前言

随着人工智能的快速崛起，图像处理技术正日益成为解决多种问题的利器。其中，目标识别和图像融合是两类基础且重要的任务。目标识别任务旨在图像中准确地识别目标类别，这一基础任务是目标检测等高级任务中不可或缺的一环；而图像融合任务旨在提取多个源图像有用信息，并生成一幅信息量更为丰富的图像。两项任务各有侧重，但也存在关联。图像融合可为目标识别提供质量更高的输入图像，而目标识别能为图像融合的过程提供语义指导等辅助信息。随着计算机视觉技术的不断发展，上述两项技术的重要性也愈发凸显。本书致力于深入探讨图像融合和目标识别技术及应用，是著者于该领域研究成果的总结，期望能为读者提供从事该领域的基础知识及启发。

本书共8章。第1章介绍了图像融合与目标识别的目的、意义、基本概念、技术指标、研究历史及现状，帮助读者简要了解两项基本技术的全貌。第2章介绍了卷积神经网络，说明卷积神经网络的基本结构和组成，以便读者了解后续章节内容。第3章介绍了特征表示学习的多源图像融合，重点关注网络提取更好的图像特征，以进行高效图像融合。第4章介绍了多域特征对齐的多源图像融合，探索了目标检测任务和图像融合任务的联合训练，以提升图像融合任务的性能。第5章介绍了小样本遥感目标识别，提出了在训练样本稀缺的情况下依旧能实现高性能目标识别的方法。第6章介绍了复杂样本分布的遥感目标识别，在数据集内部，不同类别的数据分布很可能极不均匀，同一类别的不同样本也可能风格迥异，这类复杂样本分布会影响算法性能，本章针对这一问题提出了相应解决方案。第7章介绍了图像融合和目标识别的实际应用，提供了6种实际应用场景，并给出了可供参考的系统实现方式和流程框图。第8章回顾并总结本书内容，同时分析了研究领域内现存的问题及未来展望。

本书将理论知识与实际应用相结合，以使读者能够更好地理解图像融合和目标识别技术的核心概念和应用方法。大连理工大学研究生胡广、张骁、崔恒帅、何睿坤、王文波、贾蝶蝶、李云祥、张哲溥为本书内容贡献了资料并进行了校对。由于著者水平有限，本书内容难免存在疏漏之处，恳请广大读者提出宝贵的意见和建议。