北京
从像素级感知到要素级提取，从人工解译到智能研判，高分辨率遥感解译技术逐步突破“看得见、读不懂”的瓶颈，成为洞察地物变迁、赋能行业升级的核心支撑。
针对海量影像高效解码、多领域精准数据需求，武汉大学胡翔云教授带领的遥感智能解译研究团队凝聚数十年科研实践与学术积淀，正式推出《高分辨率遥感影像的智能解译方法与应用》。本书立足高分辨率遥感与人工智能融合前沿，全面覆盖影像解译的方法与实践，既是该领域技术成果的系统总结，也是破解实践痛点、引领行业规范化发展的实用指南，兼顾理论深度与实操价值。
▋一、解码核心逻辑，夯实理论基础
本书开篇立足行业发展背景，清晰界定遥感影像智能解译核心任务，系统阐释特征工程与表示学习等基础方法，梳理高分辨率遥感与人工智能融合的发展脉络，明确研究边界与内容体系，为后续方法讲解和应用实践奠定坚实理论基础，助力读者快速建立领域系统性认知。
▋二、构建高效智能的分割与分类体系
影像分割与分类是遥感解译的核心环节。本书系统梳理像素分类、面向对象等传统方法，详解图像分割特征与表达逻辑，重点阐述机器学习与深度学习在该领域的创新应用。从特征自适应加权方法的技术路线、实验验证，到图神经网络深度学习方法的原理与效果分析，层层递进，提供高效的遥感影像智能解译技术路径。
人机协同的遥感影像要素提取系统的总体技术路线图
▋三、优化面状专题要素智能提取
针对面状专题要素精准提取的核心需求，本书兼顾自动提取与人机协同，覆盖变分法人工地物分割、云区域分割、深度学习水体自动分割等关键技术，同步讲解分割样本质量自动评价方法，保障提取结果准确可靠。针对不同应用场景，本书分别阐述基于特征工程与深度学习的面状要素人机交互提取方法，重点突破建筑物屋顶提取等实操难点，实现“自动提取提质、人机协同增效”，为各类面状专题要素的精准获取提供系统化解决方案。
深度学习的面状要素人机交互提取：
遥感影像同类多目标检测网络方法
▋四、破解典型人工地物矢量信息提取难题
针对道路、建筑物等核心人工地物提取痛点，本书专门设章提供针对性方案。道路提取方面，详解影像与LiDAR数据融合、深度学习道路网提取两种核心方法；建筑物提取方面，重点阐述密集小建筑物检测、关键点双向追踪轮廓矢量提取技术，为城市规划、交通建设等领域提供精准数据支撑。
▋五、解锁变化检测多重路径
立足地物动态监测的实际需求，本书系统梳理地物要素自动变化发现的关键问题与方法，覆盖双时相影像、地图辅助、三维信息辅助三大核心场景。拆解复杂场景变化发现、基底矢量与大模型驱动的地图—影像变化发现等技术难点，提供多维度解决方案，实现地物变化快速识别、精准定位，满足自然资源监管核心需求。
高性能遥感影像智能解译系统“EasyFeature”
展示基于视觉大模型的地块提取效果
▋六、赋能多领域应用落地
理论落地生根，技术赋能实践。本书不仅聚焦方法创新，更注重成果转化，重点阐述高性能遥感影像智能解译软件系统的概况与功能，搭建“技术方法—系统落地—行业应用”完整链路。应用场景覆盖自然资源、电力、交通、农业、林业等核心领域，重点详解耕地“非农化”“非粮化”监测等自然资源监管关键应用，同时拓展多领域场景，实现“一书在手，多领域可用”，彰显技术实用价值与产业潜力。
高性能遥感影像智能解译系统“深思地球”
（SensGlobe）主界面
本书凝聚作者团队在遥感智能解译领域数十年的学术积淀与科研实践，覆盖解译全流程、全场景，是一本兼具方法创新与实践价值的系统化著作。可为科研工作者提供研究指引，为行业从业者提供实操参考，推动领域向规范化、标准化、智能化方向发展，助力我国遥感智能解译领域技术迭代。
作者简介
胡翔云，工学博士，武汉大学遥感信息工程学院教授(二级)。长期从事遥感信息智能处理的教学科研工作，发表论文100余篇。主持了国家自然基金重大研究计划（集成项目）等科研项目，主持研制了高性能遥感影像智能解译系统EasyFeature，遥感深度学习开源框架软件LuojiaNet, 获国家科技进步二等奖、测绘科学技术奖特等奖等奖励。
左右滑动查看全书目录
ISBN：978-7-03-085081-2
本文编辑：杜权
地球为你而转！
欢迎关注：赛杰奥（sci_geo）
科学出版社地球科学订阅号
传播科学，欢迎您点亮★星标
文末分享、点赞、在看
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
