高分辨率遥感图像的实际应用为导向，系统地学习高分辨率遥感图像理解的基本原理、研究方法和应用技术，目的是让学生从理论结合实际的角度，充分认识并掌握高分辨率遥感图像理解的理论和技术框架，进而培养学生建立一个比较完整的遥感图像认知、理解和深层语义信息处理的理论体系。通过该课程的教学达到以下教学目标：（1）了解遥感数字图像的概念、遥感数字图像处理的主要内容及遥感数字图像处理技术的发展趋势；（2）从理论上了解高分辨率遥感图像的意义，掌握遥感图像分割、遥感图像分类以及遥感图像信息解译等典型应用方法。（3）掌握高分辨率遥感图像理解过程中所涉及的基础统计学模型，例如SVM模型、Boosting以及CRF模型等判别式模型的基础理论、技术和相关研究方法；（4）掌握针对高分辨率遥感图像理解的基本理论、技术路线和经典算法，如遥感图像场景分类、遥感图像前/背景分割、遥感图像目标检测与识别以及基于深度卷积网络（ConvolutionalNeuralNetworks，CNN）的智能化语义关系推理等二、课程教学内容提要与基本要求理论部分序号基本要求学时教学内容提要从数字图像的概念入手，首先介绍遥感图像与普通图像的差异性，并讲述地物目标遥感成像基本原理及数字遥感图的电磁辐射特性和遥感系统获取目标信息14像处理的发展现状的过程；其次，从遥感成像传感器的演进角度介绍高分辨率遥感图像处理技术的发展和研究现状，从理论结合实际的角度，介绍高分辨率遥感图像解译的含义和研究内容，重点讲述高分辨率遥感图像解译的含义和22高分辨率遥感图像复杂场景分割、地物目研究内容标分类以及智能化遥感图像高层语义信息解译等技术的发展趋势和应用价值。遥感图像语义分割是高层语义信息解译的基础和前提，其目标是在划分出图像前/背景区域的同时，精确判读复杂场景内各3高分辨率遥感图像语义分割b子区域对应的不同地物目标属性。本章节重点讲述几种经典的遥感图像分割方法，包括交互式图割方法（Graph-Cut），基于能33
33 高分辨率遥感图像的实际应用为导向，系统地学习高分辨率遥感图像理解的基本原理、研究 方法和应用技术，目的是让学生从理论结合实际的角度，充分认识并掌握高分辨率遥感图像 理解的理论和技术框架，进而培养学生建立一个比较完整的遥感图像认知、理解和深层语义 信息处理的理论体系。通过该课程的教学达到以下教学目标： （1）了解遥感数字图像的概念、遥感数字图像处理的主要内容及遥感数字图像处理技 术的发展趋势； （2）从理论上了解高分辨率遥感图像的意义，掌握遥感图像分割、遥感图像分类以及 遥感图像信息解译等典型应用方法。 （3）掌握高分辨率遥感图像理解过程中所涉及的基础统计学模型，例如 SVM 模型、 Boosting 以及 CRF 模型等判别式模型的基础理论、技术和相关研究方法； （4）掌握针对高分辨率遥感图像理解的基本理论、技术路线和经典算法，如遥感图像 场景分类、遥感图像前/背景分割、遥感图像目标检测与识别以及基于深度卷积网络 （Convolutional Neural Networks，CNN）的智能化语义关系推理等。 二、课程教学内容提要与基本要求 理论部分 序号 教学内容提要 基本要求 学时 1 遥感成像基本原理及数字遥感图 像处理的发展现状 从数字图像的概念入手，首先介绍遥感图 像与普通图像的差异性，并讲述地物目标 的电磁辐射特性和遥感系统获取目标信息 的过程；其次，从遥感成像传感器的演进 角度介绍高分辨率遥感图像处理技术的发 展和研究现状。 4 2 高分辨率遥感图像解译的含义和 研究内容 从理论结合实际的角度，介绍高分辨率遥 感图像解译的含义和研究内容，重点讲述 高分辨率遥感图像复杂场景分割、地物目 标分类以及智能化遥感图像高层语义信息 解译等技术的发展趋势和应用价值。 2 3 高分辨率遥感图像语义分割 遥感图像语义分割是高层语义信息解译的 基础和前提，其目标是在划分出图像前/ 背景区域的同时，精确判读复杂场景内各 子区域对应的不同地物目标属性。本章节 重点讲述几种经典的遥感图像分割方法， 包括交互式图割方法(Graph-Cut)，基于能 6
量演化的水平集方法（LevelSet）和基于高斯混合模型的区域分割方法（Gaussianmixture model,GMM)等。高分辨率遥感场景分类是从遥感图像中判别实际的地物类型，进而精细化提取像素级地物属性判别信息。该章节从特征空间角度，介绍遥感图像分类基本原理，并重高分辨率遥感图像分类4b点讲述遥感领域几种经典的监督分类以及非监督分类方法，包括Cluster分类方法、K-Means分类方法、基于SVM的分类方法和基于稀疏表达(SRC)的分类方法。空间语义信息的表征是对高分辨率遥感图像更深层次语义信息解译的基础，其目的是模型化描述遥感图像中目标与场景更全面的关系属性，本章节主要讲述遥感图像5遥感目标复杂空间语义关系表征4处理领域经典的空间语义关系表征方法，包括基于RCC理论的空间关系推理模型、基于与或图（and-orgraph）、解析图(parsinggraph）的空间语义关系模型等。高分辨率遥感图像语义信息提取与解译是对遥感图像中目标与场景更复杂、完备的显式与隐式关系属性判读，进而输出更高级的语义解析信息，本章节通过介绍遥感高分辨率遥感图像语义信息提取图像语义信息计算模型，进而重点讲述几66与解译种高分辨率遥感图像空间语义的经典判读方法，包括基于空间一致性的遥感语义计算方法和基于分等级对象语义图(Hierarchical objects semantic graph,HBSG)的遥感图像信息解译技术等。人工智能技术的蓬勃发展给遥感图像处理带来薪新的手段和方法，极大促进了高分人工智能技术在高分辨率遥感图1辨率遥感图像处理技术的发展。本章节首4像处理领域中的应用先介绍深度卷积网络（CNN)在高分辨率遥感图像的分割/分类、以及高层语义信息解34
34 量演化的水平集方法(Level Set)和基于 高斯混合模型的区域分割方法(Gaussian mixture model,GMM)等。 4 高分辨率遥感图像分类 高分辨率遥感场景分类是从遥感图像中判 别实际的地物类型，进而精细化提取像素 级地物属性判别信息。该章节从特征空间 角度，介绍遥感图像分类基本原理，并重 点讲述遥感领域几种经典的监督分类以及 非监督分类方法，包括 Cluster 分类方法、 K-Means 分类方法、基于 SVM 的分类方法 和基于稀疏表达(SRC)的分类方法。 6 5 遥感目标复杂空间语义关系表征 空间语义信息的表征是对高分辨率遥感图 像更深层次语义信息解译的基础，其目的 是模型化描述遥感图像中目标与场景更全 面的关系属性，本章节主要讲述遥感图像 处理领域经典的空间语义关系表征方法， 包括基于 RCC 理论的空间关系推理模型、 基 于 与 或 图 (and-or graph) 、 解 析 图 (parsing graph)的空间语义关系模型等。 4 6 高分辨率遥感图像语义信息提取 与解译 高分辨率遥感图像语义信息提取与解译是 对遥感图像中目标与场景更复杂、完备的 显式与隐式关系属性判读，进而输出更高 级的语义解析信息，本章节通过介绍遥感 图像语义信息计算模型，进而重点讲述几 种高分辨率遥感图像空间语义的经典判读 方法，包括基于空间一致性的遥感语义计 算 方 法 和 基 于 分 等 级 对 象 语 义 图 (Hierarchical objects semantic graph, HBSG)的遥感图像信息解译技术等。 6 7 人工智能技术在高分辨率遥感图 像处理领域中的应用 人工智能技术的蓬勃发展给遥感图像处理 带来崭新的手段和方法，极大促进了高分 辨率遥感图像处理技术的发展。本章节首 先介绍深度卷积网络(CNN)在高分辨率遥 感图像的分割/分类、以及高层语义信息解 4
译等应用领域所取得的成就，进而重点讲述几种先进的基于CNN网络的高分辨率遥感图像解译方法，包括基于双阶段的Faster-RCNN模型、Mask-RCNN模型以及基于单阶段的YOLO系列网络模型等实验部分学实验内容、要求及时间安排、仪器要必开/实验序号实验项目名称时求类型选开无无无无无选开 三、教学方法1课堂教学：针对该课程理论性强，内容抽象，知识难点多，学习难度较大的特点以教师课堂讲授为主，授课过程中灵活运用板书和多媒体教学相结合的形式；以提问、讨论、启发、翻转课堂等方式为辅，加强师生互动，注重启发式、问题式教学；根据教学内容，从理论结合实践的角度，适时引入高分辨率遥感图像理解领域前沿技术与工程实际结合的案例教学。2．专题研讨：在讲授高分辨率遥感图像理解经典研究内容的基础上，介绍该领域新的研究进展和热点问题，鼓励同学们以小组为单位围绕高分辨率遥感图像处理的典型案例、热点问题等展开小组研讨，使学生了解高分辨率遥感图像处理领域的前言知识与发展动向，招展学生视野，提高学生的学习热情；同时，根据学生学习情况，设置合理的课程实践目标，以研究型项目训练来巩固和强化教学效果，体现开放性、实践性的教学特点，并进行计算机仿真分析和专题报告。本章节教学采用研讨方式进行，以学生学术报告为主，通过学生提交的报告，从中筛选4-5篇，进行课堂讨论。四、课程思政内容1.我国遥感技术起步较晚，一直受制于欧美等科技强国的技术封锁。为了积极响应国家科技强国的伟大战略，我国老一辈航天遥感领域科学家通过努力进取、自强自立、积极创新的探索精神，逐步打破了欧美等科技强国的技术封锁，建立了完善的遥感对地观测体系，使我国空间对地遥感技术步入世界先进行列，并广泛应用于环境监测、灾害评估、城市建设以及国防安全的领域。通过对我国遥感就是及事业的发展进程的讲述，介绍老一辈科学家的“爱国”、“进取”以及“无私奉献”的精神以及奋斗历程，强化学生的爱国主义教育，激发学生科技报国的家国情怀和使命担当。2．现阶段，在我国遥感对地感测系统的研究过程中，已经发射了针对不同任务的高分35
35 译等应用领域所取得的成就，进而重点讲 述几种先进的基于 CNN 网络的高分辨率遥 感图像解译方法，包括基于双阶段的 Faster-RCNN 模型、Mask-RCNN 模型以及基 于单阶段的 YOLO 系列网络模型等。 实验部分 序号 实验项目名称 学 时 实验内容、要求及时间安排、仪器要 求 必开/ 选开 实验 类型 无 无 无 无 选开 无 三、教学方法 1. 课堂教学：针对该课程理论性强，内容抽象，知识难点多，学习难度较大的特点， 以教师课堂讲授为主，授课过程中灵活运用板书和多媒体教学相结合的形式；以提问、讨论、 启发、翻转课堂等方式为辅，加强师生互动，注重启发式、问题式教学；根据教学内容，从 理论结合实践的角度，适时引入高分辨率遥感图像理解领域前沿技术与工程实际结合的案例 教学。 2. 专题研讨：在讲授高分辨率遥感图像理解经典研究内容的基础上，介绍该领域新的 研究进展和热点问题，鼓励同学们以小组为单位围绕高分辨率遥感图像处理的典型案例、热 点问题等展开小组研讨，使学生了解高分辨率遥感图像处理领域的前言知识与发展动向，拓 展学生视野，提高学生的学习热情；同时，根据学生学习情况，设置合理的课程实践目标， 以研究型项目训练来巩固和强化教学效果，体现开放性、实践性的教学特点，并进行计算机 仿真分析和专题报告。 本章节教学采用研讨方式进行，以学生学术报告为主，通过学生提交的报告，从中筛选 4-5 篇，进行课堂讨论。 四、课程思政内容 1. 我国遥感技术起步较晚，一直受制于欧美等科技强国的技术封锁。为了积极响应国 家科技强国的伟大战略，我国老一辈航天遥感领域科学家通过努力进取、自强自立、积极创 新的探索精神，逐步打破了欧美等科技强国的技术封锁，建立了完善的遥感对地观测体系， 使我国空间对地遥感技术步入世界先进行列，并广泛应用于环境监测、灾害评估、城市建设 以及国防安全的领域。通过对我国遥感就是及事业的发展进程的讲述，介绍老一辈科学家的 “爱国”、“进取”以及“无私奉献”的精神以及奋斗历程，强化学生的爱国主义教育，激发 学生科技报国的家国情怀和使命担当。 2. 现阶段，在我国遥感对地感测系统的研究过程中，已经发射了针对不同任务的高分
辨率遥感对地感测卫星，建立了完善的遥感数据获取与处理体系，实现了具有自主知识产权的国产GIS软件产品的开发与应用。通过介绍我国遥感平台观测体系的建设历程，分析并找出与国外发达国家的差距和努力方向，增强学生为我国遥感科技事业发展的学习动力和创新精神。3.人工智能技术近年来取得了蓬勃的发展与进步，我国现已将人工智能列为国家优先发展战略，而当前人工智能在高分辨率遥感图像处理领域的应用同时也面临着诸多挑战，通过介绍人工智能技术在遥感图像处理领域的发展，探索当前其所面临的新问题与新挑战，激发学生发现问题、解决问题的能力，并积极引导学生探索未知、追求真理。同时，通过灵活运用教学方法，把所教授的内容与当下国家的发展、世界局势的变化灵活地结合起来，将思政元素无形地融入课堂。与时俱进，不断更新思政内容，让学生学以致用，提高学生学习的积极性。五、教学目标达成与评价方式（说明：本课程支撑的知识获得、科研实践能力提升、创新能力提升等方面的教学目标达成与评价方式）1.通过实施课堂教学和专题研讨，使学生从理论结合实际的角度，充分认识并掌握高分辨率遥感图像理解的理论和技术框架，进而培养学生建立一个比较完整的遥感图像认知、理解和深层语义信息处理的理论体系，具备初步的算法仿真能力。2．教学目标达成的评价方式：课堂提问、专题研讨、作业、测验、考试和与学生平时的交谈等。六、课程成绩评定本课成绩由期末成绩和平时成绩组成，其中期末成绩占70%，平时成绩占30%期末成绩（70%）：课程重点在于基础理论的掌握和分析能力的培养，掌握高分辨率遥感图像特征提取、遥感图像分割、遥感图像分类、遥感目标检测与识别以及遥感图像空间语义信息表征的基本原理与算法，根据书面成绩评定，平时成绩（30%）：主要依据课堂考勤、课堂研讨与互动、专题研讨等；学生分组结合课题或感兴趣的某一领域追踪调研、文献查阅、计算机仿真或案例分析，并进行专题报告和讨论。由任课教师综合课堂专题报告表现、小组研讨等进行分数评定。七、建议教材与主要参考书建议教材：[1]孙显，付琨，王宏琦.高分辨率遥感图像理解[M】（ISBN9787030327680).北京科学出版社，2011.[2】曹林，杜康宁，郭亚男.人脸识别算法与案例分析[M】（ISBN9787121403927）：北36
36 辨率遥感对地感测卫星，建立了完善的遥感数据获取与处理体系，实现了具有自主知识产权 的国产 GIS 软件产品的开发与应用。通过介绍我国遥感平台观测体系的建设历程，分析并找 出与国外发达国家的差距和努力方向，增强学生为我国遥感科技事业发展的学习动力和创新 精神。 3. 人工智能技术近年来取得了蓬勃的发展与进步，我国现已将人工智能列为国家优先 发展战略，而当前人工智能在高分辨率遥感图像处理领域的应用同时也面临着诸多挑战，通 过介绍人工智能技术在遥感图像处理领域的发展，探索当前其所面临的新问题与新挑战，激 发学生发现问题、解决问题的能力，并积极引导学生探索未知、追求真理。同时，通过灵活 运用教学方法，把所教授的内容与当下国家的发展、世界局势的变化灵活地结合起来，将思 政元素无形地融入课堂。与时俱进，不断更新思政内容，让学生学以致用，提高学生学习的 积极性。 五、教学目标达成与评价方式 （说明：本课程支撑的知识获得、科研实践能力提升、创新能力提升等方面的教学目标达成 与评价方式） 1. 通过实施课堂教学和专题研讨，使学生从理论结合实际的角度，充分认识并掌握高 分辨率遥感图像理解的理论和技术框架，进而培养学生建立一个比较完整的遥感图像认知、 理解和深层语义信息处理的理论体系，具备初步的算法仿真能力。 2. 教学目标达成的评价方式：课堂提问、专题研讨、作业、测验、考试和与学生平时 的交谈等。 六、课程成绩评定 本课成绩由期末成绩和平时成绩组成，其中期末成绩占 70%，平时成绩占 30%。 期末成绩（70%）：课程重点在于基础理论的掌握和分析能力的培养，掌握高分辨率遥感 图像特征提取、遥感图像分割、遥感图像分类、遥感目标检测与识别以及遥感图像空间语义 信息表征的基本原理与算法，根据书面成绩评定。 平时成绩（30%）：主要依据课堂考勤、课堂研讨与互动、专题研讨等；学生分组结合课 题或感兴趣的某一领域追踪调研、文献查阅、计算机仿真或案例分析，并进行专题报告和讨 论。由任课教师综合课堂专题报告表现、小组研讨等进行分数评定。 七、建议教材与主要参考书 建议教材： [1] 孙显, 付琨, 王宏琦.高分辨率遥感图像理解 [M] (ISBN 9787030327680).北京： 科学出版社，2011. [2] 曹林，杜康宁，郭亚男.人脸识别算法与案例分析[M]（ISBN 9787121403927）. 北
京：电子工业出版社，2021.[3]孙家柄.遥感原理与应用[M].武汉：武汉大学出版社，2013.参考书：[1]焦李成，刘芳，李玲玲，杨淑媛，侯彪，杨争艳，杨慧，孟繁荣，遥感影像深度学习智能解译与识别[M].西安：西安电子工业大学出版社，2019.[2]韦玉春，汤国安，杨昕等.遥感数字图像处理教程[M]，北京：科学出版社，2013年.[3]RobertA.Schowengerdt著，尤红建，龙辉，王思远等译，遥感图像处理模型与方法（第3版）[M]北京：电子工业出版社，2018.八、编制与审核工作内容负责人完成时间田澍编制（任课教师）2024.6审核（学科、专业负曹林、周金和2024.6责人)批准（主管院长）李学华2024.637
37 京：电子工业出版社，2021. [3]孙家抦.遥感原理与应用[M].武汉：武汉大学出版社，2013. 参考书： [1] 焦李成, 刘芳, 李玲玲，杨淑媛，侯彪，杨争艳，杨慧，孟繁荣. 遥感影像深度学 习智能解译与识别[M].西安：西安电子工业大学出版社，2019. [2] 韦玉春，汤国安，杨昕等.遥感数字图像处理教程[M]，北京：科学出版社，2013 年. [3] Robert A.Schowengerdt 著, 尤红建, 龙辉，王思远等译. 遥感图像处理模型与方 法（第 3 版）[M]. 北京：电子工业出版社，2018. 八、编制与审核 工作内容 负责人 完成时间 编制（任课教师） 田澍 2024.6 审核（学科、专业负 责人） 曹林、周金和 2024.6 批准（主管院长） 李学华 2024.6