基于图正则化的点对轨迹关联技术在RS-AIS融合中的应用，用于海上移动船舶的识别与空间定位精度提升

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：Graph-Regularized Point-to-Trajectory Association for RS-AIS fusion toward maritime moving-ship identification and spatial refinement

　　摘要：准确识别和定位移动船舶对于海上态势感知和海洋监测至关重要。遥感卫星能够实现大范围观测，但缺乏明确的船舶身份信息；而自动识别系统则能提供丰富的静态和动态属性，却存在数据覆盖不完整、报告延迟以及信号干扰等问题。由于结构不对称、遥感观测数据稀疏、AIS数据采样不规律以及地理定位误差等因素，如何建立不同来源数据之间的可靠对应关系仍是一项挑战。本文提出了一种图正则化点对轨迹关联框架，将遥感与AIS数据的融合问题转化为点对轨迹关联问题，并通过图正则化方法来确保轨迹邻域的一致性。具体而言，该框架采用自适应的动态-静态相似度模型，结合空间一致性及短距离运动特征来评估潜在的遥感与AIS数据对应关系。随后通过带有一对一分配的加权二分图获得全局一致的初始匹配结果，再通过图正则化的轨迹级结构过滤进一步剔除那些在局部看似合理但整体上下文不一致的匹配项。经过优化的匹配结果可用于为遥感检测到的船舶确定身份，同时还可作为海面参考条件，用于估算空间定位的精确变换。在五个具有代表性的海域进行的实验表明，该框架的平均精度为0.89，召回率为0.96，F1值为0.92，性能显著优于现有基准方法。此外，该框架还能将遥感定位误差从25.84米降低到2.62米，误差降低了89.86%，同时即便目标数量增加，其增量更新的延迟仍保持在秒级以内。这些结果表明，该框架为遥感与AIS数据的融合提供了一种高效、可扩展且近乎实时的解决方案，有望应用于卫星在轨处理、船舶轨迹预测以及自适应卫星观测规划等领域。

引言：随着地球观测卫星星座的快速发展，遥感卫星的时间和空间分辨率得到了显著提升，同时观测传感器也日益多样化。因此，应用需求也从传统的静态侦察转向实时动态监测，移动目标检测也就成为了遥感领域的重要研究课题。在各类动态目标中，船舶因其作为海洋运输的主要载体，与国家安全、经济贸易以及能源供应链息息相关，故而尤为重要。在沿海及公海区域对移动船舶进行有效检测、识别和运动监测，对于提升海上态势感知能力和保障海上安全具有重要意义，它可为交通管理、海洋资源监测、打击非法活动以及应急救援等工作提供支持。得益于卫星技术的进步，遥感影像因其全球覆盖性和广泛的可获取性，已成为海上监视的重要数据源。因此，大量研究致力于基于遥感影像的船舶检测与监测技术。然而，单次遥感影像获取只能提供移动目标的稀疏时间序列数据，且缺乏明确的船舶身份信息，这限制了海上目标的可靠识别。国际海事组织推动发展的自动识别系统被广泛用于海上交通管理，其报告可通过卫星或沿海监测站传输，报告频率由船舶速度决定。AIS报告包含动态信息、静态信息以及与航行相关的信息，所有这些信息都通过唯一的海上移动服务识别码相互关联。这些属性为船舶监测和运动验证提供了身份及运动特征信息，使得AIS成为重要的辅助数据源。不过，并非所有船舶都配备了AIS发射器，而且AIS信号可能被故意关闭或伪造，还可能因干扰而出现质量下降，从而导致报告数据不完整且存在噪声。因此，多源数据融合作为一种有效手段，可用于弥补单一传感器观测的局限性，它已被广泛应用于雷达数据、SAR数据以及光学遥感影像领域。在海上监视中，遥感与AIS数据的融合具有双重价值：其一，它可以通过结合AIS报告的属性与遥感影像获取的观测数据来实现船舶身份的确定；其二，它能够在缺乏地面控制点的区域，利用匹配对中的AIS地理位置作为海面参考，从而实现空间定位的精确优化。高质量的遥感与AIS数据关联还是后续轨迹建模和海上态势感知的前提条件。准确的船舶身份识别有助于构建针对特定船舶的观测序列，而空间定位优化则可以减少遥感数据初始定位的偏差。在船舶轨迹预测中，若初始融合观测数据中的船舶身份关联不准确或存在定位偏差，这类误差可能会在后续的预测过程中不断累积，最终导致轨迹误差。因此，可靠的遥感与AIS数据对应关系对于构建基于推理的船舶轨迹预测模型至关重要，同时也有助于为海上监视任务规划卫星观测方案。尽管如此，要建立可靠的遥感与AIS数据对应关系依然面临诸多挑战。这两种数据源在结构上存在不对称性。在单次遥感影像获取中，移动目标通常仅表现为一些稀疏的、短距离的轨迹片段，且运动特征有限，相对于AIS提供的较长跨度、多点构成的轨迹而言，这些可视为微轨迹。而AIS数据则表现为在更长时间跨度内形成的、不规则、存在噪声且有时不完整的多点轨迹。这种差异使得时间对齐和运动一致性评估变得十分复杂。此外，遥感数据存在的地理定位偏差还可能引入系统性偏移，使得在交通密集的区域，基于距离的一对一匹配变得模糊不清，而在AIS报告稀少或延迟时，此类匹配更是不可靠。为了解决这些难题，本文提出了一种图正则化点对轨迹关联框架。该框架的核心思想是将遥感与AIS数据的匹配问题视为在结构不对称轨迹条件下的点对轨迹关联问题，并利用轨迹级的图结构对匹配结果进行正则化处理。具体而言，首先采用自适应的动态-静态相似度模型来评估点级的遥感与AIS数据对应关系，该模型同时考虑了空间一致性及短距离运动特征，从而确保能够充分利用有限的遥感检测结果，而无需依赖较长的时间序列数据。根据这些评分结果，构建带有唯一分配的加权二分图，以获得全局一致的初始匹配结果。接着，通过图正则化的轨迹级结构过滤方法，对匹配集合施加轨迹邻域一致性约束，从而在交通密集或存在遥感定位偏差的情况下，剔除那些局部看似合理但整体上下文不一致的匹配项。此外，该关联图的结构还支持增量更新，只需更新受影响的子图，即可将新检测到的遥感目标及新的AIS报告纳入分析，无需重新计算所有匹配关系。这样的设计既保证了方法的稳健性，又提升了效率，非常适合用于近乎实时的海上监视以及卫星在轨处理应用。整个工作流程如图1所示。与那些通常为同质数据匹配而设计、且往往依赖成对距离或启发式上下文约束的典型图基或上下文感知型关联方法相比，GR-PTA是首批在结构不同的轨迹条件下，将点对轨迹机制与关联级别的图正则化相结合用于遥感与AIS数据融合的方法之一。本文的主要贡献如下：（1）提出了一种点对轨迹型的遥感与AIS数据关联建模方法，专门用于解决稀疏的遥感微轨迹与不规则的AIS多点轨迹之间的结构不对称问题，实现了稳健且易于理解的跨源船舶身份关联。（2）设计了自适应的动态-静态相似度模型以及图正则化关联方案，这两种方法能够同时利用空间一致性及短距离运动特征，同时通过轨迹邻域一致性约束，有效抑制不同交通状况下的模糊匹配现象，提升在AIS报告稀少或存在噪声时的匹配完整性。（3）提出了一种具有高效计算能力的融合策略，通过增量式的图结构更新，可实现近乎实时的遥感与AIS数据关联以及辅助性的几何定位优化，显示出在卫星在轨智能海上监视应用中的巨大潜力。本文的结构如下：第2节回顾相关研究进展；第3节介绍数据来源以及匹配前的遥感与AIS数据预处理方法；第4节详细阐述所提出的GR-PTA框架；第5节介绍实验设置、结果及评估分析；最后，第6节对全文进行总结，并指出未来的研究方向。

相关研究：近年来，多源数据融合研究越来越受到重视。遥感与AIS数据的融合通常被建模为在系统误差条件下的关联问题。现有的遥感与AIS数据关联方法大致可分为基于统计的方法和基于模糊数学的方法。除了这些方法论研究之外，相关研究还拓展到了不同感知模式下海上移动船舶的识别技术。

遥感与AIS数据预处理：为了实现有效的遥感与AIS数据融合，需要对两类数据集进行预处理，以便获得一致且可比的船舶属性，这些属性将为后续的GR-PTA关联阶段提供统一的输入数据。

用于遥感与AIS数据融合的图正则化点对轨迹关联框架：针对由遥感数据得到的短距离微轨迹以及AIS的多点轨迹，本文提出了一种图正则化点对轨迹关联框架，该框架将关联建模从点级的相似度评估逐步提升到轨迹级的结构一致性优化层面。该框架包含三个核心组成部分：（1）一种自适应的加权动态-静态特征相似度模型，该模型能够利用点级的几何特征和运动特征信息...

研究区域与数据集：如第3节所述，本研究中所使用的遥感影像是由MN200Sar-1光学卫星获取的。在该卫星的有效载荷所配备的CMOS传感器上，设置了两个窗口区域，两者之间的距离约为3550像素行，对应的焦平面距离为8.225毫米，因此每个区域中两个相同光谱范围的条带之间存在1秒的时间延迟。在这种配置下，这两个条带仍能为海上监测区域提供足够的共同覆盖范围，同时...

结论：本文提出了一种图正则化点对轨迹关联框架，用于融合光学遥感影像与自动识别系统数据，旨在实现海上监测中移动船舶身份的可靠识别以及地理定位的精准优化。该框架通过针对性地解决稀疏的遥感微观测数据与不规则的AIS轨迹之间的结构不对称问题，构建了一种集成多种功能的统一解决方案...

CRediT作者贡献说明：杜欣：撰写——初稿、软件工具、方法论、研究实施、形式分析、数据整理、概念构思。钟若飞：撰写——审阅与编辑、项目监督、资源协调、项目管理、资金申请、概念构思。马可·斯卡伊奥尼：撰写——审阅与编辑、方法论。马可·贾尼内托：撰写——审阅与编辑。张世越：方法论、数据整理。李庆阳：撰写——审阅与编辑、概念构思。孙振星：数据整理。李成明：资金支持。本研究得到了首都师范大学交叉学科项目（项目编号2026JCYB06）、国家自然科学基金（项目编号42071444）以及中国留学基金委（项目编号202507300014）的支持。

利益冲突声明：作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

杜欣|钟若飞|马可·斯卡伊奥尼|马可·贾尼内托|张世越|李庆阳|孙振星|李成明
中国北京市首都师范大学，3D信息获取与应用重点实验室，邮编100048