本书针对遥感图像分类、信息提取、目标自动识别、图像融合等关键问题，综合运用人工智能、神经网络、支持向量机、知识处理、模糊理论、进化计算、数学形态学和独立分量分析等相关学科的综合交叉技术，结合实例，探讨了遥感信息的综合智能化提取技术。该专著很好地总结了智能技术在遥感领域的应用和发展，也反映了作者近年来取得的科研成果，相信它的出版将引起同行们的关注和参考。

本书以遥感图像处理的若干关键问题为主线，以智能学习算法为副线，结合实例，详细介绍了新兴智能算法及其在遥感信息处理中的应用情况。主要内容包括：监督与非临督神经网络、模糊支持向量机、混合智能模型在遥感图像分类中的应用对比、模糊连接度结合遗传算法的公路信息提取、数学形态学与知识处理的目标自动检测、小波变换与人类视觉系统结合的图像融合、独立分量分析等。

本书内容新颖，强调理论联系实际，可作为从事遥感技术与应用、图像处理、计算机应用、电子信息工程、工业自动化等相关专业的工程技术人员、科研人员、研究生和高年级本科生的参考书。

第1章　绪论

　1.1　遥感智能处理任务与意义

　1.2　遥感信息智能处理方法

　　1.2.1　人工神经网络

　　1.2.2　支持向量机

　　1.2.3　混合智能模型

　　1.2.4　卫星图像上公路信息提取

　　1.2.5　卫星图像的目标自动识别

　　1.2.6　遥感影像融合

　　1.2.7　独立分量分析

　参考文献

第2章 神经网络

　2.1　人工神经网络概述

　2.2　BP网络及其代表性改进模型

　　2.2.1　BP网络的基本原理

　　2.2.2　BP网络的学习算法及实现

　　2.2.3　BP算法的局限性

　　2.2.4　BP算法的代表性改进模型

　　2.2.5　输入向量扩展的改进方法

　　2.2.6　应用实例及对比分析

　2.3　概率神经网络模型

　　2.3.1　概率神经网络简介

　　2.3.2　概率神经网络的应用实验

　2.4　混合神经网络模型

　　2.4.1　SOM算法简介

　　2.4.2　广义回归神经网络简介

　　2.4.3　SOM和GRNN结合的混合网络模型

　　2.4.4　实验与讨论

　2.5　本章小结

　参考文献

第3章　模糊支持向量机

　3.1　支持向量机理论

　　3.1.1　线性SvM

　　3.1.2　非线性SVM

　　3.1.3　svM分类器参数选择

　　3.1.4　sVM分类器从二类到多类的推广

　3.2　模糊支持向量机

　　3.2.1　增加模糊后处理的模糊支持向量机简介

　　3.2.2　引入模糊因子的模糊支持向量机训练算法简介

　　3.2.3　边缘效应训练的模糊支持向量机算法

　3.3　应用实例

　　3.3.1　SVM在遥感图像分类中的应用

　　3.3.2　增加模糊后处理的模糊支持向量机在遥感图像分类中的应用

　　3.3.3　引入模糊因子的模糊支持向量机在遥感图像分类巾的应用

　3.4　本章小结

　参考文献

……

第4章　遥感图像分类的混合智能模型

第5章　模糊连接与遥感度与遥感图像公路提取

第6章　目标自动检测

第7章　图像融合

第8章　独立分量分析

附录A　Levenberg-Marquart Back-Propagation Network的MATLAB代码

附录B　及早停止法训练的Back-Propagation Network的MATLAB代码

附录C　输入扩展的BP网络对lris数据分类的MATLAB代码

附录D　单隐层概率神经网络的MATLAB代码

附录E　SOM结合GRNN对lris数据分类的MATLAB代码

附录F　IRIS数据分类的支持向量机算法的MATLAB代码

附录G　模糊连接度算法分割道路目标的MATLAB程序代码

附录H　类圆关目标自动检测的MATLAB程序代码

附录I 小波变换结合人类视觉系统进行图像

附录J 小波变换结合人类视觉系统进行图像

附录K　ICA算法的MATLAB程序代码

附录L　彩色图版