本書主要講述了智能遙感衛(wèi)星的遙感影像在軌高精度處理與實(shí)時智能服務(wù)系統(tǒng)的設(shè)計理念與核心技術(shù)，重點(diǎn)圍繞智能遙感衛(wèi)星在軌處理與實(shí)時智能服務(wù)的服務(wù)模式、流式架構(gòu)、關(guān)鍵技術(shù)算法和處理系統(tǒng)進(jìn)行論述。本書包括7個核心章節(jié)，分別介紹了對智能遙感衛(wèi)星得發(fā)展現(xiàn)狀與趨勢、智能遙感衛(wèi)星在軌流式處理架構(gòu)與服務(wù)模式、面向任務(wù)遙感衛(wèi)星協(xié)同自主任務(wù)規(guī)

本書全面介紹了遙感數(shù)字圖像獲取，遙感數(shù)據(jù)表示方法、存儲及顯示，遙感圖像校正，遙感影像調(diào)色、鑲嵌與正射影像生產(chǎn)，圖像變換與增強(qiáng)，圖像分割，遙感圖像分類等的基本概念、理論和方法。同時，本書在ENVI軟件的基礎(chǔ)上介紹了遙感數(shù)字圖像處理的應(yīng)用，并與景觀生態(tài)風(fēng)險時空變化驅(qū)動與預(yù)測項(xiàng)目相結(jié)合，詳細(xì)介紹了遙感數(shù)字圖像處理在景觀生態(tài)風(fēng)

超高空間分辨率(VHR)遙感影像中陰影的形成主要是由于光線被物體阻擋，從而降低了地物的光譜亮度。高效的陰影消除方法可以恢復(fù)陰影中地物的光譜信息，是遙感影像分析的關(guān)鍵預(yù)處理步驟。然而，由于缺乏精確陰影掩膜和無陰影圖像的原因，導(dǎo)致VHR影像陰影消除中存在“數(shù)據(jù)缺陷”。為了獲得高精度的陰影掩膜，為陰影消除提供準(zhǔn)確的位置信息，

遙感影像作為人們獲取地理信息的重要數(shù)據(jù)來源，在環(huán)境監(jiān)測、農(nóng)業(yè)發(fā)展和國土利用和規(guī)劃等方面起著十分重要的作用，但是獲取影像數(shù)據(jù)時容易受不均勻的光照、不同的環(huán)境條件和不同的傳感器平臺等因素的影響，導(dǎo)致遙感影像內(nèi)部存在局部亮度和色彩分布不均勻現(xiàn)象，特別是在由若干幅影像拼接而成的多源拼接影像中，影像內(nèi)部色彩差異較大，使得影像看起

本書基于非合作目標(biāo)雷達(dá)特性、運(yùn)動特性和形狀特征，分析了影響目標(biāo)ISAR成像的因素，重點(diǎn)對稀疏重構(gòu)成像方法和彈道目標(biāo)特征提取方法進(jìn)行了闡述分析，針對非合作目標(biāo)成像、特征提取與識別面臨的成像時間短、積累信號少、成像質(zhì)量不高和特征提取識別難的問題，提出了多種基于聯(lián)合稀疏重構(gòu)和二維稀疏重構(gòu)的成像方法，并闡述了機(jī)動非合作目標(biāo)的快

本書共分為8章，重點(diǎn)研究了基于深度屬性學(xué)習(xí)的光學(xué)遙感圖像分類方法，如基于屬性學(xué)習(xí)預(yù)測的細(xì)粒度遙感目標(biāo)分類、基于多源屬性學(xué)習(xí)的細(xì)粒度遙感場景分類、基于屬性建模遷移的少樣本遙感圖像分類、基于視覺屬性自動化標(biāo)注的零樣本遙感圖像場景分類等。對于每種典型的遙感圖像分類方法，從研究者的角度，詳細(xì)地介紹了其研究背景、問題描述、算法模

本書共分為十一章，涉及九個用于圖像分類的著名卷積神經(jīng)網(wǎng)絡(luò)模型，分別是：LeNet-5(識別手寫數(shù)字)、AlexNet(寵物貓狗識別)、VGG(表情識別)GoogleNet(車輛品牌識別)、ResNet(寵物貓狗品種識別)、MobileNet(新疆蘋果品種識別)、SqueezeNet(西紅柿病害識別)、SqueezeNe

本書圍繞高光譜遙感圖像智能分類與檢測這一主題，著重介紹以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等為代表的智能新方法和新技術(shù)在高光譜圖像分類與檢測中的應(yīng)用，反映該領(lǐng)域目前最新研究成果與趨勢，突出先進(jìn)性和前瞻性。本書在介紹智能算法基本原理的同時，注重闡述算法與應(yīng)用問題的機(jī)理性結(jié)合，突出啟發(fā)性和實(shí)用性。

本書主要內(nèi)容包括進(jìn)化計算、機(jī)器學(xué)習(xí)、模式識別、數(shù)據(jù)降維、影像解譯等。本書著重對上述領(lǐng)域的國內(nèi)外發(fā)展現(xiàn)狀進(jìn)行了總結(jié)，闡述了作者對高光譜遙感影像分類實(shí)際應(yīng)用的思考與探索。

本書總結(jié)了作者近年來基于人工智能深度學(xué)習(xí)模型的高光譜遙感影像智能分類方向的最新研究成果，從深度學(xué)習(xí)領(lǐng)域最具代表性的卷積神經(jīng)網(wǎng)絡(luò)、圖卷積網(wǎng)絡(luò)出發(fā)，對高光譜影像分類的理論發(fā)展和最新動態(tài)以及該領(lǐng)域存在的若干關(guān)鍵問題、研究難點(diǎn)及新方法等進(jìn)行了論述。