前言

最近几十年，我国遥感技术的发展速度较快，先后发射了高分、资源和环境系列等多颗高分辨率遥感卫星，再加上航空和无人机平台的遥感影像采集系统，我们可以获得海量遥感影像数据。遥感成像技术的不断进步，使遥感影像的分辨率，特别是空间分辨率得到了很大提升，从最初的几十米逐渐发展到现在的厘米级，这为遥感技术的广泛应用打下了坚实的基础。从普通民众的日常生活，如地图导航、天气预报等，到国家层面的资源监测、湿地森林保护、武器制导等，都离不开遥感技术的应用。

我们在获取高分辨率遥感图像后，需要经过一系列复杂的解译处理，才能提取出有价值的信息。其中，场景分类是高分辨率遥感图像解译的关键任务之一，它对于遥感影像处理和现实世界的理解都具有举足轻重的意义，也是遥感领域研究的热点之一。高分辨率遥感图像场景分类能够有效地辨别土地利用情况，其结果也可以为目标识别和检索任务提供重要的参考信息，在自然灾害监测、交通监管、武器制导和城市规划等应用方面具有重要的意义。此外，土地覆盖是人地相互作用过程的最终体现，也是地球表层系统最明显的景观标志，土地覆盖变化又会引发一系列环境的改变。高分辨率遥感图像场景分类能提供关于土地覆盖变化动态、丰富和廉价的数据源及分析结果，取代传统的人工调查土地覆盖工作，有效地节省人力成本及经济开支。对于草地、湿地和森林等生态系统的保护，传统5年一次的一类调查和10年一次的二类调查存在更新周期长、历经时间长、样地易被特殊对待、数据可比性差等缺陷，难以科学、准确地评估森林资源和生态状况变化。遥感图像场景分类能够对此类生态系统进行监督，更有效地保护人类的生态环境。

近年来，深度学习技术发展迅速，并在计算机视觉、自然语言处理和机器人控制等多个领域获得了成功应用。同时，深度学习与高分辨率遥感图像场景分类的结合也产生了许多高水平的成果。目前，市面上一些关于遥感图像解译的图书中只有少量内容涉及高分辨率遥感图像场景分类。因此，需要出版专门针对高分辨率遥感图像场景分类的专业书籍，使读者可以了解场景分类的来龙去脉，为以后进一步深入研究场景分类方法或者开展相关应用奠定基础。

本书以“保证基础、突出能力培养”为根本出发点，对章节安排和内容描述方式做了精心设计。全书可分为以下4个方面。

（1）详细介绍了高分辨率遥感图像场景分类的定义、研究背景和意义等相关基础知识，并对现有基于深度学习的高分辨率遥感图像场景分类方法进行了简要介绍，方便基础较弱的读者快速进入状态。

（2）将特征提取策略和监督方法对高分辨率遥感图像场景分类性能的影响进行了定性分析与定量实验评估，方便读者在实际应用中根据实际情况选择合适的特征提取策略和监督训练方式。

（3）针对人工标注成本较高的问题，介绍了两种不同解决思路的高分辨率遥感图像场景分类方法：一种方法可以自动扩充标注样本；另一种方法采用半监督训练的深度学习模型，在保持较高场景分类精度的同时减少对标注样本的需求，希望对面临相同应用背景的读者提供有益的借鉴。

（4）对本书的主要内容进行总结，并对未来的研究工作进行展望。

本书按照创新动机—设计思路—方法展开—实验验证这种学术研究风格撰写，使读者在学习高分辨率遥感图像场景分类方法的同时，了解学术研究的大致流程。另外，本书对相关专业的高年级本科生和研究生培养可以起到促进作用。

本书由郑州轻工业大学电气信息工程学院的钱晓亮老师著，王慰教授指导了全书的框架结构和章节安排，王延峰教授审阅了书稿的全部内容。

本书著者隶属于郑州轻工业大学电气信息工程学院人工智能与智能系统团队，本书的完成离不开该团队多位老师和研究生的支持与帮助，感谢团队中王延峰教授、王慰教授、吴青娥教授、过金超副教授、毋媛媛副教授、岳伟超博士、任航丽博士、刘向龙博士、王芳博士、刘玉翠博士对本书的关心支持与辛勤付出，感谢团队中李佳、陈晓昊、郑吉荣、霍豫、曾银凤、吴宝坤、孟佳、张念念、王晨好、赵家琨、邓威、林晨阳、郜绍冠等研究生在写作过程中的无私付出与辛勤努力。本书的工作也得到郑州轻工业大学电气信息工程学院领导及国家自然科学基金（62076223）、河南省科技攻关项目（202102210347、202102210143）等科研项目的支持，特此感谢。同时，特别感谢电子工业出版社的大力支持和帮助，感谢董亚峰老师和米俊萍老师付出的辛勤劳动与努力。感谢书中所有被引用文献的作者。

近几年，基于深度学习的高分辨率遥感图像场景分类方法的更新迭代速度较快。本书的取材和安排完全是著者的偏好，由于水平有限，本书内容可能存在遗漏和不妥之处，恳请广大读者批评指正。

著 者

2021年12月

郑州轻工业大学