本書共分為8章，重點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)測的細粒度遙感目標分類、基于多源屬性學(xué)習(xí)的細粒度遙感場景分類、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)用問題的機理性結(jié)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(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)狀進行了總結(jié)，闡述了作者對高光譜遙感影像分類實際應(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(shù)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(shè)計方法；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)量評價、在軌目標檢測分類等方面闡述了算法優(yōu)化設(shè)計方法；面向在軌數(shù)

本書在介紹深空探測任務(wù)與深空影像背景知識的基礎(chǔ)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(guān)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(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(dǎo)航數(shù)據(jù)或二者結(jié)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(guān)法來糾正航帶間已

高光譜圖像分析是遙感技術(shù)對地球表面分析和應(yīng)用的一個關(guān)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(fù)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(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(yīng)第3章、第

本書全面講解了卷積神經(jīng)網(wǎng)絡(luò)（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(xué)習(xí)算法在遙感圖像分類、檢測、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現(xiàn)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