中文摘要：

遥感图像信息智能化处理技术已经被应用到现代战争中并且逐渐成为现代作战武器中的重要技术手段。本课题以遥感信息智能化技术在军事侦察中的应用为背景，研究基于Dirichlet Process非参数贝叶斯模型理论的遥感场景内容的建模，以及基于该模型所提供的上下文信息的遥感图像典型军事目标的智能化识别和检测。其中遥感场景内容包括在多种外界条件（季节、气候、地域）作用下的多样化地表覆盖模式（耕地、森林、村镇等）。通过对该类场景内容的理解，为典型军事目标尤其是一些较隐蔽的目标（导弹基地等）的检测提供场景相关信息；通过非参数贝叶斯模型结合场景信息和军事目标本身特征，对军事侦察中感兴趣的多类典型军事目标进行检测。本研究是当前遥感图像信息智能化处理领域的前沿和基础性课题，研究成果为现代战争中军事自动侦察打击提供了理论和算法基础。

结论摘要：

本报告介绍了国家自然科学基金课题“基于非参数统计模型的遥感图像理解与典型目标识别”的研究内容和研究成果。课题主要从可见光遥感图像多样地表覆盖分割和典型目标检测识别两个方面开展研究。 在地表覆盖建模方面，提出词组模型并利用其非监督及非参数的特性解决未知地表学习问题。模型可同时对多种外观的地表覆盖同时建模，解决了同类地表不同外观的分割、分类问题。模型可根据任务需要由人工进行后监督，从而实现多层次语义分割。 在遥感图像目标建模方面，本课题提出将结构信息引入主题语义模型，实现了对复杂结构目标的多种状态或多类目标进行同时建模，较隐蔽房屋目标的建模。该方法可根据样本特性进行类别划分和建模，避免因人主观监督而导致的模型欠拟合。最后本课题通过挖掘关系的研究实现了场景内容的理解。模型可从样本中确定存在关系的主体、及其它们之间的关系分布，通过对不同场景的关系分布进行监督建模实现场景内容的理解。 综上所述，本课题提出了一种新的遥感图像自主理解框架，实现了像素级地表覆盖分割、目标检测识别及场景级遥感图像理解三方面研究内容，并且研究内容可用于对典型军事目标（如隐蔽房屋和车队）的检测工作。完成了预期的研究工作。 课题研究实现的算法在遥感图像地表覆盖分割、分类上进行了实验，可有效地对多种外观及未知的地表进行分割与分类。遥感图像理解模型可用于对车辆和房屋的检测，通过屋角关系可检测出复杂结构的屋顶，通过分析车辆间的关系实现了对道路场景事件的理解。