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(diǎn)、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(qiáng)化學(xué)習(xí)與運(yùn)籌學(xué)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(xué)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(qiáng)化學(xué)習(xí)算

本書從遙感信息處理技術(shù)基礎(chǔ)出發(fā)，介紹了遙感的基本概述、發(fā)展歷史、發(fā)展現(xiàn)狀、未來趨勢以及遙感的基本物理基礎(chǔ)。作為技術(shù)實(shí)例，本書還介紹了典型的遙感傳感技術(shù)，包括遙感信息技術(shù)的分析，其中包含遙感光譜的分析技術(shù)、遙感的地形構(gòu)建分析、遙感專題信息處理分析及遙感信息分析應(yīng)用等技術(shù)。本書根據(jù)測繪、遙感、地理信息等不同行業(yè)對高層次人才

本書的第1章是緒論，介紹了研究背景、意義；國內(nèi)外發(fā)展現(xiàn)狀及存在的問題；第2章介紹了與卷積神經(jīng)網(wǎng)絡(luò)相關(guān)的理論、模型、訓(xùn)練的流程及精度評價(jià)指標(biāo)；第3章基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)用于遙感影像的車輛檢測理論、實(shí)驗(yàn)；第4章、第5章、第6章分別介紹了全卷積神經(jīng)網(wǎng)絡(luò)模型、引入條件隨機(jī)場的卷積神經(jīng)網(wǎng)絡(luò)模型、膨脹卷積算法的卷積神經(jīng)網(wǎng)絡(luò)模型用于

本書共分七章，內(nèi)容包括：多源異構(gòu)遙感的基本原理以及國內(nèi)外研究現(xiàn)狀、基于光譜特征增強(qiáng)的道路提取、空-譜特征聯(lián)合的道路提取方法、基于眾源時(shí)空數(shù)據(jù)的道路提取方法等。

本書主要分為8章四個(gè)部分：第一部分，地物信息的傳遞過程；第二部分，遙感數(shù)據(jù)的信息性能及其特征；第三部分，遙感圖像計(jì)算機(jī)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(shí)踐。本書的主要內(nèi)容已作為武漢大學(xué)的本科教材講授多次，另外在教材中加入了大量的實(shí)驗(yàn)案例，以期增強(qiáng)理論結(jié)合實(shí)踐的認(rèn)識和理解。

本書介紹多尺度理論在遙感圖像處理中的應(yīng)用，涉及多尺度的概念、小波多尺度變換、多尺度幾何分析理論、經(jīng)驗(yàn)?zāi)�態(tài)分解、鄰域多尺度濾波器和深度學(xué)習(xí)多尺度卷積等理論，并用于光學(xué)、紅外、高光譜、合成孔徑雷達(dá)等遙感圖像處理，主要包括紅外圖像濾波、光學(xué)圖像霧霾去除和合成孔徑雷達(dá)圖像增強(qiáng)，以及遙感圖像的特征提取、目標(biāo)檢測、語義分割、地物分

本圖集以SDGSAT-1衛(wèi)星微光成像儀獲取的10m分辨率的彩色夜間燈光圖像為主要內(nèi)容，分別收錄了亞洲、非洲、歐洲、美洲、大洋洲共計(jì)147個(gè)城市的微光影像及其文字介紹，展示各城市夜晚的繁華與活力，反映城市人居格局與經(jīng)濟(jì)發(fā)展?fàn)顩r，折射出不同地域、不同風(fēng)俗、不同文化背景下各城市的民族風(fēng)情和底蘊(yùn)。《BR》本圖集既是一本具有科學(xué)

本書分15個(gè)部分，內(nèi)容包括：地圖精度評價(jià)的歷史、進(jìn)行精度評價(jià)的計(jì)劃、位置精度評價(jià)、專題精度評價(jià)基礎(chǔ)、參考數(shù)據(jù)的采集、基礎(chǔ)分析技術(shù)等。

本書共分7章，第1章主要介紹遙感影像與深度學(xué)習(xí)的基本概念；第2章主要介紹計(jì)算機(jī)操作與GPU基礎(chǔ)知識；第3章主要介紹深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)；第4章主要介紹卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)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(xì)介紹了PyTorch和TensorFlow兩個(gè)機(jī)器學(xué)習(xí)框架的搭建方法；第7章按實(shí)踐操

在遙感影像預(yù)處理中，關(guān)鍵步驟是對遙感影像的幾何糾正。如何實(shí)現(xiàn)無控制點(diǎn)情況下遙感影像數(shù)據(jù)與矢數(shù)據(jù)的配準(zhǔn)具有重要應(yīng)用意義�；�于此，本書提出將矢量空間數(shù)據(jù)與影像數(shù)據(jù)間配準(zhǔn)轉(zhuǎn)換到矢量空間數(shù)據(jù)間匹配的思路，針對基于形狀特征的矢量數(shù)據(jù)與影像數(shù)據(jù)配準(zhǔn)研究所涉及的影像去噪、特征提取、影像矢量化和影像控制點(diǎn)的自動(dòng)選取等算法，開發(fā)了一套原