本书论述了高分遥感智能解译面临的问题与挑战，阐明了”特征提取在遥感影像智能解译中的重要性”以及”特征提取从传统人工构筑特征->监督学习驱动的特征学习->自监督学习的特征学习的意义”。在此基础上，本书系统地论述了遥感自监督学习方法的理论、算法及应用，以期为数据源极大丰富条件下开展遥感影像智能解译研究提供新的视

本书共两个部分10个章节，详细介绍了PIE7.0遥感图像处理软件功能及高分卫星遥感图像处理流程和方法，主要内容包括高分专项系列卫星概述、PIE7.0遥感数字图像处理软件、遥感图像预处理、遥感图像分类，以及遥感应用综合实践。

本书聚焦于光学遥感图像中的目标检测技术，分析图像中目标的特征及其对应的标签问题，并归纳出三种常见的标签情况，即标签错误、标签单一和标签缺失，进而引出弱标签的概念，并对每种标签问题的现有解决方案及其局限性进行探讨。基于此，书中进一步提出了针对不同标签问题的创新方法，并展示了相关实验结果。此外，部分方法还在嵌入式设备上得到

本书对高光谱的光谱学基本概念、光谱机理及光谱分析方法进行全面的总结研究；对python的编程基础和科学计算方法进行了较全面的研究；对python高光谱数据处理数据工具进行系统分析；对常用的开源地物光谱数据库及使用方法进行全面研究；全面开展高光谱遥感地物分析的算法研究；开展对东天山-北山成矿带高光谱矿物及找矿应用；进行了

全书共9章，主要分为高光谱影像特征提取和高光谱影像分类两大部分，主要内容包括典型高光谱影像特征提取技术、基于滤波的高光谱影像特征提取、高光谱影像半监督特征提取、高光谱影像信息向量机分类、高光谱影像模糊分类、空间约束条件下的高光谱影像分类、高光谱影像多核支持向量机后验概率空间结构规则化等。

本书是作者多年从事遥感影像处理与分析教学、科研工作中关于图像超分辨率重建研究的总结，主要介绍卫星遥感影像超分辨率处理的基本原理、方法和技术。书中首先介绍了图像超分辨率的基本理论和方法，然后介绍了卫星影像的超分辨率重建技术，包括卫星影像退化因素分析及辨识、基于退化模型的卫星影像超分辨率重建、基于学习的卫星影像超分辨率重建

本书以综合性高光谱遥感知识体系为线索，围绕高光谱遥感数据采集、数据处理、数据分析、数据应用全流程实践体系，构建完整知识框架，内容包括数据采集与预处理、高光谱降维与特征挖掘、高光谱图像分类、混合像元分解、目标探测、数据融合以及高光谱遥感应用等模块，形成了一套系统的实习与实验方案。通过学习本书，读者能够系统提升高光谱遥感的

本书面向当前多时相遥感影像处理分析的学术前沿与地学应用的重大需求，介绍多时相遥感影像处理分析的框架体系和实现过程，对其中涉及的发展前沿、关键技术进行了探讨和综述。在常规遥感变化检测、多时相信息提取方法的基础上，引入深度学习、集成学习、迁移学习等新型机器学习理论方法，重点对多时相遥感影像自动变化检测、多时相遥感影像地表覆

本书系统介绍了群集行为的数学理论，以Cucker-Smale模型为核心，探讨了多智能体在自然界和工程领域中的群体动态行为，如蜂拥、群集行为和一致性等现象.全书分为两部分：第一部分聚焦Cucker-Smale模型的群集行为，第二部分研究其一致性.本书从群体行为的基本概念入手，详细分析了长程和短程通信权重下的模型性质，包括

本书包括7章：第1章介绍了遥感图像的基本概念及成像原理；第2章探讨了遥感图像预处理技术；第3章介绍了遥感图像的变换技术；第4章阐述了遥感图像的监督分类、非监督分类，以及图像分割技术的应用；第5章针对遥感图像信息提取展开讨论；第6章重点介绍了遥感图像在农业、森林、交通等领域的实际应用；第7章总结全文，并对遥感技术的发展趋