前言

遥感技术是一种非接触的、远距离的探测技术，始于20世纪60年代，一般指利用搭载在遥感平台上的传感器或遥感器，对目标的电磁波辐射、反射特性进行探测，并依据其特征对目标进行分析的理论、方法和应用的科学技术，实现的是对目标定量的观测与描述。作为一种重要的对地观测技术，遥感技术能够通过航空、航天传感器在不直接接触地物表面的情况下获取地物的信息。遥感影像是遥感技术的主要分支之一，具有“三多”(多平台、多角度、多传感器)和“三高”(高空间分辨率、高时相分辨率、高光谱分辨率)的特点。遥感影像的这些特点为其广泛应用提供了可能。但这些遥感影像结构各异、成像复杂，既让问题本质结构的析出和解译变得极为困难，又备受信息冗余问题的困扰。这使得传统的数据分析和处理的方法通常难以满足对遥感影像处理质量、效率的要求，对于复杂数据的重要结构信息，诸如视觉数据中的空间结构、隐含的语义概念之间的关联结构、由环境所造成的多场景、多数据源结构等，通常不能有效表达。 

“天赐智能春花放，巧夺天工更有香”。从《列子》中“千变万化，惟意所适”为周穆王献舞的机器演员，到晋人张湛所述的“机关生人灵”； 从诸葛亮的木牛流马到专供唐朝皇后梳妆打扮的自动梳妆台； 从达·芬奇设计出史上第一个机器人，到图灵有限状态自动机的提出。千百年来，人类对于智能的思考和探索从未停止。直到数字计算机的出现，为人工智能的实现提供了广阔的天地。 

人工智能是利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统。人工智能企图了解智能的实质，其核心问题包括推理、知识、规划、学习、交流、感知、移动和操作物体的能力，领域研究包括机器人、语音识别、图像识别、自然语言处理、专家系统等。人工智能不是人的智能，而是能像人那样思考、也可能超过人的智能。通过分析、模拟人脑的认知机理和自然系统的智能行为与机制，构造相应的学习与优化模型，借助先进的计算工具实现高效的计算智能方法，并用于解决实际工程问题，一直是人工智能研究的重要途径。自2017年始，人工智能已连续四年被写入《政府工作报告》。2020年的报告指出，应加大人工智能新型基础设施的构建和部署，加强人工智能基础和应用人才培养，大力推进智能经济发展。2020年9月11日，习总书记亲自主持科学家座谈会并在会上指出，科研工作要坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，不断向科学技术广度和深度进军，要坚持需求导向和问题导向。国务院颁布的《新一代人工智能发展规划》指出，要实现2020年同步、2025年部分领先、2030年AI创新中心的三步走战略，面向构建科技创新体系、把握科技属性和社会属性高度融合、“三位一体”推进、支撑国家发展的四大任务，确定大数据智能、跨媒体感知计算理论、混合增强智能理论、群体智能理论、自主无人系统五大智能技术方向。国家相继建设15家新一代人工智能开放创新平台，覆盖自动驾驶(百度)、城市大脑(阿里云)、医疗影像(腾讯)、智能语音(科大讯飞)、智能视觉(商汤集团)、视觉计算(依图科技)、营销智能(明略科技)、基础软硬件(华为)、普惠金融(中国平安)、视频感知(海康威视)、智能供应链(京东)、图像感知(旷视科技)、安全大脑(360奇虎)、智慧教育(好未来)、智能家居(小米)等多个领域的应用场景。新一代人工智能正在蓬勃兴起，为经济社会发展注入了新动能，成为科技创新的“超级风口”。

作为人工智能的核心算法，深度学习凭借其在海量复杂数据中高效提取特征的能力，已不可阻挡地渗透到遥感领域的各种应用中。作为计算智能方法的代表，起源于20世纪40年代的人工神经网络经历了五六十年代的繁荣，70年代的低潮，80年代的再次复苏，到近十年的广泛关注，如今已经成为理论日趋完善，应用逐步发展的前沿方向。

从生物学角度来讲，人脑作为一个高智能体，具有多模感知、分层表征、因果归纳、多源融合、并行处理和快速推理等能力。传统的遥感影像解译方法通过人为的分步骤或划分子问题的方式解决复杂问题，而深度类脑计算是数据驱动的，完全交由搭建的神经网络直接学习从原始输入到期望输出的映射。同时通过模拟人脑高级感知决策问题，能够很好地加入各种先验信息作为辅助决策手段。通过逐层的特征学习，能够得到比传统浅层模型更抽象、更本质的特征。相比传统策略，端对端的学习具有协同增效的优势，有更大的可能获取全局上更优的解，具有满足在轨实时处理需求的潜力。

遥感数据的类脑解译，是在众多复杂的非结构化环境中对获取的各种高分辨率多源遥感海量数据自动进行有效处理，通过先进的人工智能技术和信号处理技术去认知环境，采集数据，处理信息，达到目标环境的稳定、可认可、可认知、可描述，实现非结构化环境中的结构化信息获取和智能感知，为解译和目标识别提供可靠的手段，同时这也是一个海量数据中的信息有效挖掘问题。它不仅是有噪的、不完全的、模糊的，也是非高斯的、非平稳的。因此，针对海量、动态、多维、异构的高分辨率卫星遥感观测数据，通过对高分辨压缩信息的获取(“感”)，建立多尺度几何分析的建模(“知”)，完成特征的学习和分析(“用”)，从而提高对地观测系统的综合利用能力，这已成为遥感技术发展的必然趋势。 

基于此，作者团队在多年的研究基础上，面向资源勘测、灾害评估、成像侦察、地理测绘等领域对卫星在轨遥感影像感知与解译的迫切需求，针对遥感影像解译的奇异性建模与表示、高维数据学习与理解等若干瓶颈问题，借鉴视觉感知机理和脑认知机理，实现遥感脑智能建模，在遥感影像的感知、认知、推理、决策等方面构建系统的遥感脑解译理论和方法。通过对脑信息处理的稀疏性，构建遥感影像的知识感知和高效描述方法； 通过脑信息处理的学习性，构建遥感影像的知识学习和推理决策模型； 通过脑信息处理的选择性，建立遥感影像的知识提取和语义表征方法； 通过脑信息处理的方向性，建立遥感影像的知识传递和精准定位模型，并最终通过软硬件协同处理，实现遥感影像的在轨实时处理。 

全书共15章，系统地论述了遥感脑系统的理论基础、感知与解译应用。第1~4章主要介绍遥感技术和类脑启发的研究背景及意义，压缩感知基础、遥感成像机理与特性、深度神经网络的最新进展等； 第5~12章主要介绍作者团队在遥感脑感知与解译两方面的具体相关应用成果； 第13、14章主要介绍作者团队研发的遥感脑系统； 第15章主要展望和总结该领域的主要公开问题。以此抛砖引玉，希望本书能为读者呈现出遥感脑理论和应用等较为全面的脉络、趋势和图景。

作者团队依托西安电子科技大学“智能感知与图像理解”教育部重点实验室、“智能感知与计算”教育部国际联合实验室、国家“111”计划创新引智基地及国家“2011”信息感知协同创新中心，感谢集体中的每一位同仁的奉献。特别感谢陈洁、高捷、李晓童、杨晓岩、杨育婷、张若浛、张欣、赵嘉璇、耿雪莉、王嘉荣、宋雪、李云、胡冰楠、张艳等同学在写作过程中付出的辛勤劳动与努力，同时感谢文载道、石程、段一平、武杰、武娇、张思博、王仕刚、张凯、梁苗苗、赵暐、刘旭、孙其功、张俊、李阁、程林、黄钟健等老师和同学的支持与帮助。 

同时，本团队的工作也得到了西安电子科技大学领导及国家“973”计划(2013CB329402、2006CB705707)、国家自然科学基金创新研究群体科学基金(61621005)、国家自然科学基金重点项目(61836009、60133010、60703107、60703108、60872548和60803098)及面上项目(61272279、61473215、61371201、61373111、61303032、61271301、61203303、61522311、61573267、61473215、61571342、61572383、61501353、61502369、61271302、61272282、61202176、61573267、61473215、61573015、60073053、60372045和60575037)，重大研究计划(91438201和91438103)等科研项目的支持，特此感谢。感谢书中所有被引用文献的作者。

由于作者水平有限，书中不妥之处在所难免，恳请读者批评指正。

著者2023年1月