高分辨率遥感图像作为对地观测的主要手段之一,以其对地物几何、纹理、结构等信息的精细描述能力,在土地利用管理与监测、智慧城市的建设等应用中发挥着重要作用。“高分辨率对地观测系统重大专项”的启动更是将针对高分辨率遥感图像的处理技术及应用研究推向了一个高潮。空间分辨率提高、地物描述更加复杂,令仅基于像素层面和面向对象的分析已无法满足各类应用需求,因此,挖掘地物的语义信息、构造地物之间语义关系的表达与推理模型以实现图像场景层面的理解、识别遥感图像中具有典型特征的局部场景等更高层更抽象的解译成为研究热点。论文面向高分辨率遥感图像,以基于场景层面的语义理解和识别为主旨,针对高分遥感图像处理中面临的主要问题进行深入的研究和探讨。论文工作对高分遥感图像的语义信息挖掘及土地资源利用的自动智能解译应用等,具有重要的理论意义和研究价值。论文具体研究内容包括以下四部分。首先,针对大幅面高分遥感图像地物组成和结构复杂、数据量大,难以直接进行分类识别的问题,研究了大幅面遥感图像感兴趣区域提取方法,在感兴趣区域的基础上进行后续的研究,以提高处理效率。由于视觉显著性模型仅关注地物的光谱信息而忽略空间信息,论文利用地物空间分布,通过构造边缘-角点联合密度分布指数,实现了基于几何分布的感兴趣区域提取。在此基础上提出了基于形心密度分布指数的感兴趣区域分级提取方法,首先利用改进的视觉显著性模型初步提取感兴趣区域,而后构造形心密度分布指数,实现感兴趣区域的精细提取。实验结果表明,提出的方法可根据需求在大幅面遥感图像中提取不同类型的感兴趣区域,并有效降低虚警。其次,针对传统的低层视觉特征无法有效表达遥感图像场景的语义信息的问题,研究了面向语义鸿沟的视觉词包模型及其构造过程中的可变因素,从子图像块的划分、特征描述子的选择、视觉单词个数的设置、分类器核的选择等方面入手,对比分析了各项因素对场景语义表达与识别结果的影响,选择有效的语义信息表达方式实现场景理解。在此基础上,将空间信息引入视觉词包模型,结合最优尺度分割,提出了基于中层特征的高分遥感图像语义分类与场景识别方法。实验结果证明,改进的视觉词包模型可以有效提高场景识别的准确率,同时将中层特征所包含的语义信息引入地物分类应用也可很好地提高分类精度。然后,针对在遥感场景识别中不同数据集间无法共享标记样本的问题,分别研究基于遥感场景和自然场景特征迁移的遥感场景识别方法。一方面,充分利用不同遥感图像场景数据集,提出对抗变分自动编码机模型,通过源域与目标域遥感场景图像的对抗训练,实现不同遥感图像场景数据集间的迁移学习;另一方面,利用计算机视觉领域中包含大量标记样本的自然场景数据集,研究基于典型相关分析的多视角场景图像迁移识别方法,消除视角差异,实现自然场景与遥感场景之间的信息迁移。实验表明,基于遥感与自然场景特征迁移的高分遥感图像场景识别方法可改善目标域训练样本不足引起的欠学习及过拟合现象,提升遥感场景识别的准确率。最后,针对遥感图像场景识别中标记样本不足的问题,研究基于半监督学习和主动学习的高分遥感图像小样本场景识别方法。通过研究所有未标记样本的特征分布,结合少量有标记样本,提出了结合密度峰值与图的样本选择方法,为部分未标记的样本赋予伪标签,同时利用不确定性准则的主动学习思想,查询密度峰值聚类中位于聚类边界附近的样本,实现训练样本的扩充,从而实现遥感图像小样本场景识别。实验表明,提出的半监督与主动学习相结合的方法可有效提升小样本下遥感场景识别的准确率,在初始训练样本较少的情况下表现尤为明显。