本書針對該種成像儀獲取的影像進(jìn)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(dǎo)航數(shù)據(jù)或二者結(jié)合的方法對影像進(jìn)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(jìn)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(yù)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(xué)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(jìn)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(jìn)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(jìn)、遙感

高光譜圖像分析是遙感技術(shù)對地球表面分析和應(yīng)用的一個關(guān)鍵步驟，同時也是人類認(rèn)知地球的重要手段之一。為滿足對分類精度和效率以及泛化性的要求，針對高光譜圖像具有的復(fù)雜空-譜特性、非線性可分以及標(biāo)記樣本有限等特點，利用深度學(xué)習(xí)和寬度學(xué)習(xí)技術(shù)，探索監(jiān)督型、半監(jiān)督型、無監(jiān)督型以及遷移型深-寬度高光譜圖像分類方法，分別對應(yīng)第3章、第

遙感科學(xué)與技術(shù)是一門交叉性學(xué)科，內(nèi)容廣泛而復(fù)雜�！哆b感原理與應(yīng)用》一書從遙感的物理原理出發(fā)，深入淺出地闡述遙感科學(xué)的基礎(chǔ)理論與基本概念。本書內(nèi)容主要涵蓋遙感基本概念、遙感理論基礎(chǔ)，包括電磁輻射基礎(chǔ)、地物電磁輻射基本特性、輻射傳輸?shù)幕�本原理以及遙感數(shù)據(jù)獲取所涉及的傳感器及遙感平臺基本原理；遙感數(shù)據(jù)處理的基本方法，包括遙感

本書以無人機影像為研究對象，從拼接效率與精度兩個方面對無人機影像拼接方法進(jìn)行改進(jìn)。本書的主要研究內(nèi)容包括：無人機影像拼接特征點的快速提取。針對SURF算法在特征點提取方面效率不高的問題，從構(gòu)造尺度空間、特征點檢測、特征主方向計算、特征向量計算等過程進(jìn)行并行優(yōu)化加速。無人機影像拼接特征點的新特征構(gòu)建。針對傳統(tǒng)SURF算法

本書全面講解了卷積神經(jīng)網(wǎng)絡(luò)（CNN）、單階段目標(biāo)檢測、雙階段目標(biāo)檢測、多尺度融合、注意力機制和語義分割等深度學(xué)習(xí)算法在遙感圖像分類、檢測、分割和提取等方面的應(yīng)用，介紹了各種深度學(xué)習(xí)模型的原理及其在遙感圖像處理中的具體實現(xiàn)方法。本書以遙感圖像飛機目標(biāo)檢測、艦船目標(biāo)檢測、遙感圖像建筑物提取及遙感圖像土地語義分割為例，詳細(xì)介

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(xì)節(jié)注入的遙感圖像融合算法、基于補償細(xì)節(jié)注入的遙感圖像融合算法、基于多光譜圖像改進(jìn)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(biāo)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(xué)測量手段無法獲取的水域，在海圖尚未標(biāo)明的水域尤其有效，可以在聲學(xué)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(jìn)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(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-2