注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)工業(yè)技術(shù)一般工業(yè)技術(shù)高光譜遙感影像智能處理

高光譜遙感影像智能處理

高光譜遙感影像智能處理

定 價:¥158.00

作 者: 張良培,鐘燕飛,王心宇 著
出版社: 國防工業(yè)出版社
叢編項:
標(biāo) 簽: 暫缺

ISBN: 9787118133974 出版時間: 2025-01-01 包裝: 平裝-膠訂
開本: 16開 頁數(shù): 字?jǐn)?shù):  

內(nèi)容簡介

  本書結(jié)合作者及所在課題組多年從事高光譜遙感研究內(nèi)容,全面梳理高光譜遙感觀測-模型-應(yīng)用體系,在全面介紹高光譜遙感的基本原理、星-空-地高光譜觀測平臺的基礎(chǔ)上,系統(tǒng)闡述了高光譜遙感影像去噪、混合像元分解、像素分類和目標(biāo)探測的前沿技術(shù),并呈現(xiàn)了高光譜信息技術(shù)在傳統(tǒng)自然資源監(jiān)測、地質(zhì)調(diào)查、軍事目標(biāo)探測和前沿的深空探測、工業(yè)視覺和公共安全等領(lǐng)域的應(yīng)用案例。

作者簡介

暫缺《高光譜遙感影像智能處理》作者簡介

圖書目錄

第 1 章 緒論
1.1 遙感電磁輻射原理
1.2 高光譜遙感基本理論
1.3 高光譜遙感發(fā)展歷史
第 2 章 星 - 空 - 地高光譜傳感器與平臺
2.1 高光譜成像原理
2.2 高光譜遙感觀測平臺
2.2.1 星載 - 高光譜遙感系統(tǒng)
2.2.2 機(jī)載 - 高光譜遙感系統(tǒng)
2.2.3 無人機(jī) - 高光譜遙感系統(tǒng)
2.2.4 地面 - 高光譜遙感系統(tǒng)
2.2.5 深空探測 - 高光譜系統(tǒng)
2.3 主要發(fā)展趨勢
第 3 章 高光譜影像去噪技術(shù)
3.1 高光譜影像噪聲問題
3.1.1 高光譜影像噪聲類型與機(jī)理
3.1.2 高光譜混合噪聲分布特性分析
3.2 基于正則化模型的高光譜影像去噪
3.2.1 基本原理
3.2.2 全變分先驗(yàn)?zāi)P?br />3.2.3 稀疏先驗(yàn)?zāi)P?br />3.2.4 低秩先驗(yàn)?zāi)P?br />3.3 深度學(xué)習(xí)高光譜影像去噪
3.3.1 基本原理
3.3.2 有監(jiān)督高光譜影像去噪網(wǎng)絡(luò)
3.3.3 無監(jiān)督高光譜影像去噪網(wǎng)絡(luò)
3.4 實(shí)驗(yàn)分析
3.4.1 實(shí)驗(yàn)設(shè)計
3.4.2 模擬數(shù)據(jù)實(shí)驗(yàn)
3.4.3 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
3.4.4 實(shí)驗(yàn)分析與討論
3.5 本章小結(jié)
第 4 章 高光譜混合像元分析
4.1 混合像元概述
4.1.1 混合像元問題
4.1.2 混合模型
4.2 高光譜分解基準(zhǔn)數(shù)據(jù)集和精度評價指標(biāo)
4.2.1 航空高光譜影像分解基準(zhǔn)數(shù)據(jù)集
4.2.2 地面高光譜影像分類基準(zhǔn)數(shù)據(jù)集
4.2.4 精度評價指標(biāo)
4.3 無監(jiān)督混合像元分解方法
4.3.1 兩步式解混:端元提取 - 豐度反演方法
4.3.2 一步式解混:混合像元盲分解方法
4.3.3 基于深度學(xué)習(xí)的混合像元分解
4.4 半監(jiān)督混合像元分解方法
4.4.1 高光譜遙感影像的稀疏表達(dá)
4.5 實(shí)驗(yàn)分析
4.5.1 端元光譜提取實(shí)驗(yàn)與分析
4.5.2 盲分解實(shí)驗(yàn)與分析
4.5.3 半監(jiān)督混合像元分解實(shí)驗(yàn)與分析
4.6 混合像元分解典型應(yīng)用
4.6.1 礦物填圖
4.6.2 物證鑒定
4.6.3 深空探測
第 5 章 高光譜分類技術(shù)
5.1 高光譜影像分類的基本原理
5.1.1 高光譜影像分類概述
5.1.2 高光譜影像數(shù)據(jù)特點(diǎn)
5.1.3 高光譜影像分類挑戰(zhàn)
5.2 分類基準(zhǔn)數(shù)據(jù)集和精度評價指標(biāo)
5.2.1 星載高光譜影像分類基準(zhǔn)數(shù)據(jù)集
5.2.2 航空高光譜影像分類基準(zhǔn)數(shù)據(jù)集
5.2.3 無人機(jī)高空間高光譜影像分類基準(zhǔn)數(shù)據(jù)集
5.2.4 高光譜影像分類精度評價指標(biāo)
5.3 基于光譜特征的高光譜分類技術(shù)
5.3.1 基于光譜特征匹配的高光譜影像分類
5.3.2 基于影像統(tǒng)計模型的高光譜影像分類
5.3.3 基于支持向量機(jī)的高光譜影像分類
5.3.4 基于人工神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.4 光譜 - 空間特征聯(lián)合的高光譜分類技術(shù)
5.4.1 基于紋理特征輔助的高光譜影像分類
5.4.2 基于面向?qū)ο蟮母吖庾V影像分類
5.4.3 基于上下文信息感知的高光譜影像分類
5.4.4 基于稀疏表達(dá)的高光譜影像分類
5.5 深度學(xué)習(xí)高光譜分類前沿
5.5.1 基于自編碼器的高光譜影像分類
5.5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.5.3 基于圖卷積神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.5.4 基于生成對抗網(wǎng)絡(luò)的高光譜影像分類
5.5.5 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.5.6 高光譜影像遷移分類技術(shù)
5.6 實(shí)驗(yàn)分析
5.6.1 高光譜數(shù)據(jù)增強(qiáng)
5.6.2 實(shí)驗(yàn)設(shè)置
5.6.3 實(shí)驗(yàn)結(jié)果對比分析
5.7 高光譜分類典型應(yīng)用
5.7.1 自然資源監(jiān)測
5.7.2 農(nóng)作物精細(xì)識別
5.7.3 工業(yè)視覺
第 6 章 高光譜目標(biāo)探測技術(shù)
6.1 目標(biāo)探測概述
6.1.1 概念與內(nèi)涵
6.1.2 高光譜目標(biāo)探測理論基礎(chǔ)
6.2 目標(biāo)探測基準(zhǔn)數(shù)據(jù)集和精度評價指標(biāo)
6.2.1 公開高光譜目標(biāo)探測基準(zhǔn)數(shù)據(jù)集
6.2.2 高光譜目標(biāo)探測精度評價體系
6.3 無監(jiān)督高光譜異常探測技術(shù)
6.3.1 無監(jiān)督高光譜異常探測理論基礎(chǔ)
6.3.2 經(jīng)典 RX 異常探測算法
6.3.3 基于核映射的異常探測算法
6.3.4 基于低秩先驗(yàn)的異常探測算法
6.4 半監(jiān)督高光譜目標(biāo)探測技術(shù)
6.4.1 半監(jiān)督高光譜目標(biāo)探測理論基礎(chǔ)
6.4.2 基于統(tǒng)計的目標(biāo)探測算法
6.4.3 基于核函數(shù)的目標(biāo)探測算法
6.4.4 基于稀疏表示的目標(biāo)探測算法
6.5 深度學(xué)習(xí)高光譜目標(biāo)探測前沿
6.5.1 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)探測算法
6.5.2 基于自編碼器的目標(biāo)探測算法
6.5.3 基于全卷積網(wǎng)絡(luò)的目標(biāo)探測算法
6.6 實(shí)驗(yàn)分析
6.6.1 無監(jiān)督高光譜異常探測實(shí)驗(yàn)與分析
6.6.3 半監(jiān)督高光譜目標(biāo)探測實(shí)驗(yàn)與分析
6.7 高光譜目標(biāo)探測典型應(yīng)用
6.7.1 入侵物種探測
6.7.2 軍事目標(biāo)識別
第 7 章 總結(jié)與展望
第 8 章 附錄
參考文獻(xiàn)
 

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.shuitoufair.cn 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號