空谱特征，进一步提升恢复精度。然后又介绍了高光谱图像分类的空谱特征标记化Transformer方法，高光谱图像分类未来在空谱联合特征提取、小样本分类网络以及多源数据融合分类的面临的挑战。

孙乐博士引导发言

 之后，本次论坛最后一位引导发言嘉宾南京理工大学副教授徐洋为大家带来《结合多尺度结构化特征提取的高光谱图像分类》的引导发言。在发言中，徐洋分享了基于多尺度交替更新网络和基于类别特征融合的高光谱图像分类方法。首先指出针对高纬度、少样本的特点，如何充分挖掘高光谱数据中丰富的光谱空间信息，获得判别性强、可靠性高的分类特征是目前领域内研究热点；然后回顾了传统模型应用特征挖掘提升分类特征的方法，同时指明了传统方法存在的分类精度较低、泛化能力差等问题；紧接着介绍了深度学习应用数据驱动分层学习策略，以构建连续堆叠的层次化系统自适应地从原始数据抽取具有鉴别性的高级特征。徐博士最后围绕多尺度结构化表示，以卷积网络方法为基础分享了高光谱图像多尺度空-谱结构特征提取的研究与应用。

徐洋博士引导发言

 接着论坛进入思辨环节，由执行主席张磊介绍思辨规则，参会人员畅所欲言、积极思辨，场面活跃。

第一个思辨议题：高维遥感影像应用的能力边界在哪里？

王华博士思辨发言

针对该议题，王华首先在引导发言中说明了自己的观点，提出了高维遥感数据广泛用于军事、城市管理、自然资源监测、农业生产、地质灾害监测和气候预测等诸多领域。但对高维遥感影像数据的解译仍面临机遇和挑战。在土地利用分类方面，常用商业软件的分类精度与研究期刊上发表的精度还有不小的差别。具有实用的样本库构建成为了高位遥感影像在土地资源调查领域应用的能力边界。孙乐认为数据的采集和样本库的构建是影响分类精度的一个方面。需要提高数据采集的细化，并研发针对特殊具体应用背景的土地利用分类方法。张磊认为遥感技术具有很强的数据获取能力，但目前的数据时间分辨率、空间的分辨率，仍是限制遥感数据应用的边界。王华认为时间和空间分辨率的提升，无疑大大增加了数据量，对数据的运算处理也是很大的挑战。黄伟认为需要融合多种多源的遥感数据，利用不同数据的优势，设计针对具体应用的相应算法，才能有效的拓展遥感数据的应用边界。

第二个思辨议题：高复杂度算法在遥感图像处理中是否还有生命力？

刘扬教授思辨发言

刘扬针对该议题发表思辨引导发言并总结出了影响高复杂度算法在遥感图像处理中的阻碍，如遥感时空大数据带来的问题。徐洋认为需要根据具体的应用需求，看是否需要高复杂度的算法。刘杨认为好多应用需要实时的处理，而高复杂度的算法很难达到实时检测处理，需要找到简单有效的方法，才是实际工程想要的。河南工业大学费选副教授认为深度学习算法复杂度高的原因，是因为在高参数量条件下找最优解。河北大学刘帅奇博士认为算法复杂度高低需要看具体应用场景，对于离线场景下的应用，高复杂度还是可以接受和有生命力的。郑州轻工业大学黄伟博士认为科研上一般追求精度，将方法设计的比较复杂。离线训练时计算量大，但训练好应用的时候，计算量就不算太大了。南京信息工程大学孙乐博士认为考虑因素越多，条件越多，设计的就需要复杂。好复杂度有时候不能直接使用，但是可以给咱们一个目标，有办法达到这样的精度，咱们可以再研究如何降低复杂度也达到同样的精度。

第三个思辨议题：深度学习在遥感图像处理中是否能延续主导地位？

殷君茹思辨发言

论坛进行到第三个思辨议题并邀请到殷君茹做引导发言，殷君茹结合自身科研经历，从深度学习的不可解释性、深度学习正在野蛮生长和非深度神经网络的人工智能这三个方面介绍了深度学习目前面临的挑战。殷博士认为基于深度学习来模拟人类的感知，如视觉、听觉、触觉等。那么代表性成果就是目前在各个领域占据了重要的位置的深度神经网络，通过收集大量的训练数据进行标注，然后训练设计好的深度网络。这类AI不需要领域知识，主要通过大数据的训练就可以达到甚至超过人类的感知或识别水平，使其具有通用性强、端到端的“黑箱”或傻瓜操作。也正是由于其“黑箱”特性，才使得算法非常脆弱、依赖高质量、带标记的大数据和强大的算力，也使得系统存在不可信、不可控和不可靠的软肋。郑晨认为深度学习主导地位延续，是有条件的。刘杨认为计算理论和计算的解释，目前很难推进。需要对人类智能和人脑智能更深的认识。费选认为类脑计算是一个比较好的发展方向。

由于时间限制，论坛执行主席不得不终止各位嘉宾的激烈讨论。CCF YOCSEF郑州现任主席刘福东代表本次论坛向六位引导嘉宾表示感谢并为他们颁发了讲者证书。最后，论坛执行主席对本次论坛进行了简单的总结并再次感谢各位与会嘉宾的精彩分享以及积极参与，本次论坛顺利结束。

刘福东为引导发言嘉宾颁发感谢证书

刘福东为思辨引导发言嘉宾颁发感谢证书

通过本次论坛的举办，我们凝炼出以下三个观点：

（一）高维遥感影像数据的应用，需要构建丰富的数据库和样本库，才能发挥更大的作用，并且需要融合多源的遥感数据，根据数据的特性设计针对性的数据处理方法，发挥不同特性数据的优势，才能实现更有价值的应用。并且要针对具体的应用背景，设计具体的数据处理算法，才能有效地拓展高维遥感数据的应用边界。

（二）遥感影像数据的处理，需要考虑到具体的应用场景需求和限制因素，来设计数据的处理算法。目前的高复杂度算法在计算受限的条件下很难在实时性要求比较高的应用场景下使用，需要研究在不太影响性能的情况下，如何降低处理算法的复杂度。

（三）现有深度学习依赖大量的高质量训练数据和计算资源来充分学习模型的参数。在高光谱图像训练数据量有限的情况下，一些规模巨大的深度神经网络也容易出现过拟合，使得在新数据上的测试性能远低于之前测试数据上的性能。因此，发展鲁棒性、可扩展性强的智能学习系统必定会成为未来深度学习的重要研究课题。