高分辨遥感影像学习与感知是近年来遥感应用领域的研究热点，本书是作者所在团队10年来在该领域工作的积累。本书分析了高分辨率遥感影像处理的特点和面临的挑战，总结和归纳了靠前外已有的研究工作，结合近些年机器学习和人工智能领域中的热点方法，如稀疏表示、深度学习、模糊聚类、多目标优化等，着重从高空间分辨率SAR遥感影像相干斑抑制、多时相SAR遥感影像变换检测、SAR地物目标分类和高光谱分辨率遥感影像混合像元分解、维数约简、地物目标分类等方面提供了新颖的解决思路和方法。本书侧重于新算法的描述与实例的分析，反映了近年来高分辨遥感影像学习与感知的近期新发展概况，为该领域的深入研究提供借鉴。

前言
第1章绪论1
1.1遥感与遥感影像概述1
1.2高空间分辨率合成孔径雷达遥感影像处理2
1.2.1SAR遥感影像2
1.2.2高分辨SAR遥感影像处理的国内外现状与挑战5
1.3高光谱分辨率遥感影像处理10
1.3.1高光谱遥感影像11
1.3.2高光谱遥感影像处理的研究现状及难点12
参考文献17
第2章基于统计的高分辨SAR遥感影像相干斑抑制29
2.1Marr的视觉计算理论29
2.2基于视觉计算的初始素描模型30
2.2.1初始素描模型31
2.2.2基于视觉计算的初始素描图提取方法32
2.3基于视觉计算的SAR图像素描模型34
2.3.1SAR图像素描模型34
2.3.2基于视觉计算的SAR图像素描图提取方法35
2.3.3SAR图像素描图提取结果分析39
2.4基于几何核函数和同质区域搜索的SAR图像相干斑抑制45
2.4.1基于SAR图像素描图的块相似性计算方法45
2.4.2基于几何核函数和同质区域搜索的方法47
2.5实验结果与分析48
2.5.1参数敏感性分析48
2.5.2合成SAR图像与真实高分辨SAR图像相干斑抑制结果与分析51
2.6本章小结60
参考文献61
第3章基于非局部信息和改进边缘保持的高分辨SAR遥感影像分类63
3.1引言63
3.2模糊聚类算法研究进展64
3.2.1标准的模糊c均值算法64
3.2.2约束的模糊聚类算法64
3.2.3增强的模糊聚类算法65
3.2.4快速推广的模糊聚类算法66
3.2.5模糊局部信息的聚类算法67
3.2.6非局部空间信息的模糊聚类算法67
3.3基于非局部信息和改进边缘保持的模糊聚类方法68
3.3.1基于非局部信息和改进边缘保持的模糊聚类算法流程68
3.3.2基于非局部信息的求和图像的构造68
3.3.3基于统计的过平滑边缘的重新定位70
3.3.4模糊c均值聚类71
3.4实验结果与分析71
3.5本章小结79
参考文献79
第4章基于层次语义和自适应隐模型的高分辨SAR遥感影像分类82
4.1引言82
4.2SAR图像的层次视觉语义模型84
4.3基于层次视觉语义和自适应邻域多项式隐模型的SAR图像分割88
4.3.1聚集区域的分割88
4.3.2结构区域和匀质区域的分割88
4.4实验结果和分析92
4.4.1数据集93
4.4.2合成SAR遥感影像的分割94
4.4.3真实高分辨SAR遥感影像的分割97
4.5本章小结103
参考文献103
第5章融合多特征的人工免疫多目标SAR遥感影像分类106
5.1引言106
5.2多目标优化问题107
5.2.1多目标优化问题的数学定义107
5.2.2多目标优化问题研究的必要性108
5.3进化多目标优化算法的研究进展109
5.3.1进化多目标优化算法的研究起源109
5.3.2进化多目标优化的代表算法110
5.3.3第一代进化多目标优化算法111
5.3.4第二代进化多目标优化算法112
5.3.5当代进化多目标优化算法114
5.4多目标SAR图像分割模型的定义114
5.5融合互补特征的人工免疫多目标SAR图像分割算法116
5.5.1SAR图像中的互补融合特征116
5.5.2SAR图像的预处理118
5.5.3融合互补特征的人工免疫多目标SAR图像分割算法流程119
5.6实验结果与分析120
5.7本章小结131
参考文献131
第6章基于上下文分析和非均衡合并的高分辨SAR遥感影像分类136
6.1引言136
6.2基于格式塔规则的上下文分析137
6.2.1超像素的产生138
6.2.2上下文分析138
6.2.3基于上下文的典型：马尔可夫随机场分割算法140
6.2.4基于格式塔规则的上下文分析143
6.3无监督非均衡合并算法146
6.3.1粗合并阶段147
6.3.2细合并阶段148
6.3.3无监督非均衡合并算法特性分析151
6.4实验结果与分析152
6.4.1模拟SAR图像153
6.4.2真实SAR图像158
6.5本章小结161
参考文献161
第7章基于多元互信息测度和克隆选择优化的高光谱波段选择165
7.1引言165
7.2高光谱波段选择研究进展166
7.3基于三元互信息的准则函数167
7.3.1基于互信息的准则167
7.3.2互信息和理想互信息准则的相关性169
7.3.3半监督互信息准则171
7.4基于改进克隆选择算法的搜索策略172
7.4.1种群初始化172
7.4.2基于互信息和半监督互信息下的种群迭代172
7.4.3基于多元互信息测度和克隆选择优化的算法流程173
7.5实验结果与分析174
7.6本章小结185
参考文献185
第8章基于波段协作性和近邻传播聚类的半监督高光谱波段选择188
8.1引言188
8.2近邻传播聚类算法189
8.3基于正则化三元互信息的近邻传播聚类方法190
8.3.1基于正则化三元互信息和正则化互信息的波段相关性191
8.3.2基于熵和互信息的波段偏向194
8.3.3自动噪声波段移除194
8.3.4RNTMIAP算法步骤195
8.3.5RNTMIAP算法时间复杂度分析195
8.4实验结果与分析196
8.4.1高光谱图像地物分类结果与分析196
8.4.2所选波段分析203
8.5本章小结206
参考文献206
第9章稀疏约束的广义双线性高光谱遥感影像解混208
9.1高光谱中的解混问题208
9.1.1大气校正208
9.1.2降维209
9.1.3解混210
9.2高光谱解混模型210
9.2.1线性光谱混合模型210
9.2.2非线性光谱混合模型212
9.3广义双线性模型213
9.4稀疏约束的半非负矩阵分解214
9.4.1稀疏约束214
9.4.2L1/2正则化半非负矩阵分解214
9.4.3多步内循环迭代217
9.5实验结果与分析218
9.6本章小结221
参考文献221
第10章基于多核学习的不平衡高光谱遥感影像分类223
10.1引言223
10.2核学习223
10.3多核学习的发展历史及研究现状224
10.3.1半定规划求解多核学习225
10.3.2二阶锥形规划求解多核学习225
10.3.3基于切平面的交替优化求解多核学习226
10.3.4基于梯度下降的交替优化求解多核学习227
10.3.5基于解析优化的交替优化求解多核学习228
10.4传统分类器与经典的不平衡分类器228
10.4.1传统分类器与不平衡数据228
10.4.2经典的不平衡分类器229
10.5基于多核学习的不平衡分类器232
10.5.1最大margin准则232
10.5.2最大margin的分类器集成233
10.5.3基于多核学习的最大margin分类器求解234
10.6实验结果与分析235
10.7本章小结239
参考文献240
第11章基于均值漂移和组稀疏编码的高光谱遥感影像空谱域分类242
11.1稀疏表示理论242
11.2组稀疏编码243
11.2.1组编码243
11.2.2组稀疏编码的字典学习244
11.2.3组稀疏编码算法与传统的稀疏编码算法的比较245
11.3基于组稀疏编码的高光谱图像分类及结果分析245
11.4基于均值漂移和组稀疏编码的高光谱图像空谱域分类252
11.4.1高光谱图像分割252
11.4.2均值漂移聚类253
11.4.3基于均值漂移聚类和组稀疏编码的高光谱图像空谱域分类254
11.5实验结果与分析255
11.6本章小结260
参考文献260
第12章基于多特征联合与稀疏表示学习的高光谱遥感影像分类263
12.1引言263
12.2空谱域多特征提取265
12.3基于多特征联合的稀疏表示分类方法268
12.3.1基于多特征的稀疏表示分类268
12.3.2基于多特征的联合稀疏表示分类269
12.4实验结果与分析270
12.5本章小结276
参考文献276
第13章基于类级稀疏表示学习的高光谱影像空谱联合分类278
13.1集成学习理论基础278
13.1.1集成学习的定义和系统结构278
13.1.2集成学习的应用281
13.2基于稀疏集成学习的空谱联合分类方法281
13.2.1稀疏集成分类方法282
13.2.2空谱联合的稀疏集成分类方法283
13.2.3交替方向乘子法285
13.3实验结果与分析287
13.4本章小结297
参考文献298