本書(shū)論述了衛(wèi)星遙感時(shí)間序列數(shù)據(jù)分析的主要方法和遙感時(shí)間序列在陸地生態(tài)系統(tǒng)變化分析領(lǐng)域的相關(guān)應(yīng)用：先概述了光學(xué)遙感時(shí)間序列數(shù)據(jù)重建與地表覆蓋變化檢測(cè)的主流方法，進(jìn)而針對(duì)典型生態(tài)問(wèn)題分別介紹了植被物候、土地荒漠化、人工林識(shí)別與動(dòng)態(tài)分析、生態(tài)系統(tǒng)干擾-恢復(fù)過(guò)程等方向的遙感分析方法和應(yīng)用案例。

本書(shū)基于非合作目標(biāo)雷達(dá)特性、運(yùn)動(dòng)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(duì)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(duì)非合作目標(biāo)成像、特征提取與識(shí)別面臨的成像時(shí)間短、積累信號(hào)少、成像質(zhì)量不高和特征提取識(shí)別難的問(wèn)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(dòng)非合作目標(biāo)的快

本書(shū)共分為8章，重點(diǎn)研究了基于深度屬性學(xué)習(xí)的光學(xué)遙感圖像分類(lèi)方法，如基于屬性學(xué)習(xí)預(yù)測(cè)的細(xì)粒度遙感目標(biāo)分類(lèi)、基于多源屬性學(xué)習(xí)的細(xì)粒度遙感場(chǎng)景分類(lèi)、基于屬性建模遷移的少樣本遙感圖像分類(lèi)、基于視覺(jué)屬性自動(dòng)化標(biāo)注的零樣本遙感圖像場(chǎng)景分類(lèi)等。對(duì)于每種典型的遙感圖像分類(lèi)方法，從研究者的角度，詳細(xì)地介紹了其研究背景、問(wèn)題描述、算法模

本書(shū)共分為十一章，涉及九個(gè)用于圖像分類(lèi)的著名卷積神經(jīng)網(wǎng)絡(luò)模型，分別是：LeNet-5(識(shí)別手寫(xiě)數(shù)字)、AlexNet(寵物貓狗識(shí)別)、VGG(表情識(shí)別)GoogleNet(車(chē)輛品牌識(shí)別)、ResNet(寵物貓狗品種識(shí)別)、MobileNet(新疆蘋(píng)果品種識(shí)別)、SqueezeNet(西紅柿病害識(shí)別)、SqueezeNe

本書(shū)圍繞高光譜遙感圖像智能分類(lèi)與檢測(cè)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(lèi)與檢測(cè)中的應(yīng)用，反映該領(lǐng)域目前最新研究成果與趨勢(shì)，突出先進(jìn)性和前瞻性。本書(shū)在介紹智能算法基本原理的同時(shí)，注重闡述算法與應(yīng)用問(wèn)題的機(jī)理性結(jié)合，突出啟發(fā)性和實(shí)用性。

本書(shū)主要內(nèi)容包括進(jìn)化計(jì)算、機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)降維、影像解譯等。本書(shū)著重對(duì)上述領(lǐng)域的國(guó)內(nèi)外發(fā)展現(xiàn)狀進(jìn)行了總結(jié)，闡述了作者對(duì)高光譜遙感影像分類(lèi)實(shí)際應(yīng)用的思考與探索。

本書(shū)總結(jié)了作者近年來(lái)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(lèi)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(duì)高光譜影像分類(lèi)的理論發(fā)展和最新動(dòng)態(tài)以及該領(lǐng)域存在的若干關(guān)鍵問(wèn)題、研究難點(diǎn)及新方法等進(jìn)行了論述。

本書(shū)針對(duì)遙感成像衛(wèi)星在軌實(shí)時(shí)處理這一新技術(shù)方向，系統(tǒng)全面地介紹了在軌實(shí)時(shí)處理的基本概念、研究意義、國(guó)內(nèi)外發(fā)展歷程及趨勢(shì)；面向微波成像衛(wèi)星，從在軌成像處理與在軌目標(biāo)檢測(cè)分類(lèi)兩個(gè)方面闡述了算法流程及優(yōu)化設(shè)計(jì)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(píng)價(jià)、在軌目標(biāo)檢測(cè)分類(lèi)等方面闡述了算法優(yōu)化設(shè)計(jì)方法；面向在軌數(shù)

民間重要區(qū)域的安防和國(guó)家軍事重地的值守，都需要對(duì)入侵目標(biāo)實(shí)時(shí)監(jiān)測(cè)其方位和運(yùn)動(dòng)軌跡。本專(zhuān)著主要是探討基于動(dòng)靜態(tài)熱釋電紅外傳感器(PIR)探測(cè)器組構(gòu)成的探測(cè)網(wǎng)域/對(duì)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(diǎn)就是如何迅速準(zhǔn)確地探測(cè)出入侵目標(biāo)的方位和運(yùn)動(dòng)軌跡。 本專(zhuān)著以研發(fā)的新型動(dòng)靜態(tài)PIR探測(cè)器組構(gòu)成探測(cè)網(wǎng)域，經(jīng)過(guò)實(shí)驗(yàn)

本書(shū)在介紹深空探測(cè)任務(wù)與深空影像背景知識(shí)的基礎(chǔ)上,著重從統(tǒng)計(jì)數(shù)據(jù)分析和人工智能兩個(gè)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(jì)數(shù)據(jù)分析方面,介紹了統(tǒng)計(jì)理論工具及其在“嫦娥”觀(guān)測(cè)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(yǔ)義分割和基于目標(biāo)檢測(cè)方法在全月撞擊坑的自動(dòng)判讀識(shí)別.為了便于讀者使用上