本書共分7章，第1章主要介紹遙感影像與深度學習的基本概念；第2章主要介紹計算機操作與GPU基礎知識；第3章主要介紹深度學習的數學基礎；第4章主要介紹卷積神經網絡基礎和基本要素；第5章簡要介紹了Python語言的基本語法與使用；第6章詳細介紹了PyTorch和TensorFlow兩個機器學習框架的搭建方法；第7章按實踐操作步驟詳細介紹了影像分類LeNet網絡的代碼實現、影像目標檢測Faster R-CNN網絡的代碼實現與模型訓練以及影像目標識別U-Net網絡的代碼實現與模型訓練。
本書從三個側面給出了圖像情報解譯研究領域的研究動態和方法闡述：第一部分是認識篇，包括第一、第二章，主要對圖像情報解譯的歷史進行回顧，凝練面臨的難點問題和待突破的本質問題，提出圖像情報解譯實際操作的共性原理；第二部分是方法篇，包括第三、第四、第五、第六、第七共五章，結合近年高速發展的多種高分辨率影像資源，研究提出“時空頻”三域圖像融合的體系架構，第三部分是實踐篇，包括第八、第九共兩章，以圖文并茂的多組案例，示范了運用圖像解譯基本原理和融合方法的實際圖像解譯和情報分析的案例。全書內容總結了
目前，光學衛星成像已由單傳感器成像時代全面進入多傳感器成像時代。多源遙感圖像融合技術是光學衛星多傳感器成像應用的關鍵核心技術，在遙感制圖、圖像判讀、圖像解釋等應用中發揮著基礎性作用。本書系統地介紹了遙感圖像融合的研究背景、概念內涵和主要方法，包括多源遙感圖像融合評價方法、寬幅多源光學遙感圖像配準方法、全色與多光譜圖像高保真融合方法、全色與高光譜圖像高保真融合方法、多光譜與高光譜圖像高保真融合方法，并給出了大量的實驗分析與示例。本書取材廣泛、理論與應用密切結合，對光學遙感圖像融合應用與研究具有很好
本書是在國產時空遙感云服務平臺PIE-Engine系列用戶手冊和培訓素材的基礎上，集作者多年遙感大數據、云計算、人工智能等理論研究和開發實踐經驗升華凝練而成的。本書結合時空遙感云服務平臺PIE-Engine設計理念、基本功能和技術特色，系統介紹了時空遙感云服務平臺PIE-Engine基本理論、關鍵技術、操作流程和專題應用。本書聚焦時空遙感云服務技術前沿，力求理論與實踐相結合，集海量遙感數據在線處理、遙感數據科學分析、全棧式遙感智能解譯、遙感數據共享與發布的理論與操作實踐于一體，用通俗易懂的語言闡
本書主要介紹高分辨率光學遙感衛星影像區域網平差處理與應用，重點圍繞高分辨率光學遙感衛星高精度區域網平差模型、方法和關鍵技術進行論述。全書共6 章，綜合介紹國內外高分辨率光學遙感衛星的技術發展現狀，重點介紹高分辨率光學遙感衛星幾何成像模型構建、高分辨率光學遙感衛星影像區域網平差模型構建、高分辨率光學遙感衛星影像匹配和大型區域網構建方法、高分辨率光學遙感衛星影像區域網平差參數解算和粗差探測方法、多源數據輔助光學遙感衛星影像區域網平差方法和典型多源遙感衛星影像區域網平差實驗。
本書圍繞小樣本遙感圖像分類任務展開具體研究工作，研究過程采用改善圖像特征提取和分類器設計兩種不同的子空間學習模式，重點解決小樣本圖像分類任務中存在的由于預訓練特征提取器無法適應新的數據類別，導致提取的特征鑒別性不足以及含標簽樣本過少，帶來的樣本分布與實際數據分布存在偏差等問題。本書提出了系列的子空間學習算法，進一步改善小樣本遙感圖像分類性能，并在公有遙感數據集及自行構建遙感數據集進行實驗測試、數據統計、圖表分析和遙感實景圖片可視化展示。
本書圍繞航空光電成像高分辨率、寬覆蓋及激光三維成像三個方面展開，就其研究現狀、系統方案及實現過程中所遇到的問題及解決方案進行詳細論述。第一部分像元超高分辨成像，主要介紹了亞像元、L形異形像元及空間編碼掃描等效異形像元超分辨成像原理、工程實現及實驗結果；第二部分大視場高分辨率成像系統，介紹了共心多尺度成像系統、面陣動態多幅掃描成像系統及線陣像面掃描拼接成像系統；第三部分直接測距型激光主動成像系統，主要介紹了國內外研究現狀與發展趨勢，以及涵蓋系統設計全鏈路的關鍵技術。
光學偏振遙感信息鏈路涉及地球大氣-地表系統多個環節，來自地-氣系統的光偏振輻射信息傳輸特性仿真是其性質參數反演和偏振遙感圖像解譯的重要研究內容。本書系統介紹作者及其研究團隊在偏振遙感成像仿真領域的多年研究成果。全書分為6章，按照典型地物偏振特征、大氣偏振輻射傳輸特性、遙感探測器仿真和偏振遙感信息鏈路仿真等介紹相應的仿真技術與方法。調研大氣及典型地物偏振遙感應用研究狀況，分析不同自然地物典型樣品以及人工目標樣品的實驗情況，介紹大氣矢量輻射傳輸特性及代表性算法和時序成像偏振探測器仿真，在綜合考慮偏振
新書資訊 新書推薦