本書系統(tǒng)的闡述了遙感大數(shù)據(jù)背景下，遙感信息智能化處理的基本理論、相關(guān)技術(shù)及具體應(yīng)用。全書共分七章，包括遙感影像幾何配準技術(shù)、遙感影像智能融合技術(shù)、遙感圖像變化檢測技術(shù)、遙感信息智能識別技術(shù)、遙感數(shù)據(jù)同化技術(shù)以及遙感智能云計算技術(shù)。本書整體內(nèi)容精煉系統(tǒng)，并涵蓋深度學習、云計算等前言研究技術(shù)，在編寫過程中結(jié)合了算法原理與實際應(yīng)用案例，全面而又不失重點地展現(xiàn)了遙感智能信息處理技術(shù)應(yīng)用，較為全面地表述了遙感影像智能處理知識體系。
更多科學出版社服務(wù)，請掃碼獲取。
中國科學院戰(zhàn)略性先導科技專項"地球大數(shù)據(jù)科學工程"的課題"全景美麗中國數(shù)據(jù)綜合集成與知識服務(wù)系統(tǒng)"的負責人，
目錄
前言
第1章 緒論 1
1.1 遙感圖像智能處理技術(shù) 1
1.2 關(guān)鍵圖像處理技術(shù)研究進展 1
1.2.1 遙感影像幾何配準技術(shù) 1
1.2.2 遙感影像智能融合技術(shù) 6
1.2.3 遙感影像變化檢測技術(shù) 10
1.2.4 遙感信息智能識別技術(shù) 13
1.2.5 遙感數(shù)據(jù)同化技術(shù) 21
1.2.6 遙感智能云計算技術(shù) 24
參考文獻 28
第2章 遙感影像幾何配準技術(shù) 45
2.1 遙感影像自動配準技術(shù) 45
2.1.1 遙感影像配準原理 45
2.1.2 遙感影像配準方法 46
2.1.3 遙感影像配準精度評估方法 48
2.1.4 多模態(tài)遙感影像特性及配準關(guān)鍵問題分析 49
2.2 光學高分影像自動配準技術(shù) 52
2.2.1 SIFT 算法及存在問題 52
2.2.2 基于SIFT 與互信息篩選優(yōu)化的遙感影像配準方法 57
2.3 光學與雷達影像自動配準技術(shù) 64
2.3.1 相位一致性原理 64
2.3.2 擴展相位一致性光學與SAR 影像配準算法流程 65
2.3.3 實驗結(jié)果與分析 71
2.4 基于深度卷積特征的多模態(tài)遙感影像配準技術(shù) 79
2.4.1 卷積神經(jīng)網(wǎng)絡(luò)原理 79
2.4.2 算法流程 80
2.4.3 實驗結(jié)果與分析 85
2.5 本章小結(jié) 94
參考文獻 94
第3章 遙感影像智能融合技術(shù) 98
3.1 遙感圖像自動融合技術(shù) 98
3.1.1 遙感圖像融合原理 98
3.1.2 融合的細節(jié)提取與直方圖匹配 99
3.1.3 遙感圖像融合評價方法 100
3.1.4 遙感影像融合關(guān)鍵問題分析 103
3.2 基于ICM 的自適應(yīng)多光譜圖像全色銳化算法 104
3.2.1 ICM 圖像分割 104
3.2.2 多光譜圖像全色銳化算法設(shè)計 106
3.2.3 實驗結(jié)果與分析 109
3.3 基于ICM的多光譜與無人機圖像自適應(yīng)銳化融合算法 114
3.3.1 多光譜與無人機圖像自適應(yīng)銳化融合算法框架 114
3.3.2 銳化融合 115
3.3.3 實驗結(jié)果與分析 116
3.4 基于ICM 的自適應(yīng)高光譜圖像全色銳化算法 118
3.4.1 高光譜圖像全色銳化算法框架 118
3.4.2 銳化融合方法 121
3.4.3 實驗結(jié)果與分析 123
3.5 本章小結(jié) 127
參考文獻 127
第4章 遙感影像變化檢測技術(shù) 130
4.1 經(jīng)典變化檢測方法 131
4.1.1 分類后比較法 131
4.1.2 變化向量分析法 131
4.1.3 后驗概率空間變化向量分析法綜述 132
4.2 耦合模糊聚類算法和貝葉斯網(wǎng)絡(luò)變化檢測 132
4.2.1 模糊C 均值聚類算法 132
4.2.2 簡單貝葉斯網(wǎng)絡(luò) 133
4.2.3 貝葉斯網(wǎng)絡(luò)學習 134
4.2.4 后驗概率空間變化向量分析法原理 135
4.2.5 FCM-SBN-CVAPS變換檢測算法流程 135
4.2.6 實驗結(jié)果與分析 135
4.3 后驗概率空間混合條件隨機場變化檢測 140
4.3.1 隨機場原理 140
4.3.2 FCM-SBN-CVAPS-HCRF的勢能函數(shù) 142
4.3.3 實驗結(jié)果與分析 143
4.4 遙感影像抗噪聲變化檢測 153
4.4.1 空間FCM-SBN-CVAPS原理 153
4.4.2 實驗結(jié)果與分析 155
4.5 本章小結(jié) 162
參考文獻 163
第5章 遙感信息智能識別技術(shù) 165
5.1 基于深度學習的語義分割技術(shù) 165
5.1.1 卷積神經(jīng)網(wǎng)絡(luò)概念及特點 165
5.1.2 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 166
5.1.3 語義分割網(wǎng)絡(luò) 168
5.1.4 典型語義分割網(wǎng)絡(luò) 169
5.2 Swin Transformer融合Gabor濾波的遙感影像語義分割 173
5.2.1 Gabor 濾波 173
5.2.2 特征融合 174
5.2.3 Swin-S-GF模型設(shè)計 179
5.2.4 實驗結(jié)果與分析 180
5.2.5 消融實驗 187
5.3 本章小結(jié) 189
參考文獻 190
第6章 遙感數(shù)據(jù)同化技術(shù) 193
6.1 遙感數(shù)據(jù)同化基本原理 193
6.1.1 遙感數(shù)據(jù)同化原理 193
6.1.2 遙感數(shù)據(jù)同化方法 194
6.1.3 遙感數(shù)據(jù)同化評價標準 200
6.1.4 多源遙感數(shù)據(jù)的特性和同化的關(guān)鍵問題分析 201
6.2 基于EnKF的遙感積雪數(shù)據(jù)同化技術(shù) 202
6.2.1 遙感積雪數(shù)據(jù)同化流程 202
6.2.2 實驗結(jié)果與分析 206
6.3 基于EnKF的遙感微波亮溫與地表溫度數(shù)據(jù)同化技術(shù) 217
6.3.1 遙感微波亮溫與地表溫度數(shù)據(jù)同化流程 217
6.3.2 實驗結(jié)果分析 220
6.4 基于EnKF的遙感微波亮溫與地下水儲量變化的數(shù)據(jù)同化技術(shù) 225
6.4.1 遙感微波亮溫與地下水儲量變化數(shù)據(jù)同化流程 225
6.4.2 實驗結(jié)果分析 226
6.5 本章小結(jié) 232
參考文獻 233
第7章 遙感智能云計算技術(shù) 237
7.1 遙感智能云計算 237
7.1.1 遙感智能云計算基本概念 237
7.1.2 遙感智能云計算關(guān)鍵技術(shù) 238
7.2 可擴展計算資源的遙感大數(shù)據(jù)云計算平臺 240
7.2.1 云計算平臺硬件環(huán)境 240
7.2.2 云計算平臺軟件環(huán)境 241
7.2.3 云計算平臺集成方案 241
7.3 基于云平臺的遙感大數(shù)據(jù)快速處理——以MODIS NDVI數(shù)據(jù)為例 243
7.3.1 實驗設(shè)計 243
7.3.2 云平臺效率評估 244
7.4 云平臺與深度學習框架的集成 247
7.4.1 云平臺與深度學習框架的集成方案 248
7.4.2 集成云平臺和深度學習框架的時序MODIS LAI數(shù)據(jù)重建 248
7.5 本章小結(jié) 252
參考文獻 253
書單推薦
