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

本書主要內(nèi)容包括進化計算、機器學習、模式識別、數(shù)據(jù)降維、影像解譯等。本書著重對上述領域的國內(nèi)外發(fā)展現(xiàn)狀進行了總結，闡述了作者對高光譜遙感影像分類實際應用的思考與探索。

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

本書針對遙感成像衛(wèi)星在軌實時處理這一新技術方向，系統(tǒng)全面地介紹了在軌實時處理的基本概念、研究意義、國內(nèi)外發(fā)展歷程及趨勢；面向微波成像衛(wèi)星，從在軌成像處理與在軌目標檢測分類兩個方面闡述了算法流程及優(yōu)化設計方法；面向光學成像衛(wèi)星，從在軌數(shù)據(jù)預處理、在軌壓縮與質(zhì)量評價、在軌目標檢測分類等方面闡述了算法優(yōu)化設計方法；面向在軌數(shù)

民間重要區(qū)域的安防和國家軍事重地的值守，都需要對入侵目標實時監(jiān)測其方位和運動軌跡。本專著主要是探討基于動靜態(tài)熱釋電紅外傳感器(PIR)探測器組構成的探測網(wǎng)域/對入侵目標的智能感知理論和技術應用方法。研究的焦點就是如何迅速準確地探測出入侵目標的方位和運動軌跡。 本專著以研發(fā)的新型動靜態(tài)PIR探測器組構成探測網(wǎng)域，經(jīng)過實驗

本書在介紹深空探測任務與深空影像背景知識的基礎上,著重從統(tǒng)計數(shù)據(jù)分析和人工智能兩個方面介紹深空遙感影像相關的智能解譯方法.其中,在統(tǒng)計數(shù)據(jù)分析方面,介紹了統(tǒng)計理論工具及其在“嫦娥”觀測數(shù)據(jù)的判讀解譯應用.在人工智能數(shù)據(jù)分析方面,介紹了深度學習中基于語義分割和基于目標檢測方法在全月撞擊坑的自動判讀識別.為了便于讀者使用上

本書是以遙感技術系統(tǒng)為主線，以遙感圖像制圖過程與應用為主體，結合具體的遙感圖像處理工程實踐，并參考新規(guī)范編寫而成的。具體內(nèi)容包括以下7個模塊：遙感基礎、遙感物理基礎、遙感圖像處理、遙感圖像增強處理、遙感圖像牧師判讀、遙感圖像分類及遙感專題圖制作。本書可供高職高專攝影測量與遙感技術、測繪地理信息技術、工程測量技術、地籍測

"本書采用筆者提出的標準定量產(chǎn)品概念模型，針對觀測對象理化與生物學特征參數(shù)的3-5級共性產(chǎn)品，探索構建標準的定量反演技術規(guī)程、處理工藝流程，以及規(guī)范的觀測對象大時空間跨度的參數(shù)產(chǎn)品生產(chǎn)過程，主要關注標準定量產(chǎn)品的數(shù)據(jù)工程模型，基于新型數(shù)據(jù)形式GRIDCube，以數(shù)據(jù)方塊（DataSquare：DS）為數(shù)據(jù)單位形成遙感定

本書針對該種成像儀獲取的影像進行航帶拼接研究，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。本書首先利用曲面樣條函數(shù)法或基于導航數(shù)據(jù)或二者結合的方法對影像進行幾何校正；然后采用基于邊緣塊剔除的局部方差法計算各波段信噪比，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算法或改進的相位相關法來糾正航帶間已

本書共編寫了7個項目，項目內(nèi)容包括：遙感基礎知識、遙感數(shù)據(jù)獲取原理、遙感影像及其預處理、遙感影像增強處理、遙感影像目視解譯、遙感影像計算機分類、遙感專題制圖等，涵蓋了遙感的基礎知識和實踐操作技能。