遥感图像分类与识别是遥感对地观测的关键任务。近年来, 世界各国 成功发射了大量对地观测遥感卫星，获取了海量遥感图像，遥感大数据时 代已然来临。但是，目前遥感技术应用的瓶颈在于其图像处理技术远远滞 后于其图像获取技术。因此，如何对遥感图像进行快速准确地解译，具有 非常重要的理论和实际应用价值。近年来，蓬勃发展的人工智能技术将遥 感图像分类与识别推向自动化、智能化。 然而，基于人工智能的遥感图像分类识别任务面临两个巨大挑战，即 （1）小样本：尽管存在海量数据，但数据标记成本高，标记数据难以获 取；（2）数据质量差：遥感图像中存在噪声大及数据缺失等问题。为解决 小样本问题，如何基于物理规律充分利用无标记数据；低标注场景下如何 学习强判别性特征；如何提升标记效率为亟需解决的科学问题；为解决数 据质量差的问题，对噪声建模及在机器学习模型中融入领域先验为有效的 解决思路。本报告将围绕以上研究课题介绍遥感图像分类识别中的代表性 工作；同时对遥感图像分类识别的未来发展趋势进行展望。