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

本书面向智能化时代遥感影像处理与应用的需求，结合作者近年来在遥感影像智能解译方面的研究工作，系统地阐述了高分辨率遥感影像解译与变化检测的方法，以“数据-像素-目标-场景”的层次认知模型为基础，引入基于深度学习的全要素遥感影像语义分割模型，在此基础上提出顾及拓扑结构与空间上下文的线状、面状地物专题要素提取方法，并构建了融

志愿者地理信息(VGI)数据质量评价对于确保数据准确性、评估数据价值、推动数据质量改进、促进数据共享与协作，以及支持科学研究与发展等方面都具有重要意义。本书围绕VGI数据的特点、怎样理解VGI数据、有关地理信息数据质量的描述，以及VGI数据智能评价方法进行了全面而深入的研究和探讨。本书致力于系统全面地解释VGI数据质量

遥感影像多尺度分类是目前遥感影像处理与解译研究的热点之一。本书以遥感影像像素-对象-场景分类为主线，基于人工智能方法，开展像素级分类、面向对象分类和场景级分类研究，建立了多种遥感影像多尺度分类和解译方法。这些研究旨在提高遥感影像智能分类精度和异常值探测性能，推动遥感影像分类技术的应用与发展，兼具理论和实践的双重意义。

遥感图像中的目标检测对城市规划、人口估计和地形图制作具有重要意义。不同观测平台在进行数据采集时，由于成像机理、天气及地物复杂性等原因，将产生不同程度的噪声，对采集到的图像进行处理时，错分、漏分现象比较普遍，这些都会影响目标检测的效果。深度学习方法在各种计算机视觉任务中显示出可喜的成果，包括遥感图像中的目标检测，它可以自

"仿真作为一种实验手段，在卫星论证、设计、制造与评价中始终发挥着关键作用。为适应近二十年来航天遥感的爆发式快速发展，遥感技术与仿真技术的交叉融合逐渐成为一种必然。本书将卫星遥感仿真作为一个学术研究领域，在不断实践基础上形成对仿真遥感学的认知与理解，构建出像元级仿真理论以及面向遥感信息品种、规格、质量、规模与时效性的仿真

本书是在国产遥感数据处理和分析平台PIE系列软件用户手册和培训素材的基础上，系统分析了其他相关教材在内容构成、形式表达以及在教学、科研及行业应用中所存在的实际问题，集合作者多年教学经验以及实践经验编写而成。通过结合理论基础与实际案例，提供了一个系统的学习和应用平台。全书共包括五个专题，18个实验，分别为农业遥感(专题一

首先，绪论介绍空间对地观测光学卫星视频智能处理的定义和特点。着重论述了空间对地观测视频卫星的发展应用、视频智能处理方法的发展现状和难点、数据集的发展等重点内容，为后续章节的内容奠定理论基础。卫星视频智能处理任务方面的章节中，专著既强调了任务的概念与内涵，又详细介绍了方法的发展脉络、应用案例以及提出的先进的模型算法，使读

遥感数据是空间大数据的一个子集。面向大数据处理，需要新的思维指导实践。新思维之一：寻找多源数据不变特征的思维，基于不变特征减弱同地、同谱、同时不同传感器数据之间的不一致性，不同传感器数据可综合集成应用。本书数据处理篇多源数据的几何一致性处理、辐射一致性处理等都是这一思维指导下的关键技术。新思维之二：将信息提取转化为数据

本著作全面阐述了遥感图像分割、变化检测、SVM分类、精准识别等的定义、研究现状和算法原理。书中依次介绍了遥感图像分割、变化检测、分类等板块的相关概念、应用和发展现状与趋势，重点论述了基于MRF模型的SAR图像分割、基于区域相似性的高分辨率遥感影像分割、基于MRF模型的SAR图像变化检测、基于SVM的遥感图像分类、基于G