《高分辨率遥感影像智能解译》论述了高分辨率遥感影像从像素到对象解译过程中面临的问题与挑战，重点阐述了从数据到信息转换的一些理论与方法，以及自动化、智能化处理技术。涵盖了构成面向对象高分辨率遥感影像解译基础的阴影检测与分割技术；影像对象的特征提取、选择与降维；影像对象词包表示与主题模型；面向影像相似性检索的特征对比模型；面向目标检测与识别的影像显著性与随机森林；面向影像分类的特征线、压缩凸包到仿射包方法以及条件纹元森林方法；从面向对象影像分析的角度，讨论了影像分割与影像对象分类精度评价方法的适宜性。此外还介绍了自主开发的面向对象的高分辨率遥感影像智能解译系统——“ELU译陆”。这些内容贯穿高分辨率遥感影像智能解译的整个过程。
　　《高分辨率遥感影像智能解译》可供遥感、测绘、国土资源等领域的科技人员和研究生阅读参考，也可供从事图像处理、模式识别、计算机视觉等智能信息处理领域的读者阅读参考。

前言

第1章 绪论
1．1 高分辨率卫星遥感影像数据获取进展
1．1．1 高空间分辨率光学卫星遥感影像获取
1．1．2 高光谱分辨率卫星遥感影像获取
1．1．3 高分辨率星载SAR遥感影像获取
1．2 高分辨率遥感影像智能解译研究概述
1．2．1 遥感影像解译理论与方法研究进展
1．2．2 高分辨率遥感影像智能解译的发展趋势
1．3 高分辨率遥感影像智能解译的难点与挑战
1．3．1 精细描述高分辨率遥感影像内容面临的挑战
1．3．2 高分辨率遥感影像解译面临的挑战
本章小结
主要参考文献

第2章 高分辨率遥感影像解译基础
2．1 高分辨率遥感影像智能解译机理
2．1．1 遥感影像目视解译原理
2．1．2 视觉信息处理机制
2．2 高分辨率遥感影像数据——信息转化的理论与方法
2．2．1 综合视觉与非视觉特性的对地观测数据——信息转化
2．2．2 影像及影像对象层
2．2．3 影像对象描述层
2．2．4 影像对象解译层
2．3 影像对象与地理实体
2．3．1 从像素、影像块到影像对象
2．3．2 目标的检测与智能定位
2．3．3 地球空间对象的提取及面临的问题
2．4 影像对象的特征提取与内容描述
2．4．1 影像对象特征提取与描述方法
2．4．2 影像块及其视觉单词的描述与表达
2．4．3 生物视觉启发的影像特征提取与描述
2．4．4 影像对象的特征提取与内容描述面临的问题
2．5 遥感影像的智能解译
2．5．1 影像对象的识别与分类
2．5．2 影像的相似性检索
2．5．3 影像目标的检测与识别
2．5．4 遥感影像智能理解面临的几个问题
本章小结
主要参考文献

第3章 面向对象的影像分析基础
3．1 高分辨率遥感影像阴影检测技术研究现状
3．1．1 阴影形成的物理机制
3．1．2 主要阴影检测技术概述
3．2 高分辨率遥感影像的阴影检测
3．2．1 遥感影像的阴影特征分析
3．2．2 基于MFI的阴影检测
3．2．3 基于SAFS的阴影检测
3．2．4 实验分析与评价
3．3 影像分割技术及其发展
3．3．1 影像分割的概念
3．3．2 影像分割技术的发展现状
3．3．3 影像分割在遥感中的应用
3．4 基于边缘信息的邻域FCM聚类分割方法
3．4．1 EFLICM聚类方法
3．4．2 边缘信息的获取
3．4．3 邻域模板权重
3．4．4 加权空间邻域聚类算法
3．4．5 实验分析与讨论
3．5 综合纹理、形状和光谱信息的遥感影像分割
3．5．1 基于图模型的影像分割框架
3．5．2 纹理、形状和光谱信息的距离模型
3．5．3 基于距离模型的影像分割算法
3．5．4 实验结果与分析
3．5．5 定量评价
3．6 分割精度评价与影像对象的尺度选择
3．6．1 基于对象的精度评价方法
3．6．2 对象的尺度选择与融合
本章小结
主要参考文献

第4章 影像对象特征提取技术
第5章 影像对象词包表示与主题模型
第6章 遥感影像的相似性及其检索
第7章 遥感影像目标检测与识别技术
第8章 高空间分辨率遥感影像分类
第9章 高空间分辨率遥感影像智能解译系统
彩图