本书从人工智能前沿理论与技术出发，系统地论述了遥感影像深度学习智能解译与识别的基本理论、算法及应用。全书共分为四个部分，分别是SAR图像分类与变化检测、极化SAR图像分类与变化检测、高光谱影像分类、遥感影像解译描述与分类，并给出了遥感影像深度学习智能解译与识别的最新进展。每章都附有相关阅读材料，便于有兴趣的读者进一步研究。
本书为人工智能教育丛书，可为高等院校人工智能、计算机科学、电子科学与技术、信息科学、控制科学与工程等领域的研究人员提供参考，也可作为相关专业本科生及研究生的参考书。

焦李成，男，汉族，1959年10月生，1992年起任西安电子科技大学教授。现任智能感知与计算国际联合研究中心主任、智能感知与图像理解教育部重点实验室主任、智能感知与计算国际合作联合实验室主任、“智能信息处理科学与技术”高等学校学科创新引智基地（“111计划”）主任、教育部科技委国际合作部学部委员、中国人工智能学会副理事长、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席、IEEEGRSS西安分会主席，IEEETGRS副主编、教育部创新团队首席专家。国务院学位委员会学科评议组成员、教育部本科教学水平评估专家。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程。当选为全国模范教师、陕西省师德标兵和曾任第八届全国人大代表。
焦李成教授的主要研究方向为智能感知与计算、图像理解与目标识别、深度学习与类脑计算，培养的十余名博士获全国优秀博士学位论文奖、提名奖及陕西省优秀博士论文奖。研究成果获包括国家自然科学奖二等奖及省部级一等奖以上科技奖励十余项，出版学术专著十余部，五次获国家优秀科技图书奖励及全国首届三个一百优秀图书奖。所发表的论著被他人引用超过25000余篇次，H指数为65。

第一部分 SAR图像分类与变化检测
第1章 基于DC-ResNet的SAR图像
目标分类
1.1 引言
1.2 深度残差网络基础
1.2.1 非线性激活函数
1.2.2 Dropout操作
1.2.3 批规范化
1.2.4 全局均值池化
1.2.5 跳跃连接
1.3 基于DC-ResNet的SAR图像
目标分类
1.3.1 可变形卷积核
1.3.2 可变形卷积残差模块
1.3.3 DC-ResNet 模型
1.4 实验结果与分析
1.4.1 实验数据
1.4.2 实验环境
1.4.3 实验结果分析
本章小结
参考文献
第2章 脊波反卷积结构学习模型
2.1 引言
2.2 反卷积结构模型
2.2.1 经典的反卷积神经网络
2.2.2 构造反卷积结构模型的前期实验
2.2.3 反卷积结构模型的构造
2.2.4 反卷积结构模型的训练过程
2.3 脊波反卷积结构学习模型
2.3.1 模型的构造
2.3.2 模型的训练
2.4 混合聚集结构地物像素子空间的
SAR图像分割
2.4.1 算法描述
2.4.2 实验仿真与分析
本章小结
参考文献
第3章 基于改进帧差法与YOLO深度网络的
遥感影像目标检测
3.1 引言
3.2 帧间差分法
3.2.1 帧间差分法原理
3.2.2 改进帧间差分法
3.3 YOLO深度网络
3.3.1 YOLO网络的思想与原理
3.3.2 YOLO网络损失函数的设计
3.3.3 YOLO网络的优势
3.4 基于改进帧差法和YOLO深度网络
的遥感影像目标检测
3.4.1 实验数据准备及预处理
3.4.2 基于改进帧差法的遥感影像运动
目标检测
3.4.3 基于高分辨YOLO深度网络的
遥感影像目标检测
3.5 实验结果与分析
3.5.1 参数设置
第二部分 极化SAR图像分类与变化检测
第三部分 高光谱影像分类
第四部分 遥感影像解译描述与分类