遥感对地观测系统是我国持续建设的重大系列科学工程之一，所获得的海量数据是国家的重要战略资源。

如何充分利用这些战略数据资源，更有效地服务于军事、农业、城市建设等重大国家需求，成为遥感影像数据智能分析理论和应用的重要研究任务。

遥感影像数据特点决定了其数据处理的方式。

（1）受大气环境等不可控自然因素的影响，其降质因素具有非常复杂的特点；（2）由于成像区域广，包含地物种类多，造成遥感影像数据具有特征复杂的特点。

（3）考虑载荷重访带来的时相误差，遥感影像数据存在变化信息复杂的特点。

降质因素复杂会影响影像数据的质量，数据特征复杂则不利于数据的有效表达，而这两个因素与时相误差结合则会使得变化信息的理解成为一大难题。

为应对以上三点难题，构建了一系列行之有效的新型智能分析方法及处理手段，提升了遥感影像数据的质量，改善了数据信息的综合表达效果，提高了数据认知理解能力。

围绕开展的"高分辨率遥感影像的语义信息提取"研发工作，取得以下创新性成果： 在数据质量方面，针对光谱影像分辨率受限所造成的像元混合重叠和空间辨识低的问题，提出带有双重约束的光谱混合像元非负矩阵分解算法，同时考虑地物丰度系数的稀疏性和结构性，在一定程度上提高了抗噪能力；提出几何结构限制稀疏编码算法，同时考虑学习字典的几何结构和相应的稀疏系数，以捕获数据的固有几何结构，增强超分重建的效果；设计一款新型多分辨率相机，同时获取同一场景的高分辨率和低分辨率影像，对不同分辨率影像之间的关系进行了研究。

通过该方面的研究，为遥感影像的语义信息提取提供了高质量数据和模型基础。

在数据表达方面，针对遥感影像多特性多层级特点导致的表达受限问题，提出一种基于解卷积的无监督表达学习方法，充分考虑遥感影像地物分布复杂和覆盖范围广的数据特性，通过加权解卷积方式得到数据的有效表达；提出潜在语义最小哈希表达方法，在特征量化损失最小的前提下，将特征以矩阵分解的方式映射到潜在语义空间，构建了潜在语义最小哈希模型；提出分层递归神经网络模型，利用分层循环神经网络学习判别性特征编码，并通过学习多尺度金字塔表达进行大规模影像表达。

通过该方面的研究，提升了数据的语义区分能力，为遥感影像的语义信息提取奠定基础。

在数据理解方面，针对多时相动态变化认知难题，提出基于联合字典学习的变化检测方法，利用背景语义不变性学习联合字典，建立多时相区域的稀疏表达模型，实现自适应阈值判别的变化检测；提出基于多模态注意力机制的遥感影像语句生成方法，综合考虑类别模糊性、尺寸模糊性和旋转模糊性等特点，构建多样性标注的遥感语句生成数据集，生成能够理解遥感影像语义内容的自然语言。

通过该方面的研究，可以更好地进行遥感影像的语义信息提取。

本成果共发表SCI论文60篇(IEEE汇刊29篇)，CCF A类国际会议论文32篇，受理国家发明专利51项，已授权7项。

研究成果获IEEE国际会议最佳论文1篇、ACM国际会议最佳论文及最佳论文提名奖各1篇。

本成果的8篇代表性论文SCI总他引471次，单篇最高SCI他引81次，ESI高被引论文5篇，ESI热点论文3篇。