提出一种新的显着性检测方法，通过将区域级显着性估计和像素级显着性预测与CNN（表示为CRPSD）相结合。对于像素级显着性预测，通过修改VGGNet体系结构来执行完全卷积神经网络（称为像素级CNN）以执行多尺度特征学习，基于该学习进行图像到图像预测以完成像素级显着性检测。对于区域级显着性估计，首先设计基于自适应超像素的区域生成技术以将图像分割成区域，基于该区域通过使用CNN模型（称为区域级CNN）来估计区域级显着性。通过使用另一CNN（称为融合CNN）融合像素级和区域级显着性以形成nal显着图，并

遥感影像理解智能化系统与模型集成方法 智能化遥感影像分析理解是当前遥感地学分析中的研究热点。本文通过分析当前智能化方法在应用中存在的两个主要问题 ,指出了智能化遥感影像分析向基于多特征单元为分析对象转变的必要性以及如何在分析过程中更好的融合知识。在此基础上 ,介绍了多特征单元遥感影像分析和基于神经网络的知识处理的基本思想。并对如何建立基于知识智能计算的多特征单元遥感影像分析理解方法体系进行了探讨 ,给出了概念框架图 -Remote sensing image understandi