分布式多卫星协同遥感图像场景分类方法

来源：电子与信息学报杂志2025年第12期北京时间：

作者：金晶, 王峰

单位：复旦大学电磁波信息科学教育部重点实验室 上海 200433

摘要：随着空天信息技术的快速发展，卫星遥感平台对海量数据的高效处理与智能解译的需求日益增强。传统集中式遥感场景分类方法需将数据回传至地面中心进行集中处理与训练，受限于通信带宽、传输延迟及链路稳定性，难以满足“空天信息时代”高时效性与低通信负载的需求。针对这一问题，该文提出一种基于联邦学习的分布式多卫星协同遥感场景分类方法，在保留各卫星本地遥感数据的前提下，由各卫星独立完成本地模型训练，仅上传更新后的模型参数至中心节点进行全局聚合，并将优化后的全局模型参数下发至各卫星继续迭代，实现跨卫星的联合建模与协同推理。同时，结合星间直连通信机制开展参数共识，再由中心节点选取代表节点参与全局聚合，从而减少星地链路的传输负载，有效降低通信开销并提升系统可扩展性。在NWPU-RESISC45与UC-Merced数据集上的实验结果表明，该方法在分类准确率、通信效率和模型鲁棒性方面均优于现有主流算法，验证了其在多卫星协同遥感场景分类中的有效性与应用潜力。

关键词：遥感图像, 场景分类, 联邦学习, 多卫星协同

基金资助：国防基础科研计划(JCKY2024110C033)