本書是一本探討卷積神經(jīng)網(wǎng)絡(luò)在圖像融合、識別任務(wù)上應(yīng)用的專業(yè)著作，旨在為讀者提供全面而實(shí)用的知識體系，使其能夠深入理解圖像融合與識別的原理和實(shí)現(xiàn)，并應(yīng)用于各個領(lǐng)域。本書涵蓋了從卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概念到圖像融合、識別前沿技術(shù)的全面內(nèi)容，并詳細(xì)介紹了著者自身的研究成果。本書共8章，主要包括：圖像融合與目標(biāo)識別的目的、意義、基本概念、技術(shù)指標(biāo)和研究歷史及現(xiàn)狀，卷積神經(jīng)網(wǎng)絡(luò)，特征表示學(xué)習(xí)的多源圖像融合，多域特征對齊的多源圖像融合，小樣本遙感目標(biāo)識別，復(fù)雜樣本分布的遙感目標(biāo)識別，圖像融合和目標(biāo)識別的實(shí)際應(yīng)用，

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(shí)時智能服務(wù)系統(tǒng)的設(shè)計理念與核心技術(shù)，重點(diǎn)圍繞智能遙感衛(wèi)星在軌處理與實(shí)時智能服務(wù)的服務(wù)模式、流式架構(gòu)、關(guān)鍵技術(shù)算法和處理系統(tǒng)進(jìn)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(gòu)與服務(wù)模式、面向任務(wù)遙感衛(wèi)星協(xié)同自主任務(wù)規(guī)劃、任務(wù)驅(qū)動在軌興趣區(qū)域產(chǎn)品處理、遙感影像在軌信息提取與智能處理、光學(xué)衛(wèi)星遙感影像高倍智能壓縮以及珞珈三號01星智能遙感衛(wèi)星服務(wù)示范系統(tǒng)。

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(fù)陰影中地物的光譜信息，是遙感影像分析的關(guān)鍵預(yù)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(dǎo)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(zhǔn)確的位置信息，因此，陰影檢測是至關(guān)重要的。 本書將詳細(xì)講解遙感影像色彩一致性處理算法理論，然后講解如何基于該方法進(jìn)行遙感影像陰影檢測和消除。并結(jié)合當(dāng)下流行的深度學(xué)習(xí)前沿技術(shù)，講解基于深度學(xué)習(xí)的遙

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(dǎo)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，使得影像看起來是由很多“色塊”組成，嚴(yán)重影響了人類的視覺體驗(yàn)和后續(xù)的科研應(yīng)用。本書針對多源拼接影像中色塊間的顏色差異問題，提出了一種基于HSV顏色空間的影像色彩一致性全自動處理方法。針對當(dāng)前遙

本書基于非合作目標(biāo)雷達(dá)特性、運(yùn)動特性和形狀特征，分析了影響目標(biāo)ISAR成像的因素，重點(diǎn)對稀疏重構(gòu)成像方法和彈道目標(biāo)特征提取方法進(jìn)行了闡述分析，針對非合作目標(biāo)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(zhì)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(gòu)和二維稀疏重構(gòu)的成像方法，并闡述了機(jī)動非合作目標(biāo)的快速高分辨成像方法。針對彈道目標(biāo)快速運(yùn)動特征和微動特征，在建立目標(biāo)中段運(yùn)動及微動模型的基礎(chǔ)上，對回波信號進(jìn)行仿真分析，從其距離像序列及二維ISAR像序列出發(fā)，總結(jié)彈道目標(biāo)的特征提取方

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(jī)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(jìn)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(jī)理性結(jié)合，突出啟發(fā)性和實(shí)用性。

暫無

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(guān)概念、原理、方法、步驟和新進(jìn)展等，具體框架模型和實(shí)現(xiàn)方法都有著鮮明的特色，內(nèi)容涵蓋多分支融合網(wǎng)絡(luò)、基于CNN的雙邊融合網(wǎng)絡(luò)、小卷積特征重用模型、基于多尺度近端特征拼接網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、局部與混合擴(kuò)張卷積融合網(wǎng)絡(luò)、預(yù)激活殘差注意力網(wǎng)絡(luò)、基于多判別器生成對抗網(wǎng)絡(luò)以及3D-2D多分支特征融合和密集注意力網(wǎng)絡(luò)模型在高光譜分辨率遙感影像分類中的應(yīng)用；基于多目標(biāo)粒子群優(yōu)化算法和博弈論的高光譜影像降維方法；以及基于SReLU和用于快速目標(biāo)識別的高空間分辨率遙感

本專著的內(nèi)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(wù)規(guī)劃問題的基本特點(diǎn)、目前的發(fā)展現(xiàn)狀、引出本文的具體內(nèi)容；第二部分為方法論，介紹集成強(qiáng)化學(xué)習(xí)與運(yùn)籌學(xué)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(shù)學(xué)規(guī)劃模型和確定性算法的任務(wù)調(diào)度問題研究、基于有限馬爾可夫決策模型和強(qiáng)化學(xué)習(xí)算法的任務(wù)分配問題研究，為具體模型方法的理論推導(dǎo)、證明、設(shè)計等內(nèi)容；第四部分為基于某型號衛(wèi)星的實(shí)例研究。本專著的特色是深入淺出為讀者介紹成像衛(wèi)星任務(wù)規(guī)劃問題，盡量用易于理解的方式展現(xiàn)

本書主要分為8章四個部分：第一部分，地物信息的傳遞過程；第二部分，遙感數(shù)據(jù)的信息性能及其特征；第三部分，遙感圖像計算機(jī)解譯的方法研究；第四部分，基于人工智能的遙感圖像解譯的實(shí)踐。本書的主要內(nèi)容已作為武漢大學(xué)的本科教材講授多次，另外在教材中加入了大量的實(shí)驗(yàn)案例，以期增強(qiáng)理論結(jié)合實(shí)踐的認(rèn)識和理解。