本书系统的阐述了遥感大数据背景下，遥感信息智能化处理的基本理论、相关技术及具体应用。全书共分七章，包括遥感影像几何配准技术、遥感影像智能融合技术、遥感图像变化检测技术、遥感信息智能识别技术、遥感数据同化技术以及遥感智能云计算技术。本书整体内容精炼系统，并涵盖深度学习、云计算等前言研究技术，在编写过程中结合了算法原理与实际应用案例，全面而又不失重点地展现了遥感智能信息处理技术应用，较为全面地表述了遥感影像智能处理知识体系。
更多科学出版社服务，请扫码获取。
中国科学院战略性先导科技专项"地球大数据科学工程"的课题"全景美丽中国数据综合集成与知识服务系统"的负责人，
目录
前言
第1章 绪论 1
1.1 遥感图像智能处理技术 1
1.2 关键图像处理技术研究进展 1
1.2.1 遥感影像几何配准技术 1
1.2.2 遥感影像智能融合技术 6
1.2.3 遥感影像变化检测技术 10
1.2.4 遥感信息智能识别技术 13
1.2.5 遥感数据同化技术 21
1.2.6 遥感智能云计算技术 24
参考文献 28
第2章 遥感影像几何配准技术 45
2.1 遥感影像自动配准技术 45
2.1.1 遥感影像配准原理 45
2.1.2 遥感影像配准方法 46
2.1.3 遥感影像配准精度评估方法 48
2.1.4 多模态遥感影像特性及配准关键问题分析 49
2.2 光学高分影像自动配准技术 52
2.2.1 SIFT 算法及存在问题 52
2.2.2 基于SIFT 与互信息筛选优化的遥感影像配准方法 57
2.3 光学与雷达影像自动配准技术 64
2.3.1 相位一致性原理 64
2.3.2 扩展相位一致性光学与SAR 影像配准算法流程 65
2.3.3 实验结果与分析 71
2.4 基于深度卷积特征的多模态遥感影像配准技术 79
2.4.1 卷积神经网络原理 79
2.4.2 算法流程 80
2.4.3 实验结果与分析 85
2.5 本章小结 94
参考文献 94
第3章 遥感影像智能融合技术 98
3.1 遥感图像自动融合技术 98
3.1.1 遥感图像融合原理 98
3.1.2 融合的细节提取与直方图匹配 99
3.1.3 遥感图像融合评价方法 100
3.1.4 遥感影像融合关键问题分析 103
3.2 基于ICM 的自适应多光谱图像全色锐化算法 104
3.2.1 ICM 图像分割 104
3.2.2 多光谱图像全色锐化算法设计 106
3.2.3 实验结果与分析 109
3.3 基于ICM的多光谱与无人机图像自适应锐化融合算法 114
3.3.1 多光谱与无人机图像自适应锐化融合算法框架 114
3.3.2 锐化融合 115
3.3.3 实验结果与分析 116
3.4 基于ICM 的自适应高光谱图像全色锐化算法 118
3.4.1 高光谱图像全色锐化算法框架 118
3.4.2 锐化融合方法 121
3.4.3 实验结果与分析 123
3.5 本章小结 127
参考文献 127
第4章 遥感影像变化检测技术 130
4.1 经典变化检测方法 131
4.1.1 分类后比较法 131
4.1.2 变化向量分析法 131
4.1.3 后验概率空间变化向量分析法综述 132
4.2 耦合模糊聚类算法和贝叶斯网络变化检测 132
4.2.1 模糊C 均值聚类算法 132
4.2.2 简单贝叶斯网络 133
4.2.3 贝叶斯网络学习 134
4.2.4 后验概率空间变化向量分析法原理 135
4.2.5 FCM-SBN-CVAPS变换检测算法流程 135
4.2.6 实验结果与分析 135
4.3 后验概率空间混合条件随机场变化检测 140
4.3.1 随机场原理 140
4.3.2 FCM-SBN-CVAPS-HCRF的势能函数 142
4.3.3 实验结果与分析 143
4.4 遥感影像抗噪声变化检测 153
4.4.1 空间FCM-SBN-CVAPS原理 153
4.4.2 实验结果与分析 155
4.5 本章小结 162
参考文献 163
第5章 遥感信息智能识别技术 165
5.1 基于深度学习的语义分割技术 165
5.1.1 卷积神经网络概念及特点 165
5.1.2 卷积神经网络基本结构 166
5.1.3 语义分割网络 168
5.1.4 典型语义分割网络 169
5.2 Swin Transformer融合Gabor滤波的遥感影像语义分割 173
5.2.1 Gabor 滤波 173
5.2.2 特征融合 174
5.2.3 Swin-S-GF模型设计 179
5.2.4 实验结果与分析 180
5.2.5 消融实验 187
5.3 本章小结 189
参考文献 190
第6章 遥感数据同化技术 193
6.1 遥感数据同化基本原理 193
6.1.1 遥感数据同化原理 193
6.1.2 遥感数据同化方法 194
6.1.3 遥感数据同化评价标准 200
6.1.4 多源遥感数据的特性和同化的关键问题分析 201
6.2 基于EnKF的遥感积雪数据同化技术 202
6.2.1 遥感积雪数据同化流程 202
6.2.2 实验结果与分析 206
6.3 基于EnKF的遥感微波亮温与地表温度数据同化技术 217
6.3.1 遥感微波亮温与地表温度数据同化流程 217
6.3.2 实验结果分析 220
6.4 基于EnKF的遥感微波亮温与地下水储量变化的数据同化技术 225
6.4.1 遥感微波亮温与地下水储量变化数据同化流程 225
6.4.2 实验结果分析 226
6.5 本章小结 232
参考文献 233
第7章 遥感智能云计算技术 237
7.1 遥感智能云计算 237
7.1.1 遥感智能云计算基本概念 237
7.1.2 遥感智能云计算关键技术 238
7.2 可扩展计算资源的遥感大数据云计算平台 240
7.2.1 云计算平台硬件环境 240
7.2.2 云计算平台软件环境 241
7.2.3 云计算平台集成方案 241
7.3 基于云平台的遥感大数据快速处理——以MODIS NDVI数据为例 243
7.3.1 实验设计 243
7.3.2 云平台效率评估 244
7.4 云平台与深度学习框架的集成 247
7.4.1 云平台与深度学习框架的集成方案 248
7.4.2 集成云平台和深度学习框架的时序MODIS LAI数据重建 248
7.5 本章小结 252
参考文献 253
书单推荐
