复杂地质环境主要体现在景观类型复杂、地形地貌复杂、地质背景复杂等方面。复杂地质环境遥感影像智能解译对地理国情监测、灾害调查与监测及军事战场环境分析与作战等均具有重要的意义。本书首先介绍复杂地质环境场景的遥感影像特征、遥感影像分类尤其是遥感影像场景分类的相关研究基础及遥感影像场景数据集，然后结合注意力、多尺度、深度学习、度量学习等理论与技术分别对不同类型的复杂地质环境遥感影像智能解译展开研究。本书通过对理论、方法、模型、数据、实验的详细描述与分析，充分介绍当前复杂地质环境遥感影像智能解译中的各种新理论与新方法。
本书可供地球科学、遥感科学、数学与信息科学、军事科学等研究人员使用，也可作为相关专业高年级本科生、研究生的教学参考用书。

第1章 复杂地质环境遥感影像场景分类概述
1.1 遥感影像场景概念
1.2 遥感影像场景分类概念及难点分析
1.2.1 概念
1.2.2 难点分析
1.3 复杂地质环境遥感影像场景特征及应用
1.4 国内外研究进展
1.4.1 基于底层特征提取的遥感影像场景分类方法
1.4.2 基于中层特征提取的遥感影像场景分类方法
1.4.3 基于深度学习的遥感影像场景分类方法
第2章 遥感影像智能分类理论与关键问题
2.1 相关理论
2.1.1 卷积神经网络理论
2.1.2 主流卷积神经网络
2.2 精度评价方法
2.3 遥感影像智能分类关键问题
第3章 遥感影像场景数据集
3.1 公开的遥感影像场景数据集
3.1.1 UCM数据集
3.1.2 AID数据集
3.1.3 NWPU-RESISC45数据集
3.2 植被覆盖区地貌遥感影像场景数据集制作
3.2.1 数据集制作区域基本情况
3.2.2 数据集地貌成因标签解译流程
3.2.3 数据集制作方法
3.2.4 数据集描述
3.3 山区景观遥感影像场景数据集制作
3.3.1 数据区域及数据源
3.3.2 数据集制作流程
3.3.3 山区地理遥感影像场景数据集制作
第4章 基于注意力和多尺度特征融合的遥感影像场景分类
4.1 模型构建
4.1.1 多尺度特征融合网络
4.1.2 通道注意力模块
4.1.3 基于注意力和多尺度特征融合的遥感影像场景分类网络
4.2 实验设置
4.3 实验结果与分析
4.3.1 UCM数据集实验结果与分析
4.3.2 AID数据集实验结果与分析
4.3.3 NWPU-RESISC45数据集实验结果与分析
第5章 基于深度度量学习的遥感影像场景分类
5.1 模型构建
5.1.1 k最近邻
5.1.2 近邻成分分析
5.1.3 可扩展近邻成分分析
5.1.4 基于深度度量学习的遥感影像场景分类网络
5.2 实验设置
5.3 实验结果与分析
5.3.1 AID数据集实验结果与分析
5.3.2 NWPU-RESISC45数据集实验结果与分析
第6章 基于自适应学习的遥感影像场景分类
6.1 模型构建
6.1.1 多尺度密集连接网络
6.1.2 基于自适应学习的遥感影像场景分类网络
6.2 模型性能优化
6.2.1 预算批分类
6.2.2 实时预测
6.3 实验设置
6.4 实验结果与分析
6.4.1 AID数据集实验结果与分析
6.4.2 NWPU-RESISC45数据集实验结果与分析
6.4.3 模型复杂度及轻量级分析
6.4.4 预算批分类设置下实验结果与分析
6.4.5 实时预测设置下实验结果与分析
6.4.6 预测可视化分析
第7章 基于特征通道注意力的遥感影像场景分类
7.1 模型构建
7.1.1 密集连接网络
7.1.2 基于标签平滑的损失函数
7.1.3 基于特征通道注意力的遥感影像场景分类网络
7.2 实验设置
7.3 实验结果与分析
7.3.1 山区遥感影像场景数据集实验结果与分析
7.3.2 UCM数据集实验结果与分析
7.3.3 AID数据集实验结果与分析
7.3.4 NWPU-RESISC45数据集实验结果与分析
7.4 实验讨论
7.4.1 特征通道注意力机制的热力图可视化
7.4.2 FCA网络的消融实验
第8章 基于全局上下文信息的遥感影像场景分类
8.1 模型构建
8.1.1 基于Mixup的对抗性数据增强
8.1.2 基于全局上下文空间注意力的遥感影像场景分类网络设计
8.2 实验设置
8.3 实验结果与分析
8.3.1 山区遥感影像场景数据集实验结果与分析
8.3.2 UCM数据集实验结果与分析
8.3.3 AID数据集实验结果与分析
8.3.4 NWPU-RESISC45数据集实验结果与分析
8.4 实验讨论
8.4.1 山区遥感影像场景数据集的预测结果
8.4.2 GCSA网络的消融实验
第9章 地貌遥感影像场景智能分类
9.1 地貌遥感影像场景分类概述
9.2 基于多模态深度学习网络的地貌遥感影像场景分类
第10章 矿山开发占地类型遥感影像智能分类
10.1 模型构建
10.1.1 总体技术路线
10.1.2 模型构建过程
10.2 实验结果与分析
10.2.1 基于多尺度思想的多流卷积神经网络分类
10.2.2 基于深度置信网络的多尺度特征融合的多层次分类
10.3 实验讨论
10.3.1 与可变形卷积神经网络的比较分析
10.3.2 最优模型的全研究区制图及分析
参考文献