本書根據作者十余年來以遙感數字圖像獲取、處理、輸出、應用為體系開展的系統(tǒng)研究工作所積累豐碩成果的基礎上，經過匯總整理，完成了本書。全書分為16章，從三部分來對遙感圖像處理進行闡述，第一部分是基礎部分，主要從遙感的圖像總體性處理進行介紹，主要內容有遙感圖像處理的概念和本書的框架，遙感圖像的數字化，顯示和常用的處理軟件，并

高光譜圖像分析是遙感技術對地球表面分析和應用的一個關鍵步驟，同時也是人類認知地球的重要手段之一。為滿足對分類精度和效率以及泛化性的要求，針對高光譜圖像具有的復雜空-譜特性、非線性可分以及標記樣本有限等特點，利用深度學習和寬度學習技術，探索監(jiān)督型、半監(jiān)督型、無監(jiān)督型以及遷移型深-寬度高光譜圖像分類方法，分別對應第3章、第

本書全面講解了卷積神經網絡（CNN）、單階段目標檢測、雙階段目標檢測、多尺度融合、注意力機制和語義分割等深度學習算法在遙感圖像分類、檢測、分割和提取等方面的應用，介紹了各種深度學習模型的原理及其在遙感圖像處理中的具體實現方法。本書以遙感圖像飛機目標檢測、艦船目標檢測、遙感圖像建筑物提取及遙感圖像土地語義分割為例，詳細介

本書基于注入模型從像素級層面開展遙感圖像新算法研究，重點是提高遙感圖像的融合性能和應用價值，主要論述基于精煉細節(jié)注入的遙感圖像融合算法、基于補償細節(jié)注入的遙感圖像融合算法、基于多光譜圖像改進的遙感圖像融合算法、基于光譜及亮度調制的遙感圖像融合算法和基于多目標決策的遙感圖像融合算法。本書適合數據融合、計算機視覺、圖像處理

隨著海道測量技術的不斷發(fā)展，衛(wèi)星水深反演(SDB)技術在淺海水域應用日趨廣泛，SDB技術較傳統(tǒng)海道測量可以實現以較少的成本獲得淺水區(qū)域的水深，同時可應用于聲學測量手段無法獲取的水域，在海圖尚未標明的水域尤其有效，可以在聲學測量之前提高其安全性。國際海道測量組織IHO《衛(wèi)星測深實踐指南(B-13)》提供了關于SDB技術的

本書系統(tǒng)地介紹了高分辨率遙感影像分割與分類的相關概念、原理、方法、步驟和新進展等，具體框架模型和實現方法都有著鮮明的特色，內容涵蓋多分支融合網絡、基于CNN的雙邊融合網絡、小卷積特征重用模型、基于多尺度近端特征拼接網絡、深度置信網絡、局部與混合擴張卷積融合網絡、預激活殘差注意力網絡、基于多判別器生成對抗網絡以及3D-2

本書核心內容集中在高光譜圖像的空間分辨率提升和目標分類應用，具體涵蓋高光譜圖像的像元解混、超分辨重建和高精度地物分類三部分內容。本書內容本身是多學科交叉融合的產物，理論涉及高光譜遙感圖像處理、模式識別理論，多核機器學習，深度學習等，是當前高光譜地物分類領域理論研究和應用拓展的焦點。主要技術及應用包括：基于多核投影NMF

本專著的內容分為四大部分，第一部分為緒論，介紹各類成像衛(wèi)星任務規(guī)劃問題的基本特點、目前的發(fā)展現狀、引出本文的具體內容；第二部分為方法論，介紹集成強化學習與運籌學的兩階段問題求解框架、流程、原理等，界定各部分具體模型方法的邊界；第三部分為基于數學規(guī)劃模型和確定性算法的任務調度問題研究、基于有限馬爾可夫決策模型和強化學習算

本書從遙感信息處理技術基礎出發(fā)，介紹了遙感的基本概述、發(fā)展歷史、發(fā)展現狀、未來趨勢以及遙感的基本物理基礎。作為技術實例，本書還介紹了典型的遙感傳感技術，包括遙感信息技術的分析，其中包含遙感光譜的分析技術、遙感的地形構建分析、遙感專題信息處理分析及遙感信息分析應用等技術。本書根據測繪、遙感、地理信息等不同行業(yè)對高層次人才

本書的第1章是緒論，介紹了研究背景、意義；國內外發(fā)展現狀及存在的問題；第2章介紹了與卷積神經網絡相關的理論、模型、訓練的流程及精度評價指標；第3章基于區(qū)域卷積神經網絡用于遙感影像的車輛檢測理論、實驗；第4章、第5章、第6章分別介紹了全卷積神經網絡模型、引入條件隨機場的卷積神經網絡模型、膨脹卷積算法的卷積神經網絡模型用于