本书是根据作者在遥感大数据智能处理及知识挖掘理论与方法的研究积累，以及在人工智能技术驱动及多领域技术交叉融合下高分辨率遥感影像场景智能理解的最新研究成果撰写的，系统阐述高分辨率遥感影像场景智能理解各个层次研究任务的最新理论和技术，分别介绍遥感影像场景理解的研究进展及趋势、遥感影像场景标记任务、遥感影像场景检索任务、遥感影像场景分类任务、遥感影像场景目标检测任务、遥感影像场景语义分割任务，以及遥感影像场景图生成任务。 本书可作为从事遥感影像理解研究与应用的科研及技术人员的参考用书，也可作为摄影测量与遥感专业本科生、研究生的教材。

第1章 绪论
1.1 国内外研究进展
1.2 本书的研究内容
第2章 多特征自动分级聚合引导的快速遥感影像场景标记
2.1 概述
2.2 研究方法
2.2.1 遥感影像的多特征表达
2.2.2 基于分层相似性扩散的样本自动聚合
2.2.3 基于样本库自动聚合的关键样本自动挑选
2.3 实验结果与分析
2.3.1 实验数据集与评价指标
2.3.2 重要参数的敏感性分析
2.3.3 分层扩散的有效性分析
2.3.4 与已有方法的对比分析
2.4 本章小结
第3章 基于单模态深度哈希网络的同源遥感影像场景检索
3.1 概述
3.2 研究方法
3.2.1 单模态深度哈希网络优化
3.2.2 基于单模态深度哈希网络的同源遥感影像场景检索算法
3.3 实验结果与分析
3.3.1 实验设置与评价指标
3.3.2 基于有限标记样本数据集的实验结果分析
3.3.3 基于充足标记样本数据集的实验结果分析
3.4 本章小结
第4章 基于跨模态深度哈希网络的跨源遥感影像场景检索
4.1 概述
4.2 研究方法
4.2.1 跨模态深度哈希网络优化
4.2.2 基于跨模态深度哈希网络的跨源遥感影像场景检索算法
4.3 实验结果与分析
4.3.1 实验数据集与评价指标
4.3.2 约束项的有效性分析
4.3.3 重要参数的敏感性分析
4.3.4 目标函数的收敛性分析
4.3.5 与已有方法的对比分析
4.4 本章小结
第5章 基于容错性深度学习的遥感影像场景分类
5.1 概述
5.2 研究方法
5.2.1 多特征协同表示分类器
5.2.2 面向遥感影像场景分类的容错性深度学习方法
5.2.3 基于噪声标签的遥感影像场景分类网络优化
5.3 实验结果与分析
5.3.1 实验数据集与评价指标
5.3.2 在仿真噪声数据集上的实验结果分析
5.3.3 在真实噪声数据集上的实验结果分析
5.4 本章小结
第6章 知识图谱表示学习驱动零样本遥感影像场景分类
6.1 概述
6.2 研究方法
6.2.1 知识图谱的构建
6.2.2 知识图谱的表示学习
6.2.3 零样本遥感影像场景分类
6.3 实验结果与分析
6.3.1 实验数据集与评价指标
6.3.2 重要参数的敏感性分析
6.3.3 与已有方法的对比分析
6.4 本章小结
第7章 基于场景标签约束深度学习的遥感影像目标检测
7.1 概述
7.2 研究方法
7.2.1 基于场景级标签监督的深度网络优化
7.2.2 基于深度网络的多类别遥感影像目标检测
7.3 实验结果与分析
7.3.1 实验数据集与评价指标
7.3.2 类激活图的可视化结果分析
7.3.3 重要参数的敏感性分析
7.3.4 与已有方法的对比分析
7.4 本章小结
第8章 联合深度学习和知识推理的遥感影像场景语义分割
8.1 概述
8.2 研究方法
8.2.1 推理单元的建立
8.2.2 地学知识的推理
8.2.3 深度语义分割网络的优化方法
8.3 实验结果与分析
8.3.1 实验数据集与评价指标
8.3.2 重要参数的敏感性分析
8.3.3 中间过程的可视化结果分析
8.3.4 与已有方法的对比分析
8.4 本章小结
第9章 知识图谱引导的大幅面遥感影像场景图生成
9.1 概述
9.2 研究方法
9.2.1 知识图谱引导的目标关系搜索优选
9.2.2 知识图谱引导的目标关系预测
9.3 实验结果与分析
9.3.1 实验数据集与评价指标
9.3.2 重要参数的敏感性分析
9.3.3 与已有方法的对比分析
9.4 本章小结
第10章 总结与展望
10.1 总结
10.2 展望
参考文献