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

本書(shū)總結(jié)了作者近年來(lái)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(lèi)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(duì)高光譜影像分類(lèi)的理論發(fā)展和最新動(dòng)態(tài)以及該領(lǐng)域存在的若干關(guān)鍵問(wèn)題、研究難點(diǎn)及新方法等進(jìn)行了論述。

本書(shū)針對(duì)遙感成像衛(wèi)星在軌實(shí)時(shí)處理這一新技術(shù)方向，系統(tǒng)全面地介紹了在軌實(shí)時(shí)處理的基本概念、研究意義、國(guó)內(nèi)外發(fā)展歷程及趨勢(shì)；面向微波成像衛(wèi)星，從在軌成像處理與在軌目標(biāo)檢測(cè)分類(lèi)兩個(gè)方面闡述了算法流程及優(yōu)化設(shè)計(jì)方法；面向光學(xué)成像衛(wèi)星，從在軌數(shù)據(jù)預(yù)處理、在軌壓縮與質(zhì)量評(píng)價(jià)、在軌目標(biāo)檢測(cè)分類(lèi)等方面闡述了算法優(yōu)化設(shè)計(jì)方法；面向在軌數(shù)

本書(shū)在介紹深空探測(cè)任務(wù)與深空影像背景知識(shí)的基礎(chǔ)上,著重從統(tǒng)計(jì)數(shù)據(jù)分析和人工智能兩個(gè)方面介紹深空遙感影像相關(guān)的智能解譯方法.其中,在統(tǒng)計(jì)數(shù)據(jù)分析方面,介紹了統(tǒng)計(jì)理論工具及其在“嫦娥”觀測(cè)數(shù)據(jù)的判讀解譯應(yīng)用.在人工智能數(shù)據(jù)分析方面,介紹了深度學(xué)習(xí)中基于語(yǔ)義分割和基于目標(biāo)檢測(cè)方法在全月撞擊坑的自動(dòng)判讀識(shí)別.為了便于讀者使用上

本書(shū)針對(duì)該種成像儀獲取的影像進(jìn)行航帶拼接研究，以獲得具有高幾何定位精度和高光譜保真性的高光譜影像。本書(shū)首先利用曲面樣條函數(shù)法或基于導(dǎo)航數(shù)據(jù)或二者結(jié)合的方法對(duì)影像進(jìn)行幾何校正；然后采用基于邊緣塊剔除的局部方差法計(jì)算各波段信噪比，取分值最高的波段作為最優(yōu)波段；再利用該最優(yōu)波段采用SIFT算法或改進(jìn)的相位相關(guān)法來(lái)糾正航帶間已

高光譜圖像分析是遙感技術(shù)對(duì)地球表面分析和應(yīng)用的一個(gè)關(guān)鍵步驟，同時(shí)也是人類(lèi)認(rèn)知地球的重要手段之一。為滿(mǎn)足對(duì)分類(lèi)精度和效率以及泛化性的要求，針對(duì)高光譜圖像具有的復(fù)雜空-譜特性、非線(xiàn)性可分以及標(biāo)記樣本有限等特點(diǎn)，利用深度學(xué)習(xí)和寬度學(xué)習(xí)技術(shù)，探索監(jiān)督型、半監(jiān)督型、無(wú)監(jiān)督型以及遷移型深-寬度高光譜圖像分類(lèi)方法，分別對(duì)應(yīng)第3章、第

本書(shū)全面講解了卷積神經(jīng)網(wǎng)絡(luò)（CNN）、單階段目標(biāo)檢測(cè)、雙階段目標(biāo)檢測(cè)、多尺度融合、注意力機(jī)制和語(yǔ)義分割等深度學(xué)習(xí)算法在遙感圖像分類(lèi)、檢測(cè)、分割和提取等方面的應(yīng)用，介紹了各種深度學(xué)習(xí)模型的原理及其在遙感圖像處理中的具體實(shí)現(xiàn)方法。本書(shū)以遙感圖像飛機(jī)目標(biāo)檢測(cè)、艦船目標(biāo)檢測(cè)、遙感圖像建筑物提取及遙感圖像土地語(yǔ)義分割為例，詳細(xì)介

本書(shū)基于注入模型從像素級(jí)層面開(kāi)展遙感圖像新算法研究，重點(diǎn)是提高遙感圖像的融合性能和應(yīng)用價(jià)值，主要論述基于精煉細(xì)節(jié)注入的遙感圖像融合算法、基于補(bǔ)償細(xì)節(jié)注入的遙感圖像融合算法、基于多光譜圖像改進(jìn)的遙感圖像融合算法、基于光譜及亮度調(diào)制的遙感圖像融合算法和基于多目標(biāo)決策的遙感圖像融合算法。本書(shū)適合數(shù)據(jù)融合、計(jì)算機(jī)視覺(jué)、圖像處理

隨著海道測(cè)量技術(shù)的不斷發(fā)展，衛(wèi)星水深反演(SDB)技術(shù)在淺海水域應(yīng)用日趨廣泛，SDB技術(shù)較傳統(tǒng)海道測(cè)量可以實(shí)現(xiàn)以較少的成本獲得淺水區(qū)域的水深，同時(shí)可應(yīng)用于聲學(xué)測(cè)量手段無(wú)法獲取的水域，在海圖尚未標(biāo)明的水域尤其有效，可以在聲學(xué)測(cè)量之前提高其安全性。國(guó)際海道測(cè)量組織IHO《衛(wèi)星測(cè)深實(shí)踐指南(B-13)》提供了關(guān)于SDB技術(shù)的

本書(shū)系統(tǒng)地介紹了高分辨率遙感影像分割與分類(lèi)的相關(guān)概念、原理、方法、步驟和新進(jìn)展等，具體框架模型和實(shí)現(xiàn)方法都有著鮮明的特色，內(nèi)容涵蓋多分支融合網(wǎng)絡(luò)、基于CNN的雙邊融合網(wǎng)絡(luò)、小卷積特征重用模型、基于多尺度近端特征拼接網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、局部與混合擴(kuò)張卷積融合網(wǎng)絡(luò)、預(yù)激活殘差注意力網(wǎng)絡(luò)、基于多判別器生成對(duì)抗網(wǎng)絡(luò)以及3D-2