图文：AI驱动的地理空间解决方案
地理空间产业一直对了解我们这个世界很感兴趣，尤其是从太空。多年来，公共和私人组织一直在尝试通过技术利用海量的卫星图像数据来发现我们的星球正在发生着什么。在过去的几年里，出现了一些工具，它们使用“图像减法”等算法来识别地面上的变化。随着时间的推移，这些不成熟的工具已经不能跟上改变图像分析环境的几个趋势：
· 对发现“异常”或“不寻常”（不是正常的）变化的需求日益增长；
· 由于卫星图像分辨率质量和图像供应的频率(节奏)的快速提高，以及众多小卫星/立方卫星星座的卫星数量激增，数据量大幅增加；
· 对图像分析人员的需求越来越大，他们需要对新发现的异常进行识别、优先排序并采取行动；
· 对持续变化检测的需求增加。
相似性（Simularity）公司利用了其在人工智能方面的丰富经验和大数据分析的能力。将经验证的分析引擎应用于卫星图像，从而快速了解地面的关键异常。人工智能可以检测到各种各样的异常情况，而且随着该公司将不同供应商的不同图像集摄取到我们的平台中，这个列表每天都在增长。以下是主要应用领域。
· 不寻常的建筑模式：新屋顶、拆除的建筑、新建筑、新墙；
· 非建筑异常：道路的有趣变化、最近清理的土地、异常挖掘活动、大量土壤的非自然移动。
· 奇特的车辆行为；
· 边界的异常活动；
· 通常没有活动或运动的海军舰艇的突然出现和消失；
· 偏远或城市附近的秘密突发性建筑是恐怖主义或犯罪活动的标志；
· 不寻常的远程活动、营地和/或空地，包括丛林地形。
· 烟和火
· 洪水
· 泄漏
· 地震和其他灾害造成的损害
· 对流域的非法威胁
泄漏和火灾的例子可以根据要求提供。通过快速、准确地识别异常，能够监控异常行为，使分析师能够关注最重要的问题，其好处如下：
· 对市政府的好处巨大，因为它允许更好地遵守法规，从而使公众更加满意，并由于未经许可的建设而增加税收；
· 改善国家安全，主要通过允许安全部队及时动员采取有效行动、减少有害或不安全局势的风险以及在事态进一步发展之前防止更严重和非法事件的发生；
· 通过对自然和人为事故的近实时监控，可以将环境损害降至最低。
相似度（Simularity）公司在世界多个地区都很活跃，其中包括中东和东南亚，在那里卫星图像分析技术一直受到高度关注。
该公司提供人工智能驱动的地理空间产品，还为感兴趣的领域提供监控/检测/警报服务，以及个人甚至不知道正在发生变化的领域。
公司的旗舰产品是AIADS（自动图像异常检测系统），OER产品是用于核心控制和动态范围调整的AI驱动图像算法，以及与合成光谱雷达图像（SAR）配合使用的新增强型AIADS/SAR。
AIADS将AI应用于多个波段的历史图像信息层，以建立了解哪些更改是“正常”且哪些变化具有重大意义的模型。此过程通常称为时间变化检测或持续变化检测。
通过将变化分为这 2 个类别，该软件能够快速聚焦于应进一步研究的变化。
图像共同配准（COREG）层旨在配准（对齐）提供给每张最新图像。COREG对各种遥感数据集之间的亚像素误差进行自动检测和校正。它独立于空间或光谱特性，对高云层覆盖和光谱及时间陆地覆盖动态具有很强的抗性。
共同配准基于频率域中亚像素移位估计的相位相关性，以移动窗口的方式使用傅里叶 移位定理。
动态范围调整（DRA）增加了一组图像中的对比度，以减少亮度的变化，并增强由于实际变化而发生的变化。其结果是变化检测和其他相关算法的性能有所改进。
此算法的工作原理是将每个输入图像转换为HSB彩色空间。然后从亮度组件（B）生成直方图，直方图均等。重要的是，算法知道图像的颜色深度，这并不总是从遥感图像的数据格式明显。
DRA算法通过测量图像中最亮值来计算这一点，并将其用作计算颜色深度的基数，然后将此颜色深度用于直方图均衡。一旦直方图在亮度中均等，图像将使用均等亮度值转换回 RGB。此算法的结果导致图像中的一些信息丢失，以补偿增强的对比度，这是有意的，因为它有利于图像分析，查找图像的变化，由于物理变化，而不是那些由于亮度的变化。
当AIADS等时间变化检测算法分析感兴趣区域（AOI）的因阴影而包含不断变化的亮度时，像素值的变化会错误地更高，从而在发生时掩盖实际变化。这在动态范围较高的场景中发生频率更高。一些动态范围高的场景包括住宅区、工业区和市区。将DRA应用于这些AOI 的可以增加对比度，从而过滤掉细微的变化，从而产生更高的真阳性和更低的误报结果。DRA在已经具有较窄的动态范围（如沙漠或海洋图像）的场景中就不那么重要了。因此，DRA的一些有利使用案例包括炼油厂的溢油检测、屋顶损坏检测、施工监控等。
图中，AIADS已得到增强，也可用于SAR图像。