遥感影像自监督特征学习：理论、方法与应用

本书探讨了高分遥感影像智能解译面临的问题与挑战，分析了特征提取对遥感影像智能解译的重要性，并阐述了特征提取技术从传统人工设计特征到有监督学习驱动、再到自监督学习驱动的演进脉络及科学意义。在此基础上，本书系统地论述了遥感自监督特征学习方法的理论、算法及应用，旨在为当前海量遥感数据条件下的遥感影像智能解译研究提供新的思路和方法。

目录
前言
第1章 绪论 1
1.1 研究背景与意义 1
1.1.1 时代背景 1
1.1.2 遥感影像智能解译背后面临的关键科学问题 2
1.2 遥感特征提取研究进展概述：从人工构建到数据驱动特征 5
1.2.1 人工构建视觉特征提取研究进展概述 5
1.2.2 从人工构建特征到数据驱动特征 11
1.3 本书内容及组织结构 14
参考文献 16
第2章 遥感影像特征学习研究进展 20
2.1 遥感影像特征学习：基于广义监督信号的统一视角 20
2.1.1 无监督特征学习 21
2.1.2 有监督特征学习 21
2.2 遥感影像无监督特征学习研究进展 21
2.2.1 稀疏编码模型 21
2.2.2 自编码模型 24
2.3 遥感影像有监督特征学习研究进展 28
2.3.1 遥感影像有监督特征学习数据集 28
2.3.2 遥感有监督特征学习模型 38
2.4 有监督特征学习范式在遥感影像智能解译应用中的局限性 44
2.5 本章小结 47
参考文献 47
第3章 遥感自监督特征学习理论与方法概述 54
3.1 视觉的本质 54
3.2 自监督特征学习定义 55
3.3 遥感自监督特征学习主要研究问题 56
3.4 本章小结 61
参考文献 61
第4章 遥感自监督特征学习信号构建方法 64
4.1 自监督特征学习信号构建基本原理 64
4.1.1 学习信号概念 64
4.1.2 遥感影像智能解译视角下内部学习信号构建原理 65
4.2 生成型自监督特征学习信号构建方法 66
4.2.1 生成型自监督特征学习信号研究现状 66
4.2.2 代表性方法 69
4.3 预测型自监督特征学习信号构建方法 71
4.3.1 预测型自监督特征学习信号研究现状 71
4.3.2 代表性方法 74
4.4 对比型自监督特征学习信号构建方法 75
4.4.1 对比型自监督特征学习信号研究现状 75
4.4.2 代表性方法 81
4.5 不同学习信号对遥感自监督特征学习性能影响分析 86
4.5.1 比较生成型、预测型和对比型三大类学习信号 86
4.5.2 比较单模态对比和多模态对比学习信号 90
4.6 自监督特征学习信号设计的关键挑战 91
4.6.1 任务捷径问题导致无法学习预期特征 92
4.6.2 任务歧义问题引起的自监督特征学习困难 92
4.7 本章小结 93
参考文献 94
第5章 面向遥感自监督特征学习的样本数据集高效构建方法 102
5.1 适用于自监督特征学习的遥感影像数据集 102
5.1.1 人工构建的遥感影像数据集 102
5.1.2 自动化采样构建的遥感影像数据集 104
5.2 面向自监督特征学习的自动化数据采集样方法 106
5.2.1 传统格网采样数据集构建方法 106
5.2.2 基于地理众源数据的自监督特征学习数据集高效构建方法 109
5.3 数据集关键属性对自监督特征学习性能的影响分析 115
5.3.1 样本空间分辨率对自监督特征学习性能的影响 116
5.3.2 样本规模对自监督特征学习性能的影响分析 118
5.3.3 类别均衡性对自监督特征学习性能的影响分析 120
5.3.4 数据集模态对自监督特征学习性能的影响 121
5.4 本章小结 122
参考文献 123
第6章 遥感自监督特征学习模型优化与迁移方法 126
6.1 从自监督特征学习所得预训练模型到下游任务模型 126
6.1.1 模型迁移的动机 126
6.1.2 模型迁移的基本概念与思路 128
6.2 基于参数微调的自监督预训练模型迁移方法 129
6.2.1 参数微调简介与关键问题 129
6.2.2 参数微调迁移方法研究现状 130
6.3 基于知识蒸馏的自监督预训练模型迁移方法 134
6.3.1 知识蒸馏基本原理 135
6.3.2 知识蒸馏的关键问题及研究现状 136
6.3.3 知识蒸馏迁移方法研究现状 141
6.4 基于提示学习的自监督预训练模型迁移方法 143
6.4.1 基于提示学习的迁移方法设计动机 143
6.4.2 面向提示学习迁移的预训练模型性能增强研究现状 145
6.4.3 基于提示学习的迁移方法设计研究现状 147
6.5 本章小结 149
参考文献 149
第7章 自监督特征学习驱动的遥感影像智能解译应用 155
7.1 自监督特征学习驱动的遥感场景变化检测应用 155
7.1.1 遥感场景变化检测面临的主要问题 155
7.1.2 现有解决方案及其局限性 156
7.1.3 自监督时序不变特征驱动的遥感场景变化检测方法 158
7.1.4 实验结果与分析 162
7.2 自监督特征学习驱动的遥感影像语义分割应用 165
7.2.1 遥感影像语义分割面临的主要问题 165
7.2.2 全局-局部像素级自监督特征学习方法 168
7.2.3 实验结果与分析 172
7.3 自监督特征学习驱动的城市功能区分类应用 181
7.3.1 城市功能区提取面临的主要问题 181
7.3.2 基于地理众源数据引导的城市功能区自监督特征学习方法 185
7.3.3 实验结果与分析 193
7.4 本章小结 196
参考文献 196
彩图