遙感應(yīng)用工程是構(gòu)建在一定科學(xué)與技術(shù)積累上的、為滿足某種需求而開展的系統(tǒng)建設(shè)與運行及其應(yīng)用，包括在一定的應(yīng)用基礎(chǔ)設(shè)施支持下開展新型遙感器研發(fā)、應(yīng)用方法與技術(shù)研究、遙感信息系統(tǒng)研發(fā)。 本書以多角度偏振成像儀（DPC）的應(yīng)用研究與載荷研發(fā)為主，結(jié)合航天遙感應(yīng)用理論研究與應(yīng)用基礎(chǔ)設(shè)施建設(shè)主題，兼容并蓄高分專項及這一階段我國民用

在當(dāng)今的自動駕駛和智能交通系統(tǒng)領(lǐng)域，視頻車道線檢測技術(shù)扮演著至關(guān)重要的角色。本書將帶您深入探索這一領(lǐng)域，揭示如何使用深度學(xué)習(xí)技術(shù)來實現(xiàn)精確、魯棒和實時的車道線檢測。本書全面系統(tǒng)地介紹了基于深度學(xué)習(xí)的視頻車道線檢測技術(shù)，包括基于深度學(xué)習(xí)的車道線檢測理論基礎(chǔ)、基于SwinTransformer的車道線檢測技術(shù)、基于深度混合

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(biāo)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(biāo)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(biāo)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(biāo)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)

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(biāo)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(gòu)成的探測網(wǎng)域/對入侵目標(biāo)的智能感知理論和技術(shù)應(yīng)用方法。研究的焦點就是如何迅速準(zhǔn)確地探測出入侵目標(biāo)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(gòu)成探測網(wǎng)域，經(jīng)過實驗

基于統(tǒng)計的深空遙感數(shù)據(jù)智能解譯

本書是以遙感技術(shù)系統(tǒng)為主線，以遙感圖像制圖過程與應(yīng)用為主體，結(jié)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(chǔ)、遙感物理基礎(chǔ)、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(shù)、測繪地理信息技術(shù)、工程測量技術(shù)、地籍測