中文摘要：

虽然遥感影像目标识别与提取的研究历史很长，但是还缺乏一个全局计算与优化框架，不利于综合利用各种信息提取目标。本项目拟以随机点过程理论为工具，为遥感影像目标识别与提取构造全局计算与优化框架。纵向上，分析场景与目标的层次约束关系，研究层次关系的描述方法，并据此描述标点过程条件概率；横向上，分析同类和不同类目标之间的上下文约束关系，研究多类目标之间上下文关系的描述方法，并据此描述标点过程先验概率；在此基础上，将层次约束关系和上下文约束关系统一在标点过程模型中，构建全局优化框架。通过本项目研究，不但能够构建全局计算与优化框架，以利于综合利用各种信息提取目标，而且能够探索条件概率和先验概率描述方法，促进随机点过程理论在遥感影像目标识别与提取中的应用研究。

结论摘要：

虽然遥感影像目标识别与提取的研究历史很长，但是还缺乏一个全局计算与优化框架，不利于综合利用各种信息提取目标。针对这一现状，本项目以随机点过程理论和马尔科夫随机场理论为工具，开展遥感影像目标识别与提取全局优化方法研究。首先，我们研究了场景与影像的区别与联系，在国际上率先提出并构造混合表达形式，采用标点过程表达场景，采用马尔可夫随机场表达影像，以此混合表达形式统一表达场景与影像。其次，我们研究了目标级别的约束与联系，以道路网为重点目标，以连接点为标记，构建连接点过程表达网状目标。该模型能够表达任意网状目标，不但能够用于遥感影像中的道路网提取，而且能够用于医学图像中的血管提取等诸多领域。连接点过程等价于图模型，确保路段之间无缝连接，是基于标点过程的道路提取方法研究的一个重要突破。再次，我们研究像素级别的约束与联系，描述颜色、边缘以及高程等的联合后验分布，以此利用多种信息提高目标提取质量。最后，我们构建了全局优化求解方法，并对结果进行评估。本项目研究成果不但发表在摄影测量与遥感领域，而且发表于计算机视觉与模式识别领域。申请人成为国内地学领域在国际计算机视觉与模式识别领域最高水平会议上发表论文的首位研究人员。