本书首先介绍了遥感影像智能解译的发展背景及国内外技术发展现状，进而阐明了样本数据库建设的重要性。第2章详细分析了当前遥感影像智能解译样本数据库的技术特点，并归纳了样本数据库设计与建设的关键技术问题。第3章主要介绍样本数据模型，包括映射多种解译场景的遥感影样本本体模型、涵盖多层级解译任务和多模态影像类别的样本数据组织模型。第4章介绍样本分布优化方法，包括利用景观异质性的样本采样点地理分布自动计算模型、面向场景的样本子集划分与类别比例优化方法，并展示了上述方法实验验证效果，最后介绍了多源异构样本采集整合技术流程与共享服务技术框架。第5章介绍样本扩充方法，包括可扩展的样本分类结构与编码方法，基于无监督深度聚类的新样本特征提取方法，具有知识迁移与类别扩展能力的遥感增量学习解译模型，以及基于大规模细粒度地物分类样本数据集对上述方法与模型的验证。第6章是样本数据集构建与应用实例。以高空间-高光谱分辨率样本数据集为例，介绍基于前述方法构建的样本数据，并以能够同时解译高空间和高光谱分辨率遥感样本地物特征的解译模型3D-HRNet验证了样本数据集的科学性与可用性。