随着遥感科学与技术的迅猛发展，遥感图像的分辨率越来越高。高分辨率遥感图像为实现地物准确识别和分类提供了重要的支撑条件。分辨率的提高一方面使表征目标的特征空间维度大幅增加，使关键性特征信息的选取面临巨大的挑战； 另一方面使特征与目标间的非线性映射关系变得更加复杂，建模更加困难。因此，如何确定高分辨率遥感图像中目标的低秩特征空间，并构建目标分割的高维非线性映射模型，是实现遥感图像目标高精度分割的关键。
本书深入分析了高分辨率遥感图像中特定目标的高精度分割关键性问题，在总结目前主流研究方法基础上，着重讲述了作者在多光谱遥感图像中的水域分割、可见光遥感图像中的建筑物分割两个问题上的基本理论、解决思路和实现方法。
本书共分6章，第1章重点讲述高分辨率遥感图像分割的数学本质，即建立从输入图像到分割结果之间的映射关系。在此基础上，引出基于目标特征建模和基于机器学习的两类主流方法。目标特征建模方法是在手动提取目标特征基础上，借助数学工具建立合理的目标分割模型。这类方法无须大量的训练样本，获取结果快，可有效分割多光谱遥感图像中的部分目标。因此，在第2章介绍了主动轮廓模型这一重要的目标特征建模方法。
然而，对于可见光遥感图像而言，由于遥感图像分辨率很高，图像的纹理信息十分丰富，使目标特征建模变得十分困难。随着人工智能的快速发展，深度神经网络在机器视觉及图像处理领域取得了巨大的成就。将深度神经网络应用于遥感图像特定目标分割成为当前的研究热点和主流方法。为此，第3章介绍了深度神经网络的基本原理、核心要素和搭建方法，并详细阐述了深度神经网络在TensorFlow框架下的实现过程。第4~6章分别介绍了全卷积神经网络、EncoderDecoder架构、深度神经网络条件随机场3种典型的遥感图像目标分割方法的理论及实现过程。
本书适合测绘、地理信息、遥感、计算机、自动化等专业本科生和研究生用于了解遥感图像分割方法，也可作为相关专业的科研工作者和工程技术人员的参考书。
本书得到了国家重点研发计划项目、河南省科技攻关项目、河南省高等学校重点科研项目以及河南理工大学博士基金的资助。
同时诚挚感谢河南理工大学王宝山教授、北京航空航天大学秦世引教授、王田副教授的指导。
书中的参考文献列出了书中引用的全部文献，在此对所有参考文献著者表示感谢。同时，书中所有程序的参考来源均给出了相应的链接网址，在此对网站和著者表示衷心感谢。
由于著者水平有限，本书难免存在各种不足，敬请读者不吝批评指正。
著者
2020年8月
