遥感深度学习基于域迁移方法综述

域迁移是遥感中一个关键且日益重要的任务，旨在从源域迁移知识到不同分布的目标域。它在各种实际应用中具有广泛应用，包括遥感要素解释、生态环境监测和城市/农村规划。然而，遥感中的域迁移由于数据差异（如地面采样距离、来自各种传感器的成像模式、地理景观和环境条件的差异）而面临重大挑战。近年来，深度学习作为特征表示和跨域知识迁移的强大工具，广泛应用于遥感任务。本文综述了深度学习在遥感域迁移方面取得的重要性进展。我们首先介绍初步知识，以澄清关键概念、数学notation和方法的分类。随后，我们从多个视角组织现有算法，包括任务分类、输入模式、监督范式和算法细粒度，为读者提供该领域的结构化理解。接下来，我们回顾广泛使用的数据集并总结最新方法的性能，以概览当前进展。我们还识别了开放性挑战和潜在方向，以指导未来在遥感域迁移方面的研究。与以往综述不同，本工作涵盖了遥感中更广泛的域迁移任务，而非专注于少数子领域。它还呈现了系统化的分类，提供了该领域更全面和组织化的理解。总体而言，本综述可以激发研究社区，促进理解，并指导该领域的未来工作。