遥感卫星作为国家新兴和重点战略目标，近年来新兴遥感卫星和技术不断涌现，原有内容无法体现学科最新发展。本书系统介绍了遥感的基础理论、遥感平台、遥感数据格式与特征，以及植被遥感、土地遥感、水体遥感等各种具体应用，针对师范院校特色。并在原来的基础上，增加介绍了新发射的卫星或基于新的遥感理论知识，或形成新的数据结构和格式，或采用新的遥感数据处理方法，或产生新的应用成果。本教材主要面向全国省属师范类以及其他相关院校遥感科学与技术、地理科学、地理信息科学、自然资源与环境、人文地理与城乡规划、测绘工程以及水利

本书聚焦于光学遥感图像中的目标检测技术，分析图像中目标的特征及其对应的标签问题，并归纳出三种常见的标签情况，即标签错误、标签单一和标签缺失，进而引出弱标签的概念，并对每种标签问题的现有解决方案及其局限性进行探讨。基于此，书中进一步提出了针对不同标签问题的创新方法，并展示了相关实验结果。此外，部分方法还在嵌入式设备上得到了验证。

本书系统介绍了群集行为的数学理论，以 Cucker-Smale 模型为核心，探讨了多智能体在自然界和工程领域中的群体动态行为，如蜂拥、群集行为和一致性等现象. 全书分为两部分：第一部分聚焦 Cucker-Smale 模型的群集行为，第二部分研究其一致性. 本书从群体行为的基本概念入手，详细分析了长程和短程通信权重下的模型性质，包括速度对齐、碰撞避免以及非群集行为的一般充分条件. 此外，书中还探讨了混合 Cucker-Smale模型和时滞 Cucker-Smale 模型的动态特性，并通过数值模拟验

本书以综合性高光谱遥感知识体系为线索，围绕高光谱遥感数据采集、数据处理、数据分析、数据应用全流程实践体系，构建完整知识框架，内容包括数据采集与预处理、高光谱降维与特征挖掘、高光谱图像分类、混合像元分解、目标探测、数据融合以及高光谱遥感应用等模块，形成了一套系统的实习与实验方案。通过学习本书，读者能够系统提升高光谱遥感的理论素养，掌握ENVI平台软件的应用技能，从而提高在高光谱遥感科研和实践中的综合性创新能力。

遥感图像中的目标检测对城市规划、人口估计和地形图制作具有重要意义。不同观测平台在进行数据采集时，由于成像机理、天气及地物复杂性等原因，将产生不同程度的噪声，对采集到的图像进行处理时，错分、漏分现象比较普遍，这些都会影响目标检测的效果。深度学习方法在各种计算机视觉任务中显示出可喜的成果，包括遥感图像中的目标检测，它可以自动从原始图像数据中学习相关特征，并在目标检测任务中实现高精度。论著研究了遥感图像目标识别与分类模型，提出了一些创新性思路和方法，从理论与实验分析的角度对其研究价值进行了分

本书是在国产遥感数据处理和分析平台PIE系列软件用户手册和培训素材的基础上，系统分析了其他相关教材在内容构成、形式表达以及在教学、科研及行业应用中所存在的实际问题，集合作者多年教学经验以及实践经验编写而成。通过结合理论基础与实际案例，提供了一个系统的学习和应用平台。全书共包括五个专题，18个实验，分别为农业遥感(专题一)、植被遥感(专题二)、土地覆盖与生态环境遥感(专题三)、城市与人居环境遥感(专题四)、水环境遥感(专题五)五个专题。专题一为农作物种植结构信息提取的基本方法，包括四种方

本书系统融入我国高分辨率卫星对地观测计划等国内遥感的最新进展，并密切跟踪美国陆地卫星计划、欧洲Sentinel、RapidEye等国际新型对地观测卫星的发展动态，提供了完整的遥感实践案例，可作为《遥感原理与应用》教材的有效补充。全书由上篇和下篇两部分构成，上篇为“知识要点与扩展”，对“遥感原理与应用”课程章节逐一从知识要义和知识扩展方面进行辅导，包括绪论、电磁波与遥感物理基础、遥感平台与传感器、遥感影像几何处理、遥感影像辐射校正和遥感影像分类与目标识别等；下篇为“数据处理应用实践”，以

本书从多源遥感成像机理和人眼视觉对影像的理解出发，研究了结合PCNN 的配准算法及基于PCNN 的全色影像、多光谱影像、高分辨率SAR 影像、无人机航拍影像和高光谱影像等多源遥感影像融合的理论与算法。首先，简要介绍了多源遥感影像融合的起源与现状。其次，回顾了PCNN 的几种常见模型。鉴于遥感影像配准是实现遥感影像像素级融合的前提，本书提出了两种基于自适应PCNN 分割的遥感影像配准算法。在后续章节中，本书主要研究并提出了结合PCNN 分割特性的全色锐化融合算法、参数优化的PCNN 全色锐化融合算

本书全面介绍了遥感数字图像获取，遥感数据表示方法、存储及显示，遥感图像校正，遥感影像调色、镶嵌与正射影像生产，图像变换与增强，图像分割，遥感图像分类等的基本概念、理论和方法。同时，本书在ENVI软件的基础上介绍了遥感数字图像处理的应用，并与景观生态风险时空变化驱动与预测项目相结合，详细介绍了遥感数字图像处理在景观生态风险时空变化、分析与预测中的应用。本书既包含经典的遥感数字图像处理内容，也创新地结合了遥感数字图像处理的应用和项目，具有一定的广度、深度和新颖性。本书可作为高校测绘工程、遥

本书共分为8章，重点研究了基于深度属性学习的光学遥感图像分类方法，如基于属性学习预测的细粒度遥感目标分类、基于多源属性学习的细粒度遥感场景分类、基于属性建模迁移的少样本遥感图像分类、基于视觉属性自动化标注的零样本遥感图像场景分类等。对于每种典型的遥感图像分类方法，从研究者的角度，详细地介绍了其研究背景、问题描述、算法模型、实验结果等。