近几十年来,特别是自21世纪以来,一方面,卫星技术飞速发展,高分辨率的卫星遥感影像在军民各个领域取得了越来越广泛的应用,也对遥感影像智能解译技术提出了更高的要求;另一方面,在人工智能的浪潮下,人工智能+卫星遥感得到了越来越深入的研究。本课题在此背景下,以高分辨率卫星遥感图像为研究对象,深入研究基于计算机视觉的卫星遥感图像的分类、目标识别等智能解译技术,并在此基础上编写应用软件,多方面提升遥感影像分析的自动化水平。首先,本文利用卷积神经网络对遥感图像进行特征提取和分类。遥感影像分类是遥感数字处理中的非常关键的技术,本文摒弃了传统的基于特征编码的方法,主要研究了三种基于深度学习和卷积神经网络的策略,并分析其优缺点。策略一是单独训练一个全新的卷积神经网络,本文对网络进行了全面的设计和调参,并提出了多尺度随机裁剪的有效数据增强手段。策略二是利用现有的卷积神经网络对遥感图像进行特征提取,并对所提取的特征直接分类,策略三是对现有神经网络的迁移学习,微调参数得到更适用遥感图片库的深度卷积神经网络,本文使用了多模型融合的方法解决了个别分类不准确问题。接着对这三种策略所得到的的模型进行对比研究,得到相应结论,为后续研究打下了基础。其次,本文考虑到卫星图像不具备整体向下,分辨率比自然图像高,物体聚集度高,分布不均匀,横纵比夸张,小目标较多等特点,分别基于Faster R-CNN,YOLO v3等算法进行改进,主要包括适应性修改RPN网络,增加了旋转θ角输出模块,引入了空洞卷积等改进方法,研究了卫星遥感图像的目标识别技术,取得了较好的效果。将本文研究改进的算法运用到实际应用中,可以更加实时,准确,有效的获取各类专题数据和情报信息。最后,进行了Linux,x86,macOS环境下的遥感影像智能解析系统的软件设计,开发了遥感图像智能处理软件,软件系统主要包括系统工具,分类子系统,目标识别子系统三部分,目标识别子系统,并在此基础上对代码进行重构,编写了可在手机端使用的小程序,最后对软件系统进行了相关测试和分析。