本书主要讲述了智能遥感卫星的遥感影像在轨高精度处理与实时智能服务系统的设计理念与核心技术，重点围绕智能遥感卫星在轨处理与实时智能服务的服务模式、流式架构、关键技术算法和处理系统进行论述。本书包括7个核心章节，分别介绍了对智能遥感卫星得发展现状与趋势、智能遥感卫星在轨流式处理架构与服务模式、面向任务遥感卫星协同自主任务规

本书全面介绍了遥感数字图像获取，遥感数据表示方法、存储及显示，遥感图像校正，遥感影像调色、镶嵌与正射影像生产，图像变换与增强，图像分割，遥感图像分类等的基本概念、理论和方法。同时，本书在ENVI软件的基础上介绍了遥感数字图像处理的应用，并与景观生态风险时空变化驱动与预测项目相结合，详细介绍了遥感数字图像处理在景观生态风

超高空间分辨率(VHR)遥感影像中阴影的形成主要是由于光线被物体阻挡，从而降低了地物的光谱亮度。高效的阴影消除方法可以恢复阴影中地物的光谱信息，是遥感影像分析的关键预处理步骤。然而，由于缺乏精确阴影掩膜和无阴影图像的原因，导致VHR影像阴影消除中存在“数据缺陷”。为了获得高精度的阴影掩膜，为阴影消除提供准确的位置信息，

遥感影像作为人们获取地理信息的重要数据来源，在环境监测、农业发展和国土利用和规划等方面起着十分重要的作用，但是获取影像数据时容易受不均匀的光照、不同的环境条件和不同的传感器平台等因素的影响，导致遥感影像内部存在局部亮度和色彩分布不均匀现象，特别是在由若干幅影像拼接而成的多源拼接影像中，影像内部色彩差异较大，使得影像看起

本书基于非合作目标雷达特性、运动特性和形状特征，分析了影响目标ISAR成像的因素，重点对稀疏重构成像方法和弹道目标特征提取方法进行了阐述分析，针对非合作目标成像、特征提取与识别面临的成像时间短、积累信号少、成像质量不高和特征提取识别难的问题，提出了多种基于联合稀疏重构和二维稀疏重构的成像方法，并阐述了机动非合作目标的快

本书共分为8章，重点研究了基于深度属性学习的光学遥感图像分类方法，如基于属性学习预测的细粒度遥感目标分类、基于多源属性学习的细粒度遥感场景分类、基于属性建模迁移的少样本遥感图像分类、基于视觉属性自动化标注的零样本遥感图像场景分类等。对于每种典型的遥感图像分类方法，从研究者的角度，详细地介绍了其研究背景、问题描述、算法模

本书共分为十一章，涉及九个用于图像分类的著名卷积神经网络模型，分别是：LeNet-5(识别手写数字)、AlexNet(宠物猫狗识别)、VGG(表情识别)GoogleNet(车辆品牌识别)、ResNet(宠物猫狗品种识别)、MobileNet(新疆苹果品种识别)、SqueezeNet(西红柿病害识别)、SqueezeNe

本书围绕高光谱遥感图像智能分类与检测这一主题，着重介绍以机器学习、深度学习等为代表的智能新方法和新技术在高光谱图像分类与检测中的应用，反映该领域目前最新研究成果与趋势，突出先进性和前瞻性。本书在介绍智能算法基本原理的同时，注重阐述算法与应用问题的机理性结合，突出启发性和实用性。

本书主要内容包括进化计算、机器学习、模式识别、数据降维、影像解译等。本书着重对上述领域的国内外发展现状进行了总结，阐述了作者对高光谱遥感影像分类实际应用的思考与探索。

本书总结了作者近年来基于人工智能深度学习模型的高光谱遥感影像智能分类方向的最新研究成果，从深度学习领域最具代表性的卷积神经网络、图卷积网络出发，对高光谱影像分类的理论发展和最新动态以及该领域存在的若干关键问题、研究难点及新方法等进行了论述。