本書是一本探討卷積神經網絡在圖像融合、識別任務上應用的專業(yè)著作，旨在為讀者提供全面而實用的知識體系，使其能夠深入理解圖像融合與識別的原理和實現(xiàn)，并應用于各個領域。本書涵蓋了從卷積神經網絡基礎概念到圖像融合、識別前沿技術的全面內容，并詳細介紹了著者自身的研究成果。本書共8章，主要包括：圖像融合與目標識別的目的、意義、基本概念、技術指標和研究歷史及現(xiàn)狀，卷積神經網絡，特征表示學習的多源圖像融合，多域特征對齊的多源圖像融合，小樣本遙感目標識別，復雜樣本分布的遙感目標識別，圖像融合和目標識別的實際應用，

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)劃、任務驅動在軌興趣區(qū)域產品處理、遙感影像在軌信息提取與智能處理、光學衛(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，因此，陰影檢測是至關重要的。 本書將詳細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行遙感影像陰影檢測和消除。并結合當下流行的深度學習前沿技術，講解基于深度學習的遙

遙感影像作為人們獲取地理信息的重要數(shù)據來源，在環(huán)境監(jiān)測、農業(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，影像內部色彩差異較大，使得影像看起來是由很多“色塊”組成，嚴重影響了人類的視覺體驗和后續(xù)的科研應用。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。針對當前遙

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速高分辨成像方法。針對彈道目標快速運動特征和微動特征，在建立目標中段運動及微動模型的基礎上，對回波信號進行仿真分析，從其距離像序列及二維ISAR像序列出發(fā)，總結彈道目標的特征提取方

本書圍繞高光譜遙感圖像智能分類與檢測這一主題，著重介紹以機器學習、深度學習等為代表的智能新方法和新技術在高光譜圖像分類與檢測中的應用，反映該領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，注重闡述算法與應用問題的機理性結合，突出啟發(fā)性和實用性。

本書在介紹深空探測任務與深空影像背景知識的基礎上,著重從統(tǒng)計數(shù)據分析和人工智能兩個方面介紹深空遙感影像相關的智能解譯方法.其中,在統(tǒng)計數(shù)據分析方面,介紹了統(tǒng)計理論工具及其在“嫦娥”觀測數(shù)據的判讀解譯應用.在人工智能數(shù)據分析方面,介紹了深度學習中基于語義分割和基于目標檢測方法在全月撞擊坑的自動判讀識別.為了便于讀者使用上述方法,書中提供了大量案例及相應的代碼實現(xiàn).

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

本專著的內容分為四大部分，第一部分為緒論，介紹各類成像衛(wèi)星任務規(guī)劃問題的基本特點、目前的發(fā)展現(xiàn)狀、引出本文的具體內容；第二部分為方法論，介紹集成強化學習與運籌學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)學規(guī)劃模型和確定性算法的任務調度問題研究、基于有限馬爾可夫決策模型和強化學習算法的任務分配問題研究，為具體模型方法的理論推導、證明、設計等內容；第四部分為基于某型號衛(wèi)星的實例研究。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)據的信息性能及其特征；第三部分，遙感圖像計算機解譯的方法研究；第四部分，基于人工智能的遙感圖像解譯的實踐。本書的主要內容已作為武漢大學的本科教材講授多次，另外在教材中加入了大量的實驗案例，以期增強理論結合實踐的認識和理解。