本书共分7章，第1章主要介绍遥感影像与深度学习的基本概念；第2章主要介绍计算机操作与GPU基础知识；第3章主要介绍深度学习的数学基础；第4章主要介绍卷积神经网络基础和基本要素；第5章简要介绍了Python语言的基本语法与使用；第6章详细介绍了PyTorch和TensorFlow两个机器学习框架的搭建方法；第7章按实践操作步骤详细介绍了影像分类LeNet网络的代码实现、影像目标检测Faster R-CNN网络的代码实现与模型训练以及影像目标识别U-Net网络的代码实现与模型训练。

本书从三个侧面给出了图像情报解译研究领域的研究动态和方法阐述：第一部分是认识篇，包括第一、第二章，主要对图像情报解译的历史进行回顾，凝练面临的难点问题和待突破的本质问题，提出图像情报解译实际操作的共性原理；第二部分是方法篇，包括第三、第四、第五、第六、第七共五章，结合近年高速发展的多种高分辨率影像资源，研究提出“时空频”三域图像融合的体系架构，第三部分是实践篇，包括第八、第九共两章，以图文并茂的多组案例，示范了运用图像解译基本原理和融合方法的实际图像解译和情报分析的案例。全书内容总结了

目前，光学卫星成像已由单传感器成像时代全面进入多传感器成像时代。多源遥感图像融合技术是光学卫星多传感器成像应用的关键核心技术，在遥感制图、图像判读、图像解释等应用中发挥着基础性作用。本书系统地介绍了遥感图像融合的研究背景、概念内涵和主要方法，包括多源遥感图像融合评价方法、宽幅多源光学遥感图像配准方法、全色与多光谱图像高保真融合方法、全色与高光谱图像高保真融合方法、多光谱与高光谱图像高保真融合方法，并给出了大量的实验分析与示例。本书取材广泛、理论与应用密切结合，对光学遥感图像融合应用与研究具有很好

本书是在国产时空遥感云服务平台PIE-Engine系列用户手册和培训素材的基础上，集作者多年遥感大数据、云计算、人工智能等理论研究和开发实践经验升华凝练而成的。本书结合时空遥感云服务平台PIE-Engine设计理念、基本功能和技术特色，系统介绍了时空遥感云服务平台PIE-Engine基本理论、关键技术、操作流程和专题应用。本书聚焦时空遥感云服务技术前沿，力求理论与实践相结合，集海量遥感数据在线处理、遥感数据科学分析、全栈式遥感智能解译、遥感数据共享与发布的理论与操作实践于一体，用通俗易懂的语言阐

本书主要介绍高分辨率光学遥感卫星影像区域网平差处理与应用，重点围绕高分辨率光学遥感卫星高精度区域网平差模型、方法和关键技术进行论述。全书共6 章，综合介绍国内外高分辨率光学遥感卫星的技术发展现状，重点介绍高分辨率光学遥感卫星几何成像模型构建、高分辨率光学遥感卫星影像区域网平差模型构建、高分辨率光学遥感卫星影像匹配和大型区域网构建方法、高分辨率光学遥感卫星影像区域网平差参数解算和粗差探测方法、多源数据辅助光学遥感卫星影像区域网平差方法和典型多源遥感卫星影像区域网平差实验。

本书围绕小样本遥感图像分类任务展开具体研究工作，研究过程采用改善图像特征提取和分类器设计两种不同的子空间学习模式，重点解决小样本图像分类任务中存在的由于预训练特征提取器无法适应新的数据类别，导致提取的特征鉴别性不足以及含标签样本过少，带来的样本分布与实际数据分布存在偏差等问题。本书提出了系列的子空间学习算法，进一步改善小样本遥感图像分类性能，并在公有遥感数据集及自行构建遥感数据集进行实验测试、数据统计、图表分析和遥感实景图片可视化展示。

本书围绕航空光电成像高分辨率、宽覆盖及激光三维成像三个方面展开，就其研究现状、系统方案及实现过程中所遇到的问题及解决方案进行详细论述。第一部分像元超高分辨成像，主要介绍了亚像元、L形异形像元及空间编码扫描等效异形像元超分辨成像原理、工程实现及实验结果；第二部分大视场高分辨率成像系统，介绍了共心多尺度成像系统、面阵动态多幅扫描成像系统及线阵像面扫描拼接成像系统；第三部分直接测距型激光主动成像系统，主要介绍了国内外研究现状与发展趋势，以及涵盖系统设计全链路的关键技术。

光学偏振遥感信息链路涉及地球大气-地表系统多个环节，来自地-气系统的光偏振辐射信息传输特性仿真是其性质参数反演和偏振遥感图像解译的重要研究内容。本书系统介绍作者及其研究团队在偏振遥感成像仿真领域的多年研究成果。全书分为6章，按照典型地物偏振特征、大气偏振辐射传输特性、遥感探测器仿真和偏振遥感信息链路仿真等介绍相应的仿真技术与方法。调研大气及典型地物偏振遥感应用研究状况，分析不同自然地物典型样品以及人工目标样品的实验情况，介绍大气矢量辐射传输特性及代表性算法和时序成像偏振探测器仿真，在综合考虑偏振