遥感脑理论及应用

　　针对海量、动态、多维、异构的高分辨率卫星遥感观测数据，通过对高分辨压缩信息的获取（“感”），建立多尺度几何分析的建模（“知”），完成特征的学习和分析（“用”），从而提高对地观测系统的综合利用能力，这已成为遥感技术发展的必然趋势。全书共十五章，系统地论述了遥感脑的理论基础、感知与解译应用及遥感脑系统。第一至第四章主要介绍遥感技术和类脑启发的研究背景及意义，压缩感知基础、遥感成像机理与特性、深度神经网络的最新进展等；第五至第十二章主要介绍作者团队在遥感脑感知与解译两方面的具体相关应用成果；第十三至第十四章主要介绍作者团队研发的遥感脑系统；第十五章主要是展望和总结该领域的主要公开问题。以此抛砖引玉，希望本书能为读者呈现出遥感脑理论和应用等较为全面的脉络、趋势和图景。本书适应于涉及深度学习和图像处理类高年级本科生、研究生，以及广大科技工作者。

　　焦李成，华山领军教授、欧洲科学院院士、俄罗斯自然科学院院士、 科技委学部委员、中国人工智能学会副理事长、 人工智能科技创新专家组专家、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席、IEEE GRSS西安分会主席，IEEE TCYB、IEEE TGRS副主编、 “长江学者支持计划”创新团队首席专家，IEEE Fellow、IET Fellow、CAAI Fellow、CCF Fellow、CIE Fellow、CAA Fellow，PC of NeurlPS、ICML、CVPR、AAAI、IJCAI and ICCV， 连续七年入选爱思唯尔高被引学者榜单。国务院学位委员会学科评议组成员，人社部博士后管委会评议组专家，曾任第八届全国人大代表。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程（第一、二层次），陕西省首批“三五人才”第一层次。当选为全国模范教师、陕西省突出贡献专家和陕西省师德标兵。

第1章遥感脑的研究背景及意义

1．1遥感技术

1．2遥感数据特性

1．3类脑生物特性

1．3．1稀疏性

1．3．2学习性

1．3．3选择性

1．3．4方向性

1．4遥感脑模型

参考文献

第2章压缩感知基础

2．1稀疏编码与字典学习

2．1．1稀疏编码

2．1．2字典学习

2．2压缩测量矩阵

2．2．1非确定性矩阵

2．2．2确定性矩阵

2．3压缩优化重建

2．3．1贪婪迭代算法

2．3．2迭代阈值算法

2．3．3凸松弛重构

2．3．4非凸重构

2．3．5进化算法

2．3．6深度学习重构算法

参考文献

第3章遥感成像机理与特性

3．1高光谱遥感影像

3．1．1高光谱成像原理

3．1．2常用高光谱数据集

3．2SAR影像

3．2．1SAR成像原理

3．2．2SAR影像特性

3．2．3常用SAR影像数据集

3．3极化SAR影像

3．3．1极化SAR成像原理

3．3．2极化SAR影像特性

3．3．3常用极化SAR影像数据集

3．4机载LiDAR点云影像

3．4．1机载LiDAR成像原理

3．4．2机载LiDAR影像特性

3．4．3常用机载LiDAR数据集

3．5遥感光学影像

3．5．1场景分类数据集

3．5．2常用变化检测数据集

3．5．3常用语义分割数据集

3．5．4常用目标检测数据集

3．6遥感视频

3．6．1遥感视频原理

3．6．2遥感视频特性

3．6．3常用遥感视频数据集

参考文献

第4章脑启发的深度神经网络

4．1神经网络的发展历史

4．2自编码器

4．2．1一般自编码器

4．2．2稀疏自编码器

4．2．3变分自编码器

4．2．4图自编码器

4．2．5遥感领域中的应用

4．3深度生成网络

4．3．1贝叶斯网络

4．3．2深度置信网络

4．3．3卷积深度置信网络

4．3．4判别深度置信网络

4．3．5遥感领域中的应用

4．4浅层卷积神经网络

4．4．1LeNet

4．4．2AlexNet

4．4．3ZFNet

4．4．4全卷积网络

4．4．5UNet

4．4．6SegNet

4．4．7VGG网络

4．4．8GoogLeNet

4．4．9遥感领域中的应用

4．5类残差网络

4．5．1ResNet

4．5．2ResNeXt

4．5．3DenseNet

4．5．4DPN网络

4．5．5Inception网络

4．5．6遥感领域中的应用

4．6递归神经网络

4．6．1循环神经网络

4．6．2LSTM网络

4．6．3GRU网络

4．6．4ConvLSTM网络

4．6．5遥感领域中的应用

4．7生成对抗网络

4．7．1GAN基础

4．7．2CGAN

4．7．3DCGAN

4．7．4CycleGAN

4．7．5WGAN

4．7．6遥感领域中的应用

4．8胶囊网络

4．8．1胶囊网络原理

4．8．2矩阵胶囊网络

4．8．3堆叠胶囊自编码器

4．8．4遥感领域中的应用

4．9图卷积神经网络

4．9．1图的基本定义

4．9．2图信号处理

4．9．3GCN

4．9．4遥感领域中的应用

参考文献

第5章脑与自然启发的学习优化

5．1多尺度学习

5．1．1多尺度学习原理

5．1．2SSD网络

5．1．3FPNet

5．1．4PANet

5．1．5ThunderNet

5．1．6Libra RCNN

5．1．7遥感领域中的应用

5．2注意力学习

5．2．1注意力学习原理

5．2．2STN

5．2．3SENet

5．2．4SKNet

5．2．5遥感领域中的应用

5．3Siamese协同学习

5．3．1Siamese协同学习原理

5．3．2MatchNet

5．3．3Siamese FC网络

5．3．4CFNet

5．3．5Siamese RPN

5．3．6遥感领域中的应用

5．4强化学习

5．4．1强化学习原理

5．4．2面向值函数的深度强化学习

5．4．3面向策略梯度的深度强化学习

5．4．4遥感领域中的应用

5．5迁移学习

5．5．1迁移学习原理

5．5．2迁移学习分类

5．5．3遥感领域中的应用

5．6联邦学习

5．6．1联邦学习原理

5．6．2联邦学习分类

5．6．3联邦学习与神经网络学习之间的差异

5．6．4联邦学习与分布式学习之间的差异

5．6．5遥感领域中的应用

参考文献

第6章遥感影像重建

6．1基于边缘信息指导的压缩感知影像重建

6．1．1边缘信息的提取方法

6．1．2基于边缘信息指导的MP算法

6．1．3实验结果与分析

6．2基于进化正交匹配追踪的压缩感知影像重构

6．2．1编码与解码

6．2．2进化正交匹配策略

6．2．3实验结果与分析

6．3本章小结

参考文献

第7章遥感影像配准

7．1基于深度特征表示的遥感影像配准

7．1．1特征表示匹配网络模型

7．1．2基于空间关系的局部特征匹配策略

7．1．3实验结果与分析

7．2基于双支路的卷积深度置信网的遥感影像匹配

7．2．1自适应领域的样本选择策略

7．2．2双支路卷积深度置信网络框架

7．2．3实验结果与分析

7．3本章小结

参考文献

第8章遥感影像分割

8．1基于稀疏结构表示的SAR影像素描模型

8．1．1初始素描模型

8．1．2初始素描图提取方法

8．1．3SAR影像素描模型

8．1．4SAR影像素描图提取方法

8．2基于素描模型和高阶邻域MRF的SAR影像分割

8．2．1SAR影像素描模型

8．2．2基于MRF模型的影像分割

8．2．3基于素描模型和MRF的SAR影像分割架构

8．2．4创建势能函数

8．2．5实验结果与分析

8．3基于深度紧密神经网络和栅格地图的三维点云语义分割

8．3．1尺度不变特征变换的网络模块

8．3．2深度紧密PointNet 网络

8．3．3实验结果与分析

8．4基于注意力网络的三维点云分割方法

8．4．1全局点注意力模块

8．4．2PointSIFTGPA网络

8．4．3实验结果及分析

8．5本章小结

参考文献

第9章遥感影像分类

9．1基于生成式模型的双层字典学习与影像分类

9．1．1基于生成式模型的双层字典学习框架

9．1．2实验结果与分析

9．2基于脊波卷积神经网络的高光谱影像分类

9．2．1基于脊波卷积神经网络算法

9．2．2实验结果与分析

9．3基于全卷积网络空间分布预测的高光谱影像分类

9．3．1基于FCN8s的HSI空间分布预测

9．3．2基于空谱特征的融合分类

9．3．3实验结果与分析

9．4基于多尺度自适应深度融合残差网的多光谱遥感影像分类

9．4．1重要样本选择策略

9．4．2多尺度自适应深度残差网络

9．4．3实验结果与分析

9．5基于深度极化卷积神经网络的极化SAR影像分类

9．5．1基于深度极化卷积的网络框架

9．5．2实验结果与分析

9．6基于深度生成判别混合框架的极化SAR影像分类

9．6．1基于生成式模型的极化目标分解学习模型

9．6．2深度生成判别混合网络模型

9．6．3实验结果与分析

9．7本章小结

参考文献

第10章遥感影像融合

10．1基于低秩张量分解和空谱图正则的多源影像融合

10．1．1低秩张量融合模型

10．1．2空间光谱图正则与融合

10．1．3增广拉格朗日优化

10．1．4实验结果与分析

10．2基于压缩超分辨重构和多字典学习的多光谱和全色影像融合

10．2．1压缩超分辨重构融合

10．2．2基于初始素描模型的区域划分和多字典学习

10．2．3实验结果与分析

10．3基于深度多示例学习的全色和多光谱影像空谱融合分类

10．3．1DCNN空域示例分类

10．3．2深度堆栈自编码网络的谱域示例分类

10．3．3基于深度多示例学习的空谱特征融合分类

10．3．4实验结果与分析

10．4基于双支路注意融合网络下的多分辨率遥感影像分类

10．4．1自适应中心偏移采样策略

10．4．2空道注意模块

10．4．3双支路注意融合深度网

10．4．4实验结果与分析

10．5本章小结

参考文献

第11章遥感目标检测

11．1基于混合稀疏显著融合模型的目标检测

11．1．1最小跨距

11．1．2混合稀疏融合模型

11．1．3目标级协同滤波器

11．1．4实验结果与分析

11．2基于层次显著性滤波的SAR目标检测

11．2．1基于随机森林的分层稀疏建模

11．2．2基于CFAR的动态轮廓显著性建模

11．2．3实验结果与分析

11．3基于深度自适应区域建议网络的遥感影像目标检测

11．3．1深度自适应区域建议网络框架

11．3．2实验结果及分析

11．4基于多尺度影像块级全卷积网络的光学遥感影像目标检测

11．4．1多尺度影像块级全卷积网络框架

11．4．2实验结果与分析

11．5本章小结

参考文献

第12章遥感视频目标跟踪

12．1基于深度学习滤波器的遥感视频目标跟踪

12．1．1深度连续卷积滤波器

12．1．2深度学习滤波器

12．1．3实验结果与分析

12．2基于孪生网络的遥感视频目标跟踪

12．2．1孪生网络

12．2．2基于前后一致性验证的孪生网络

12．2．3实验结果与分析

12．3本章小结

参考文献

第13章类脑SAR影像解译系统

13．1类脑SAR系统

13．1．1SAR成像系统

13．1．2类脑SAR解译系统

13．1．3输出展示系统

13．2PolSAR数据处理及解译系统

13．3InSAR数据处理及解译系统

13．4硬件设备设计与实现

13．4．1ADSPTS201处理器

13．4．2DE5Net FPGA芯片

13．4．3VPXGPU系统

13．5本章小结

参考文献

第14章遥感大数据智能解译平台

14．1总体结构设计

14．2影像信息可视化平台体系

14．3功能模块设计

14．3．1遥感大数据智能解译平台可视化系统

14．3．2遥感数据管理工具

14．3．3遥感影像解译服务

14．4遥感大数据智能解译平台

14．4．1具体功能展示

14．4．2遥感影像解译任务示例

14．5本章小结

参考文献

第15章公开问题

15．1遥感任务的新挑战

15．2遥感数据的新特性

15．3算法框架的新思路

参考文献