本書(shū)是一本探討卷積神經(jīng)網(wǎng)絡(luò)在圖像融合、識(shí)別任務(wù)上應(yīng)用的專業(yè)著作，旨在為讀者提供全面而實(shí)用的知識(shí)體系，使其能夠深入理解圖像融合與識(shí)別的原理和實(shí)現(xiàn)，并應(yīng)用于各個(gè)領(lǐng)域。本書(shū)涵蓋了從卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概念到圖像融合、識(shí)別前沿技術(shù)的全面內(nèi)容，并詳細(xì)介紹了著者自身的研究成果。本書(shū)共8章，主要包括：圖像融合與目標(biāo)識(shí)別的目的、意義、基本
本書(shū)是一部英文專著。我國(guó)遙感對(duì)地觀測(cè)等項(xiàng)目順利實(shí)施，獲取了大量時(shí)效性強(qiáng)、覆蓋范圍廣、信息量豐富的遙感數(shù)據(jù)，但遙感圖像解譯領(lǐng)域存在時(shí)效性不足、目標(biāo)發(fā)現(xiàn)能力偏弱、地物要素解譯自動(dòng)化水平不高等突出短板，嚴(yán)重制約了遙感圖像應(yīng)用效能的發(fā)揮。本書(shū)從遙感圖像智能解譯與應(yīng)用技術(shù)發(fā)展現(xiàn)狀出發(fā)，系統(tǒng)介紹了遙感圖像智能解譯與應(yīng)用主要內(nèi)容，重
本書(shū)主要講述了智能遙感衛(wèi)星的遙感影像在軌高精度處理與實(shí)時(shí)智能服務(wù)系統(tǒng)的設(shè)計(jì)理念與核心技術(shù)，重點(diǎn)圍繞智能遙感衛(wèi)星在軌處理與實(shí)時(shí)智能服務(wù)的服務(wù)模式、流式架構(gòu)、關(guān)鍵技術(shù)算法和處理系統(tǒng)進(jìn)行論述。本書(shū)包括7個(gè)核心章節(jié)，分別介紹了對(duì)智能遙感衛(wèi)星得發(fā)展現(xiàn)狀與趨勢(shì)、智能遙感衛(wèi)星在軌流式處理架構(gòu)與服務(wù)模式、面向任務(wù)遙感衛(wèi)星協(xié)同自主任務(wù)規(guī)
本書(shū)全面介紹了遙感數(shù)字圖像獲取，遙感數(shù)據(jù)表示方法、存儲(chǔ)及顯示，遙感圖像校正，遙感影像調(diào)色、鑲嵌與正射影像生產(chǎn)，圖像變換與增強(qiáng)，圖像分割，遙感圖像分類等的基本概念、理論和方法。同時(shí)，本書(shū)在ENVI軟件的基礎(chǔ)上介紹了遙感數(shù)字圖像處理的應(yīng)用，并與景觀生態(tài)風(fēng)險(xiǎn)時(shí)空變化驅(qū)動(dòng)與預(yù)測(cè)項(xiàng)目相結(jié)合，詳細(xì)介紹了遙感數(shù)字圖像處理在景觀生態(tài)風(fēng)
超高空間分辨率(VHR)遙感影像中陰影的形成主要是由于光線被物體阻擋，從而降低了地物的光譜亮度。高效的陰影消除方法可以恢復(fù)陰影中地物的光譜信息，是遙感影像分析的關(guān)鍵預(yù)處理步驟。然而，由于缺乏精確陰影掩膜和無(wú)陰影圖像的原因，導(dǎo)致VHR影像陰影消除中存在“數(shù)據(jù)缺陷”。為了獲得高精度的陰影掩膜，為陰影消除提供準(zhǔn)確的位置信息，
遙感影像作為人們獲取地理信息的重要數(shù)據(jù)來(lái)源，在環(huán)境監(jiān)測(cè)、農(nóng)業(yè)發(fā)展和國(guó)土利用和規(guī)劃等方面起著十分重要的作用，但是獲取影像數(shù)據(jù)時(shí)容易受不均勻的光照、不同的環(huán)境條件和不同的傳感器平臺(tái)等因素的影響，導(dǎo)致遙感影像內(nèi)部存在局部亮度和色彩分布不均勻現(xiàn)象，特別是在由若干幅影像拼接而成的多源拼接影像中，影像內(nèi)部色彩差異較大，使得影像看起
本書(shū)基于非合作目標(biāo)雷達(dá)特性、運(yùn)動(dòng)特性和形狀特征，分析了影響目標(biāo)ISAR成像的因素，重點(diǎn)對(duì)稀疏重構(gòu)成像方法和彈道目標(biāo)特征提取方法進(jìn)行了闡述分析，針對(duì)非合作目標(biāo)成像、特征提取與識(shí)別面臨的成像時(shí)間短、積累信號(hào)少、成像質(zhì)量不高和特征提取識(shí)別難的問(wèn)題，提出了多種基于聯(lián)合稀疏重構(gòu)和二維稀疏重構(gòu)的成像方法，并闡述了機(jī)動(dòng)非合作目標(biāo)的快
本書(shū)共分為8章，重點(diǎn)研究了基于深度屬性學(xué)習(xí)的光學(xué)遙感圖像分類方法，如基于屬性學(xué)習(xí)預(yù)測(cè)的細(xì)粒度遙感目標(biāo)分類、基于多源屬性學(xué)習(xí)的細(xì)粒度遙感場(chǎng)景分類、基于屬性建模遷移的少樣本遙感圖像分類、基于視覺(jué)屬性自動(dòng)化標(biāo)注的零樣本遙感圖像場(chǎng)景分類等。對(duì)于每種典型的遙感圖像分類方法，從研究者的角度，詳細(xì)地介紹了其研究背景、問(wèn)題描述、算法模
本書(shū)共分為十一章，涉及九個(gè)用于圖像分類的著名卷積神經(jīng)網(wǎng)絡(luò)模型，分別是：LeNet-5(識(shí)別手寫(xiě)數(shù)字)、AlexNet(寵物貓狗識(shí)別)、VGG(表情識(shí)別)GoogleNet(車輛品牌識(shí)別)、ResNet(寵物貓狗品種識(shí)別)、MobileNet(新疆蘋(píng)果品種識(shí)別)、SqueezeNet(西紅柿病害識(shí)別)、SqueezeNe
本書(shū)圍繞高光譜遙感圖像智能分類與檢測(cè)這一主題，著重介紹以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等為代表的智能新方法和新技術(shù)在高光譜圖像分類與檢測(cè)中的應(yīng)用，反映該領(lǐng)域目前最新研究成果與趨勢(shì)，突出先進(jìn)性和前瞻性。本書(shū)在介紹智能算法基本原理的同時(shí)，注重闡述算法與應(yīng)用問(wèn)題的機(jī)理性結(jié)合，突出啟發(fā)性和實(shí)用性。
書(shū)單推薦 新書(shū)推薦
