人工智能、类脑计算与图像解译前沿

本书立足于西安电子科技大学人工智能学科优势，对人工智能、类脑计算与图像解译三个前沿领域进行了详细的论述，主要内容包括进化计算、人工免疫系统、量子计算智能、多智能体系统、多目标进化优化、

非线性逼近理论、多尺度几何分析、多尺度变换域图像感知与识别、图像的高维奇异性检测、图像去噪的阈值方法、SAR图像理解与解译。该书在对上述领域的国内外发展现状进行系统总结的同时，还重点阐述了作者对相关领域未来发展的研究心得和成果。希望本书能为推进我国人工智能学术研究和实际应用起到一定的促进作用，为相关领域人才培养提供有效的学习内容。

　　本书可以为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图像处理研究的相关专业的技术人员提供参考。

人工智能（Artificial Intelligence）简称AI，此概念由麦肯锡等人在1956年的达特茅斯会议上首次提出。近十多年来，随着人机交互的优化、大数据的支持、模式识别技术的提升，人工智能的发展一日千里，小到我们手机里的计算器、Siri语音助手、人脸识别，大到无人驾驶汽车、航空卫星数据智能解译，都依赖于人工智能技术。人工智能已经深入我们的生活。人们总希望使计算机或者机器能够像人一样合理地思考、合理地行动，并帮助人们解决现实中实际的问题，而要达到以上的功能，则需要计算机（机器人或者机器）具有知识表示、自动推理、计算机视觉、机器学习等能力。虽然人工智能正在各行各业中给人们带来惊喜，但其距离人类的智慧水平还有相当的距离。

　　类脑智能是以神经科学和人类认知行为机理为理论基础，以计算模型为引擎，结合软硬件加速共同形成的机器智能。类脑智能具有信息处理机制类脑、认知行为类人的特点，其最终目标是使机器通过模仿人脑的思维模式获得各种人类认知和相互协同的能力，甚至超越人类的智能水平。类脑智能的研究范围包括神经科学、类脑模型训练及处理算法和类脑硬件三个方面，它充分体现了脑科学、计算机科学、信息科学和人工智能等多学科的高度融合，其发展将会促进人工智能从专用型向通用型转变，并向超越人类智能的方向逐步逼近。脑神经科学被视为科学界“皇冠上的明珠”，近20年来成为发展最快的学科之一。一些传统人工智能研究者目前已经意识到借鉴脑信息处理的机制可能带来的好处，而脑与神经科学的进展也为人工智能借鉴脑信息处理机制提供了必要的基础。脑与神经科学的研究者们正在力图将对脑信息处理的认识应用于更广泛的科学领域。该学科的发展得益于信息技术与智能技术的发展，而反过来脑与神经科学也将启发下一代信息技术的变革。

　　从1990 年开始，在国家973计划项目(2013CB329402，2006CB705707)，国家863计划(863-306-ZT06-1、863-317-03-99、2002AA135080、2006AA01Z107、2008AA01Z125和2009AA12Z210)，国家自然科学基金创新研究群体科学基金(61621005)，国家自然科学基金重点项目 (60133010、60703107、60703108、60872548和60803098) 及面上项目 (61272279、61473215、61371201、61373111、61303032、61271301、 61203303、 61522311、61573267、 61473215、61571342、 61572383 、61501353、 61502369、 61271302、61272282、61202176、61573267、61473215、61573015、60073053、60372045和60575037)，国家部委科技项目资助项目(XADZ2008159和51307040103)， 高等学校学科创新引智计划(111计划)(B07048)，重大研究计划(91438201和91438103)， 教育部“长江学者和创新团队发展计划” (IRT_15R53和IRT0645)，陕西省自然科学基金 (2007F32和2009JQ8015)， 国家教育部博士点基金(20070701022和200807010003)， 中国博士后科学基金特别资助项目(200801426)，中国博士后科学基金资助项目(20080431228和20090451369 )及教育部重点科研项目(02073)的资助下，我们对人工智能、类脑智能理论、 算法及其在复杂影像解译中的应用进行了较为系统的研究，尤其对神经网络优化、学习及其在复杂影像内容理解中的应用等进行了较为深入的探讨。

　　本书内容分为复杂影像内容解译、高光谱数据解译、计算智能与多目标优化、稀疏认知与神经网络四篇，共包含26章。第一篇包含6章，首先在“遥感脑”一章中详细介绍遥感领域的类脑计算，之后各章分别介绍若干复杂影像内容解译的相关工作，例如“复杂影像语义分析”“高分辨率遥感图像理解”等；第二篇针对高光谱数据的解译工作，用5章介绍了混合像元分解、多示例目标特性学习以及维数约减等方法；第三篇共包括9章，分别从多目标进化优化、协同进化计算与多智能体系统、量子计算智能前沿与进展、人工免疫系统等方面阐述了计算智能与多目标优化的理论方法以及发展前沿；第四篇以“多尺度几何逼近与分析”开篇，之后从神经网络、稀疏认知、智能机器人等方面分别介绍了类脑智能的相关工作，共包含6章。希望本书能为读者呈现出人工智能、类脑计算与图像解译较为全面的脉络、趋势和图景。

　　本书是西安电子科技大学智能感知与图像理解教育部重点实验室、 智能感知与计算国际联合实验室、国家“111计划”创新引智基地、国家2011信息感知协同创新中心、 大数据智能感知与计算协同创新中心、智能信息处理研究所等集体智慧的结晶。感谢集体中每一位同仁的奉献。特别感谢保铮院士多年来的悉心培养和指导，感谢中国科学技术大学陈国良院士的指导和帮助，感谢国家自然科学基金委员会信息科学部的大力支持，感谢陈莉教授、韩军伟教授、张智军教授、李军教授、程塨研究员的帮助，感谢焦李成、唐旭、王丹等智能感知与图像理解教育部重点实验室成员所付出的辛勤劳动，感谢西安电子科技大学对本书的主持，感谢人工智能学院全体老师对本书的付出，感谢西安电子科技大学出版社胡方明社长、阔永红总编、毛红兵副总编、高维岳社长助理、马乐惠编辑的辛苦付出。

　　由于作者水平有限，书中不妥之处在所难免，恳请读者批评指正。

作 者

2019年7月21日