本书共分为8章，重点研究了基于深度属性学习的光学遥感图像分类方法，如基于属性学习预测的细粒度遥感目标分类、基于多源属性学习的细粒度遥感场景分类、基于属性建模迁移的少样本遥感图像分类、基于视觉属性自动化标注的零样本遥感图像场景分类等。对于每种典型的遥感图像分类方法，从研究者的角度，详细地介绍了其研究背景、问题描述、算法模型、实验结果等。本书所述的遥感图像分类研究方法及实验分析，对从事遥感图像解译的相关科技工作者以及硕博研究生具有较大的启发与指导意义。

第1章绪论

1．1研究背景及意义

1．2光学遥感图像分类

1．2．1应用场景与难点挑战

1．2．2研究进展

1．3研究内容

1．4本书章节安排

本章参考文献

第2章

视觉信息认知计算与深度属性学习理论与方法

2．1视觉信息认知计算理论

2．1．1人类视觉层次感知机制

2．1．2计算机视觉信息认知理论

2．2深度属性学习理论

2．2．1属性的定义与分类

2．2．2属性的获取途径

2．2．3属性的特点及研究意义

2．3属性学习在深度学习中的应用

2．4本章小结

本章参考文献

第3章基于属性学习预测的细粒度遥感目标分类

3．1引言

3．2基于属性学习的可解释图像分类模型

……