本書針對該種成像儀獲取的影像進行航帶拼接研究，以獲得具有高幾何定位精度和高光譜保真性的高光譜影像。本書首先利用曲面樣條函數(shù)法或基于導航數(shù)據(jù)或二者結(jié)合的方法對影像進行幾何校正；然后采用基于邊緣塊剔除的局部方差法計算各波段信噪比，取分值最高的波段作為最優(yōu)波段；再利用該最優(yōu)波段采用SIFT算法或改進的相位相關(guān)法來糾正航帶間已

本書共編寫了7個項目，項目內(nèi)容包括：遙感基礎(chǔ)知識、遙感數(shù)據(jù)獲取原理、遙感影像及其預處理、遙感影像增強處理、遙感影像目視解譯、遙感影像計算機分類、遙感專題制圖等，涵蓋了遙感的基礎(chǔ)知識和實踐操作技能。

本書以測量學隨機決策森林算法為主題，從理論基礎(chǔ)出發(fā)，系統(tǒng)闡述該方法的核心思想、演化規(guī)律、存在問題及改進措施，并結(jié)合多光譜、高光譜和面向?qū)ο蟮倪b感信息提取實例，綜合分析該方法在實際遙感工作中的表現(xiàn)，進而彌補目前遙感應(yīng)用領(lǐng)域“重方法而輕理論”的傾向。全書共分為六章，內(nèi)容包括決策樹分類理論與算法，隨機決策森林算法及改進、遙感

本書基于注入模型從像素級層面開展遙感圖像新算法研究，重點是提高遙感圖像的融合性能和應(yīng)用價值，主要論述基于精煉細節(jié)注入的遙感圖像融合算法、基于補償細節(jié)注入的遙感圖像融合算法、基于多光譜圖像改進的遙感圖像融合算法、基于光譜及亮度調(diào)制的遙感圖像融合算法和基于多目標決策的遙感圖像融合算法。本書適合數(shù)據(jù)融合、計算機視覺、圖像處理

隨著海道測量技術(shù)的不斷發(fā)展，衛(wèi)星水深反演(SDB)技術(shù)在淺海水域應(yīng)用日趨廣泛，SDB技術(shù)較傳統(tǒng)海道測量可以實現(xiàn)以較少的成本獲得淺水區(qū)域的水深，同時可應(yīng)用于聲學測量手段無法獲取的水域，在海圖尚未標明的水域尤其有效，可以在聲學測量之前提高其安全性。國際海道測量組織IHO《衛(wèi)星測深實踐指南(B-13)》提供了關(guān)于SDB技術(shù)的

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、步驟和新進展等，具體框架模型和實現(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)、局部與混合擴張卷積融合網(wǎng)絡(luò)、預激活殘差注意力網(wǎng)絡(luò)、基于多判別器生成對抗網(wǎng)絡(luò)以及3D-2

微波遙感有著全天候、全天時的工作能力，能夠?qū)崿F(xiàn)實時的動態(tài)監(jiān)測，另外對于冰、雪、森林、土壤等地物具有一定的穿透能力，這些優(yōu)點使得微波遙感不論是在軍事上還是在民用上都發(fā)揮著非常重要的作用。本書是為微波遙感原理與應(yīng)用課程實習準備的指導書，循序漸進地介紹了課程實習中微波遙感影像數(shù)據(jù)的查看，影像處理、影像融合和影像解譯。此外，本

本書核心內(nèi)容集中在高光譜圖像的空間分辨率提升和目標分類應(yīng)用，具體涵蓋高光譜圖像的像元解混、超分辨重建和高精度地物分類三部分內(nèi)容。本書內(nèi)容本身是多學科交叉融合的產(chǎn)物，理論涉及高光譜遙感圖像處理、模式識別理論，多核機器學習，深度學習等，是當前高光譜地物分類領(lǐng)域理論研究和應(yīng)用拓展的焦點。主要技術(shù)及應(yīng)用包括：基于多核投影NMF

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、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(wù)調(diào)度問題研究、基于有限馬爾可夫決策模型和強化學習算

衛(wèi)星遙感、地基觀測、模型模擬、社會感知等是獲取地球表層科學數(shù)據(jù)的主要手段，不同來源的數(shù)據(jù)之間存在強烈的互補性。本書圍繞多源數(shù)據(jù)的融合計算展開研究，以多源遙感數(shù)據(jù)的信息融合為主體內(nèi)容，并擴展到與地基數(shù)據(jù)、模型模擬數(shù)據(jù)和社會感知數(shù)據(jù)的融合。內(nèi)容體系上分為同質(zhì)數(shù)據(jù)融合、異質(zhì)數(shù)據(jù)融合、異類數(shù)據(jù)融合等幾個層次：首先介紹同質(zhì)光學遙