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

遥感应用工程是构建在一定科学与技术积累上的、为满足某种需求而开展的系统建设与运行及其应用，包括在一定的应用基础设施支持下开展新型遥感器研发、应用方法与技术研究、遥感信息系统研发。 本书以多角度偏振成像仪（DPC）的应用研究与载荷研发为主，结合航天遥感应用理论研究与应用基础设施建设主题，兼容并蓄高分专项及这一阶段我国民用

在当今的自动驾驶和智能交通系统领域，视频车道线检测技术扮演着至关重要的角色。本书将带您深入探索这一领域，揭示如何使用深度学习技术来实现精确、鲁棒和实时的车道线检测。本书全面系统地介绍了基于深度学习的视频车道线检测技术，包括基于深度学习的车道线检测理论基础、基于SwinTransformer的车道线检测技术、基于深度混合

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。

本书针对遥感成像卫星在轨实时处理这一新技术方向，系统全面地介绍了在轨实时处理的基本概念、研究意义、国内外发展历程及趋势；面向微波成像卫星，从在轨成像处理与在轨目标检测分类两个方面阐述了算法流程及优化设计方法；面向光学成像卫星，从在轨数据预处理、在轨压缩与质量评价、在轨目标检测分类等方面阐述了算法优化设计方法；面向在轨数

民间重要区域的安防和国家军事重地的值守，都需要对入侵目标实时监测其方位和运动轨迹。本专著主要是探讨基于动静态热释电红外传感器(PIR)探测器组构成的探测网域/对入侵目标的智能感知理论和技术应用方法。研究的焦点就是如何迅速准确地探测出入侵目标的方位和运动轨迹。 本专著以研发的新型动静态PIR探测器组构成探测网域，经过实验