本書主要內(nèi)容包括進化計算、機器學習、模式識別、數(shù)據(jù)降維、影像解譯等。本書著重對上述領域的國內(nèi)外發(fā)展現(xiàn)狀進行了總結，闡述了作者對高光譜遙感影像分類實際應用的思考與探索。
本書總結了作者近年來基于人工智能深度學習模型的高光譜遙感影像智能分類方向的最新研究成果，從深度學習領域最具代表性的卷積神經(jīng)網(wǎng)絡、圖卷積網(wǎng)絡出發(fā)，對高光譜影像分類的理論發(fā)展和最新動態(tài)以及該領域存在的若干關鍵問題、研究難點及新方法等進行了論述。
本書針對遙感成像衛(wèi)星在軌實時處理這一新技術方向，系統(tǒng)全面地介紹了在軌實時處理的基本概念、研究意義、國內(nèi)外發(fā)展歷程及趨勢；面向微波成像衛(wèi)星，從在軌成像處理與在軌目標檢測分類兩個方面闡述了算法流程及優(yōu)化設計方法；面向光學成像衛(wèi)星，從在軌數(shù)據(jù)預處理、在軌壓縮與質(zhì)量評價、在軌目標檢測分類等方面闡述了算法優(yōu)化設計方法；面向在軌數(shù)
本書在介紹深空探測任務與深空影像背景知識的基礎上,著重從統(tǒng)計數(shù)據(jù)分析和人工智能兩個方面介紹深空遙感影像相關的智能解譯方法.其中,在統(tǒng)計數(shù)據(jù)分析方面,介紹了統(tǒng)計理論工具及其在“嫦娥”觀測數(shù)據(jù)的判讀解譯應用.在人工智能數(shù)據(jù)分析方面,介紹了深度學習中基于語義分割和基于目標檢測方法在全月撞擊坑的自動判讀識別.為了便于讀者使用上
本書針對該種成像儀獲取的影像進行航帶拼接研究，以獲得具有高幾何定位精度和高光譜保真性的高光譜影像。本書首先利用曲面樣條函數(shù)法或基于導航數(shù)據(jù)或二者結合的方法對影像進行幾何校正；然后采用基于邊緣塊剔除的局部方差法計算各波段信噪比，取分值最高的波段作為最優(yōu)波段；再利用該最優(yōu)波段采用SIFT算法或改進的相位相關法來糾正航帶間已
高光譜圖像分析是遙感技術對地球表面分析和應用的一個關鍵步驟，同時也是人類認知地球的重要手段之一。為滿足對分類精度和效率以及泛化性的要求，針對高光譜圖像具有的復雜空-譜特性、非線性可分以及標記樣本有限等特點，利用深度學習和寬度學習技術，探索監(jiān)督型、半監(jiān)督型、無監(jiān)督型以及遷移型深-寬度高光譜圖像分類方法，分別對應第3章、第
本書全面講解了卷積神經(jīng)網(wǎng)絡（CNN）、單階段目標檢測、雙階段目標檢測、多尺度融合、注意力機制和語義分割等深度學習算法在遙感圖像分類、檢測、分割和提取等方面的應用，介紹了各種深度學習模型的原理及其在遙感圖像處理中的具體實現(xiàn)方法。本書以遙感圖像飛機目標檢測、艦船目標檢測、遙感圖像建筑物提取及遙感圖像土地語義分割為例，詳細介
本書基于注入模型從像素級層面開展遙感圖像新算法研究，重點是提高遙感圖像的融合性能和應用價值，主要論述基于精煉細節(jié)注入的遙感圖像融合算法、基于補償細節(jié)注入的遙感圖像融合算法、基于多光譜圖像改進的遙感圖像融合算法、基于光譜及亮度調(diào)制的遙感圖像融合算法和基于多目標決策的遙感圖像融合算法。本書適合數(shù)據(jù)融合、計算機視覺、圖像處理
隨著海道測量技術的不斷發(fā)展，衛(wèi)星水深反演(SDB)技術在淺海水域應用日趨廣泛，SDB技術較傳統(tǒng)海道測量可以實現(xiàn)以較少的成本獲得淺水區(qū)域的水深，同時可應用于聲學測量手段無法獲取的水域，在海圖尚未標明的水域尤其有效，可以在聲學測量之前提高其安全性。國際海道測量組織IHO《衛(wèi)星測深實踐指南(B-13)》提供了關于SDB技術的
本書系統(tǒng)地介紹了高分辨率遙感影像分割與分類的相關概念、原理、方法、步驟和新進展等，具體框架模型和實現(xiàn)方法都有著鮮明的特色，內(nèi)容涵蓋多分支融合網(wǎng)絡、基于CNN的雙邊融合網(wǎng)絡、小卷積特征重用模型、基于多尺度近端特征拼接網(wǎng)絡、深度置信網(wǎng)絡、局部與混合擴張卷積融合網(wǎng)絡、預激活殘差注意力網(wǎng)絡、基于多判別器生成對抗網(wǎng)絡以及3D-2
書單推薦
