本书系统介绍国产高分定量遥感产品的反演和信息提取技术，内容涵盖多个关键领域。本书首先详细介绍定量遥感参数反演技术，包括基于高分数据的植被覆盖度、潜热通量和地表反照率产品的反演方法。之后，探讨典型要素提取的研究方法，包括多源土地覆被产品的一致性分析与评价、遥感影像分割尺度的优化与应用研究、多源信息协同的城镇用地提取、城市空间格局的多源遥感协同提取，以及遥感地学协同的地表要素提取技术体系和应用。

本书主要利用里德堡原子半径大、辐射寿命长、跃迁偶极矩大和极化率大等特性，通过里德堡电磁诱导透明实现可溯源到国际标准单位制的微波传感器的构建。首先，通过微波-光学的激发方法实现里德堡原子P3/2和F7/2系列量子亏损的测量；其次，利用多载波调制技术精确测量里德堡相干光谱的Autler-Townes分裂，并通过光学谐振腔与里德堡原子的强耦合效应进一步提高里德堡态相干光谱的信噪比；最后，通过构建多种能级结构的里德堡原子系统，利用多微波辅助的量子相干效应，实现弱场条件下里德堡原子相干光谱分辨率的提升。本

在中华人民共和国成立七十五周年之际，我国遥感科学与技术领域最早开拓者之一的童庆禧院士即将迎来他人生九十华诞。童院士见证了中国由弱到强史诗般飞跃，也亲历实践了中国遥感事业从诞生成长到壮大辉煌的绚丽历史进程。本书图文并茂，详细介绍了童院士的主要人生经历。他参加了珠峰第一次科考，参与了中国遥感初创发展规划的制定；策划组织了我国早期的新疆哈密、云南腾冲及津渤综合遥感实验；主持建成了先进的高空机载遥感实用系统；开创了我国高光谱遥感科学与应用领域；推动了高性能对地观测小卫星系统研制、国际合作与商业运营；倡导

本书是一本探讨卷积神经网络在图像融合、识别任务上应用的专业著作，旨在为读者提供全面而实用的知识体系，使其能够深入理解图像融合与识别的原理和实现，并应用于各个领域。本书涵盖了从卷积神经网络基础概念到图像融合、识别前沿技术的全面内容，并详细介绍了著者自身的研究成果。本书共8章，主要包括：图像融合与目标识别的目的、意义、基本概念、技术指标和研究历史及现状，卷积神经网络，特征表示学习的多源图像融合，多域特征对齐的多源图像融合，小样本遥感目标识别，复杂样本分布的遥感目标识别，图像融合和目标识别的实际应用，

本书主要讲述了智能遥感卫星的遥感影像在轨高精度处理与实时智能服务系统的设计理念与核心技术，重点围绕智能遥感卫星在轨处理与实时智能服务的服务模式、流式架构、关键技术算法和处理系统进行论述。本书包括7个核心章节，分别介绍了对智能遥感卫星得发展现状与趋势、智能遥感卫星在轨流式处理架构与服务模式、面向任务遥感卫星协同自主任务规划、任务驱动在轨兴趣区域产品处理、遥感影像在轨信息提取与智能处理、光学卫星遥感影像高倍智能压缩以及珞珈三号01星智能遥感卫星服务示范系统。

高光谱遥感综合了影像学和光谱学等学科优势，可实现对水体环境状况的空间分布和光谱特征的统一探测，为水体环境监测提供了一种新手段。高分5号卫星高光谱遥感数据在光谱分辨率和信噪比等技术指标方面均有显著提升，为提高水环境参数反演精度和实现内陆水体环境的业务化遥感监测等提供了新的契机。本书是在国家自然科学基金重大项目、国家重点研发计划项目和高分辨率对地观测系统重大专项项目研究成果基础上形成的，共分为10章，主要论述高光谱遥感辐射传输机理、水环境参数反演算法和遥感应用示范等方面的研究成果，为内陆水体业务化遥

超高空间分辨率(VHR)遥感影像中阴影的形成主要是由于光线被物体阻挡，从而降低了地物的光谱亮度。高效的阴影消除方法可以恢复阴影中地物的光谱信息，是遥感影像分析的关键预处理步骤。然而，由于缺乏精确阴影掩膜和无阴影图像的原因，导致VHR影像阴影消除中存在“数据缺陷”。为了获得高精度的阴影掩膜，为阴影消除提供准确的位置信息，因此，阴影检测是至关重要的。 本书将详细讲解遥感影像色彩一致性处理算法理论，然后讲解如何基于该方法进行遥感影像阴影检测和消除。并结合当下流行的深度学习前沿技术，讲解基于深度学习的遥

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，使得影像看起来是由很多“色块”组成，严重影响了人类的视觉体验和后续的科研应用。本书针对多源拼接影像中色块间的颜色差异问题，提出了一种基于HSV颜色空间的影像色彩一致性全自动处理方法。针对当前遥

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、基于深度混合网络的连续多帧驾驶场景的鲁棒车道线检测技术、基于深度学习的视频车道线检测技术、基于MMA-Net的轻量级视频实例车道线检测技术、基于记忆模板的多帧实例车道线检测技术、未来展望与发展

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速高分辨成像方法。针对弹道目标快速运动特征和微动特征，在建立目标中段运动及微动模型的基础上，对回波信号进行仿真分析，从其距离像序列及二维ISAR像序列出发，总结弹道目标的特征提取方