卫星影像

通过卫星进行远程拍摄的图片或者视频。

1、获取

目前通过卫星获取地面影像，一般有两种方法：第一种是用摄影机拍摄底片，将装好底片的摄影机安置在卫星上，将卫星送入设计好的轨道上对地面进行摄影，摄影完成后再将卫星收回，通过一系列的摄影处理后得到底片，可以通过影像扫描进行数字化，从而得到数字的卫星影像；第二种是"数字成像"的，成像原理类似于数码相机。

2、分辨率

象素是构成数字图像的最小单位，数字图像的分辨率是用于描述构成图像的像素密集程度的单位，一般以DPI(每英寸的影像所包含的象素数)来表示，可以看出，分辨率越大，象素则越小。以电脑屏幕为例，800*600个象素与640*480个象素比较，前者象素小，分辨率大，画面更细致。遥感影像的地面分辨率是指在影像像上能够分辨地面最小景物的大小，一般以一个象素代表地面的大小来表示，通常所讲的2米分辨率就是指1个象素表示地面大约2米X2米的面积，对于遥感影像而言，分辨率通常是指地面分辨率。

3、优缺点

优点：

1.像幅面积大、宏观性强

2.多波段性

3.多时相性

4.近似垂直投影，误差小、比例尺一致

5.时间统一，便于影像分析

6.信息资料数字化，便于处理

7.不受地区、国界限制

8.成本低

缺点：1.分辨率低

2.立体观察效果不好

4、未来发展

詹姆斯·克劳福德的办公室和谷歌公司一样，位于硅谷的山景城。2015年，詹姆斯创办了这家名为OrbitalInsight的公司，依靠人工智能方法发掘从太空传回地球的各种数据，得到有效信息帮助人们决策。

OrbitalInsight公司创始人詹姆斯·克劳福德：如果仅靠人工观察提取信息，比如计算路上的汽车、卡车或火车数量，几年后就需要800万人。所以，我们用机器代替人工来观察卫星影像。使用深度学习、卷积神经网络等人工智能技术，分析、理解影像内容，并转换成可用信息。

​人工智能观察卫星影像，得到的信息用来干什么？

将卫星和人工智能里的机器学习相联系，对道路、飞机、云、雾、湖泊、土地、建筑物和油库情况进行测量和分析，能够帮助人们更好地认知世界。詹姆斯的团队还与世界银行进行了合作，通过建筑物高度和屋顶材质测量数据，来衡量各地的财富情况，从而提高相关贫困数据的准确度。

人工智能的图像识别有多准确？

詹姆斯·克劳福德：其实很多算法的精度已经达到95-97%，与此同时，我们也在不断新增识别对象，比如识别道路、建筑或某款汽车。

停车场大数据告诉你零售业景气指数

詹姆斯·克劳福德选取了位于斯坦福大学旁边的一家梅西百货停车场。他的数据可以计算车辆数量，从而帮助深入了解商店的运营业绩情况，以及精确分析这个地区零售业是否景气。

​詹姆斯·克劳福德：这张图展示了五年间这个停车场的车辆统计数字，这条绿线代表今年，可以看出和过去相比，今年停车场的车少了很多。如果你们看了报纸就知道，这是因为梅西百货今年关掉了很多店面，所以上门的顾客和之前五年相比也少了很多。

詹姆斯的团队已经计算过美国50个零售商的相关数据，共计100多万个停车场和十亿多辆汽车。通过卫星和人工智能的结合，改变人们看见和评估，世界的方式为人们看待这个世界提供一个更为宏观的视角，正是詹姆斯所希望达到的效果。也正是出于这个原因，他们获得了风险资本的青睐，2017年5月，詹姆斯的团队得到了红杉资本等参与的5000万美元C轮融资。

​未来百亿美元级别的市场

詹姆斯专注于开发分析卫星影像的人工智能软件。他说自己非常看好这个市场的未来价值。

詹姆斯·克劳福德：目前市场价值大约为20至40亿美元。但未来，随着各种新型分析工具的诞生，我们认为这个行业的市场价值会是100亿美元以上。