本書以結(jié)合幾何劃分與層次化影像建模的高分辨率遙感影像分割方法理論與實(shí)踐為主線，重點(diǎn)闡述基于Voronoi劃分的影像域劃分、基于統(tǒng)計(jì)學(xué)理論的層次分割模型、各類分割模型的最優(yōu)分割解，對(duì)每類分割問(wèn)題給出相應(yīng)的高分辨率遙感影像分割案例，以表征其分割模型的有效性和實(shí)用性，并提出了一種普適的遙感影像層次結(jié)構(gòu)建模其理論基礎(chǔ)，同時(shí)給出

本教程以遙感技術(shù)系統(tǒng)為主線，以遙感圖像制圖過(guò)程與應(yīng)用為主體，結(jié)合具體遙感圖像處理的工程實(shí)踐，參考最新規(guī)范和遙感技術(shù)的新發(fā)展來(lái)編寫教學(xué)內(nèi)容。具體內(nèi)容包括以下九個(gè)學(xué)習(xí)型項(xiàng)目：遙感技術(shù)概論、電磁波及遙感物理基礎(chǔ)、遙感平臺(tái)與運(yùn)行特點(diǎn)、遙感傳感器及其成像原理、遙感圖像處理、遙感圖像的判讀、遙感圖像的分類、遙感專題制圖和遙感技術(shù)的

目前，光學(xué)衛(wèi)星成像已由單傳感器成像時(shí)代全面進(jìn)入多傳感器成像時(shí)代。多源遙感圖像融合技術(shù)是光學(xué)衛(wèi)星多傳感器成像應(yīng)用的關(guān)鍵核心技術(shù)，在遙感制圖、圖像判讀、圖像解釋等應(yīng)用中發(fā)揮著基礎(chǔ)性作用。本書系統(tǒng)地介紹了遙感圖像融合的研究背景、概念內(nèi)涵和主要方法，包括多源遙感圖像融合評(píng)價(jià)方法、寬幅多源光學(xué)遙感圖像配準(zhǔn)方法、全色與多光譜圖像高

隨著人工智能技術(shù)的成熟，圖像語(yǔ)義分割方法迎來(lái)了飛速發(fā)展的機(jī)會(huì)。語(yǔ)義分割是一種像素級(jí)的預(yù)測(cè)任務(wù)，基于全卷積神經(jīng)網(wǎng)絡(luò)（FCN）的分割方法，為了獲得較高的分割精度，需耗費(fèi)大量的計(jì)算資源。然而隨著自動(dòng)駕駛和移動(dòng)終端需求的日益增長(zhǎng)，在分割精度和分割速度之間進(jìn)行平衡顯得尤為重要，如何在計(jì)算力有限的設(shè)備上應(yīng)用語(yǔ)義分割技術(shù)、減少計(jì)算量

本書主要介紹高分辨率光學(xué)遙感衛(wèi)星影像區(qū)域網(wǎng)平差處理與應(yīng)用，重點(diǎn)圍繞高分辨率光學(xué)遙感衛(wèi)星高精度區(qū)域網(wǎng)平差模型、方法和關(guān)鍵技術(shù)進(jìn)行論述。全書共6章，綜合介紹國(guó)內(nèi)外高分辨率光學(xué)遙感衛(wèi)星的技術(shù)發(fā)展現(xiàn)狀，重點(diǎn)介紹高分辨率光學(xué)遙感衛(wèi)星幾何成像模型構(gòu)建、高分辨率光學(xué)遙感衛(wèi)星影像區(qū)域網(wǎng)平差模型構(gòu)建、高分辨率光學(xué)遙感衛(wèi)星影像匹配和大型區(qū)

針對(duì)海量、動(dòng)態(tài)、多維、異構(gòu)的高分辨率衛(wèi)星遙感觀測(cè)數(shù)據(jù)，通過(guò)對(duì)高分辨壓縮信息的獲�。ā案小保�，建立多尺度幾何分析的建模（“知”），完成特征的學(xué)習(xí)和分析（“用”），從而提高對(duì)地觀測(cè)系統(tǒng)的綜合利用能力，這已成為遙感技術(shù)發(fā)展的必然趨勢(shì)。全書共十五章，系統(tǒng)地論述了遙感腦的理論基礎(chǔ)、感知與解譯應(yīng)用及遙感腦系統(tǒng)。第一至第四章主要介紹

本書是在國(guó)產(chǎn)時(shí)空遙感云服務(wù)平臺(tái)PIE-Engine系列用戶手冊(cè)和培訓(xùn)素材的基礎(chǔ)上，集作者多年遙感大數(shù)據(jù)、云計(jì)算、人工智能等理論研究和開發(fā)實(shí)踐經(jīng)驗(yàn)升華凝練而成的。本書結(jié)合時(shí)空遙感云服務(wù)平臺(tái)PIE-Engine設(shè)計(jì)理念、基本功能和技術(shù)特色，系統(tǒng)介紹了時(shí)空遙感云服務(wù)平臺(tái)PIE-Engine基本理論、關(guān)鍵技術(shù)、操作流程和專題應(yīng)

遙感是通過(guò)不與物體、區(qū)域或現(xiàn)象接觸的設(shè)備來(lái)獲取調(diào)查數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行分析而得到物體、區(qū)域或現(xiàn)象有關(guān)信息的科學(xué)與技術(shù)。本書是美國(guó)威斯康星大學(xué)麥迪遜分校教授ThomasM.Lillesand、RalphW.Kiefer和達(dá)特茅斯學(xué)院教授JonathanW.Chipman合著的RemoteSensingandImageInt

本書從自然語(yǔ)言圖像中面臨的圖像增強(qiáng)與修復(fù)、自然圖像語(yǔ)義分割算法展開，深入理解自然圖像。接著，進(jìn)行機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法的建模實(shí)現(xiàn)遙感圖像的語(yǔ)義分割問(wèn)題。最后，通過(guò)算法，實(shí)現(xiàn)下游任務(wù)（比如精準(zhǔn)農(nóng)業(yè)中的分類問(wèn)題和多源信息融合問(wèn)題）。本書重點(diǎn)從以下三個(gè)部分著重展開，并且分別用章節(jié)的形式呈現(xiàn)。第一部分：機(jī)器學(xué)習(xí)相關(guān)算法研究

本書圍繞小樣本遙感圖像分類任務(wù)展開具體研究工作，研究過(guò)程采用改善圖像特征提取和分類器設(shè)計(jì)兩種不同的子空間學(xué)習(xí)模式，重點(diǎn)解決小樣本圖像分類任務(wù)中存在的由于預(yù)訓(xùn)練特征提取器無(wú)法適應(yīng)新的數(shù)據(jù)類別，導(dǎo)致提取的特征鑒別性不足以及含標(biāo)簽樣本過(guò)少，帶來(lái)的樣本分布與實(shí)際數(shù)據(jù)分布存在偏差等問(wèn)題。本書提出了系列的子空間學(xué)習(xí)算法，進(jìn)一步改善