本書主要講述了智能遙感衛(wèi)星的遙感影像在軌高精度處理與實時智能服務系統(tǒng)的設計理念與核心技術，重點圍繞智能遙感衛(wèi)星在軌處理與實時智能服務的服務模式、流式架構、關鍵技術算法和處理系統(tǒng)進行論述。本書包括7個核心章節(jié)，分別介紹了對智能遙感衛(wèi)星得發(fā)展現(xiàn)狀與趨勢、智能遙感衛(wèi)星在軌流式處理架構與服務模式、面向任務遙感衛(wèi)星協(xié)同自主任務規(guī)

本書全面介紹了遙感數(shù)字圖像獲取，遙感數(shù)據(jù)表示方法、存儲及顯示，遙感圖像校正，遙感影像調(diào)色、鑲嵌與正射影像生產(chǎn)，圖像變換與增強，圖像分割，遙感圖像分類等的基本概念、理論和方法。同時，本書在ENVI軟件的基礎上介紹了遙感數(shù)字圖像處理的應用，并與景觀生態(tài)風險時空變化驅動與預測項目相結合，詳細介紹了遙感數(shù)字圖像處理在景觀生態(tài)風

高光譜遙感綜合了影像學和光譜學等學科優(yōu)勢，可實現(xiàn)對水體環(huán)境狀況的空間分布和光譜特征的統(tǒng)一探測，為水體環(huán)境監(jiān)測提供了一種新手段。高分5號衛(wèi)星高光譜遙感數(shù)據(jù)在光譜分辨率和信噪比等技術指標方面均有顯著提升，為提高水環(huán)境參數(shù)反演精度和實現(xiàn)內(nèi)陸水體環(huán)境的業(yè)務化遙感監(jiān)測等提供了新的契機。本書是在國家自然科學基金重大項目、國家重點研

超高空間分辨率(VHR)遙感影像中陰影的形成主要是由于光線被物體阻擋，從而降低了地物的光譜亮度。高效的陰影消除方法可以恢復陰影中地物的光譜信息，是遙感影像分析的關鍵預處理步驟。然而，由于缺乏精確陰影掩膜和無陰影圖像的原因，導致VHR影像陰影消除中存在“數(shù)據(jù)缺陷”。為了獲得高精度的陰影掩膜，為陰影消除提供準確的位置信息，

遙感影像作為人們獲取地理信息的重要數(shù)據(jù)來源，在環(huán)境監(jiān)測、農(nóng)業(yè)發(fā)展和國土利用和規(guī)劃等方面起著十分重要的作用，但是獲取影像數(shù)據(jù)時容易受不均勻的光照、不同的環(huán)境條件和不同的傳感器平臺等因素的影響，導致遙感影像內(nèi)部存在局部亮度和色彩分布不均勻現(xiàn)象，特別是在由若干幅影像拼接而成的多源拼接影像中，影像內(nèi)部色彩差異較大，使得影像看起

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

在當今的自動駕駛和智能交通系統(tǒng)領域，視頻車道線檢測技術扮演著至關重要的角色。本書將帶您深入探索這一領域，揭示如何使用深度學習技術來實現(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習的視頻車道線檢測技術，包括基于深度學習的車道線檢測理論基礎、基于SwinTransformer的車道線檢測技術、基于深度混合

本書基于非合作目標雷達特性、運動特性和形狀特征，分析了影響目標ISAR成像的因素，重點對稀疏重構成像方法和彈道目標特征提取方法進行了闡述分析，針對非合作目標成像、特征提取與識別面臨的成像時間短、積累信號少、成像質量不高和特征提取識別難的問題，提出了多種基于聯(lián)合稀疏重構和二維稀疏重構的成像方法，并闡述了機動非合作目標的快

本書共分為8章，重點研究了基于深度屬性學習的光學遙感圖像分類方法，如基于屬性學習預測的細粒度遙感目標分類、基于多源屬性學習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