遥感技术是人类对自身生存环境开展科学调查的重要手段，根据遥感卫星载荷(传感器)的不同，大致分为光学遥感和微波遥感两种方式。遥感图像解译的目的是使人类更加全面地了解自身生存的环境，通过解译高分辨率遥感图像，可以更加深刻地反映目标地物的特征并指导人类的实践活动。近几年来，随着我国卫星研发能力的不断提升，特别是“高分”系列卫星不断发射升空，提供了在时间和空间域中特征信息更加丰富的高分辨率遥感图像，这为遥感图像智能解译任务带来了机遇。近几年来，深度卷积神经网络(DCNN)技术得到了快速发展，大量基于DCNN的图像处理网络的出现，使得DCNN已成为遥感图像智能解译领域非常重要的技术。遥感图像解译可以实现地物类别及变化信息的提取。
遥感图像地物分类是将遥感图像表述的地物按照属性不同进行分类，具体有两种呈现方式：第一，基于场景分类技术的普查。区别于传统的自然图像分类任务，场景分类是一种对遥感图像中不同场景(如：居民区、道路、建筑物等)的多分类任务。将图像规则网络划分，形成包含不同场景的切片(patch)，并根据每一个patch的属性进行分类。第二，基于语义分割技术的详查。语义分割可以对遥感图像中的每个像素点进行分类，获得各地物类别对应的语义标注信息，从而勾勒出，每一种地物的空间范围。遥感图像的分辨率越高，语义分割的作用越明显。换言之，“高分”任务获取的遥感图像可以用于更加细粒度的分类任务。因此，针对“高分”数据，遥感图像智能解译的结果可以广泛应用在土地资源调查领域，包括土地资源规划、土地覆盖类型统计、道路提取、水域提取等方向。
遥感图像变化检测是针对时间序列的遥感图像，提取目标变化信息的过程。基于DCNN的变化检测结果能够反映出同一地理区域的目标属性变化、范围变化等，对于多时相遥感图像分析具有重要意义。“高分”数据与该技术的结合，可以为城市扩张统计、灾难预估、资源管理及动态监测领域提供技术支撑。
遥感图像目标识别是指在遥感图像中提取待检测目标的位置信息和类别信息的过程。该技术可进行目标的定位、位置数据统计与分析、目标数量与不同类别占比的统计等。因此，利用“高分”数据，基于DCNN的遥感图像目标识别技术可广泛应用于交通管理、港口监测等领域。
注：文章摘选自《基于深度神经网络的高分遥感图像处理及应用》张强等著