0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 地球天文 > 测绘学 > 高分辨遥感影像学习与感知

相同作者的商品

相同语种的商品

销售排行榜

高分辨遥感影像学习与感知


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
高分辨遥感影像学习与感知
  • 书号：9787030523877
    作者：焦李成等
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：312
    字数：394000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2017-03-01
  • 所属分类：测绘学
  • 定价： ￥138.00元
    售价： ￥109.02元
  • 图书介质:
    按需印刷

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

高分辨遥感影像学习与感知是近年来遥感应用领域的研究热点。本书分析了高分辨率遥感影像处理的特点和面临的挑战，总结和归纳了国内外已有的研究工作，结合近年来机器学习和人工智能领域中的热点方法，如稀疏表示、多核学习、模糊聚类、多目标优化等，着重从高空间分辨率 SAR 遥感影像相干斑抑制、SAR 地物目标分类和高光谱分辨率遥感影像混合像元分解、维数约简、地物目标分类等方面进行研究，提供了新颖的解决思路和方法。本书侧重于新算法的描述与实例的分析，反映近年来高分辨遥感影像学习与感知的最新发展概况，为该领域的深入研究提供借鉴。
高分辨遥感影像学习与感知是近年来遥感应用领域的研究热点。本书分析了高分辨率遥感影像处理的特点和面临的挑战，总结和归纳了国内外已有的研究工作，结合近年来机器学习和人工智能领域中的热点方法，如稀疏表示、多核学习、模糊聚类、多目标优化等，着重从高空间分辨率 SAR 遥感影像相干斑抑制、SAR 地物目标分类和高光谱分辨率遥感影像混合像元分解、维数约简、地物目标分类等方面进行研究，提供了新颖的解决思路和方法。本书侧重于新算法的描述与实例的分析，反映近年来高分辨遥感影像学习与感知的最新发展概况，为该领域的深入研究提供借鉴。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第 1 章 绪论 1
    1.1 遥感与遥感影像概述 1
    1.2 高空间分辨率合成孔径雷达遥感影像处理 2
    1.2.1 SAR 遥感影像 2
    1.2.2 高分辨 SAR 遥感影像处理的国内外现状与挑战 5
    1.3 高光谱分辨率遥感影像处理 10
    1.3.1 高光谱遥感影像 11
    1.3.2 高光谱遥感影像处理的研究现状及难点 12
    参考文献 17
    第 2 章 基于统计的高分辨 SAR 遥感影像相干斑抑制 29
    2.1 Marr 的视觉计算理论 29
    2.2 基于视觉计算的初始素描模型 30
    2.2.1 初始素描模型 31
    2.2.2 基于视觉计算的初始素描图提取方法 32
    2.3 基于视觉计算的 SAR 图像素描模型 34
    2.3.1 SAR 图像素描模型 34
    2.3.2 基于视觉计算的 SAR 图像素描图提取方法 35
    2.3.3 SAR 图像素描图提取结果分析 39
    2.4 基于几何核函数和同质区域搜索的 SAR 图像相干斑抑制 45
    2.4.1 基于 SAR 图像素描图的块相似性计算方法 45
    2.4.2 基于几何核函数和同质区域搜索的方法 47
    2.5 实验结果与分析 48
    2.5.1 参数敏感性分析 48
    2.5.2 合成 SAR 图像与真实高分辨 SAR 图像相干斑抑制结果与分析 51
    2.6 本章小结 60
    参考文献 61
    第 3 章 基于非局部信息和改进边缘保持的高分辨 SAR 遥感影像分类 63
    3.1 引言 63
    3.2 模糊聚类算法研究进展 64
    3.2.1 标准的模糊 c 均值算法 64
    3.2.2 约束的模糊聚类算法 64
    3.2.3 增强的模糊聚类算法 65
    3.2.4 快速推广的模糊聚类算法 66
    3.2.5 模糊局部信息的聚类算法 67
    3.2.6 非局部空间信息的模糊聚类算法 67
    3.3 基于非局部信息和改进边缘保持的模糊聚类方法 68
    3.3.1 基于非局部信息和改进边缘保持的模糊聚类算法流程 68
    3.3.2 基于非局部信息的求和图像的构造 68
    3.3.3 基于统计的过平滑边缘的重新定位 70
    3.3.4 模糊 c 均值聚类 71
    3.4 实验结果与分析 71
    3.5 本章小结 79
    参考文献 79
    第 4 章 基于层次语义和自适应隐模型的高分辨 SAR 遥感影像分类 82
    4.1 引言 82
    4.2 SAR 图像的层次视觉语义模型 84
    4.3 基于层次视觉语义和自适应邻域多项式隐模型的 SAR 图像分割 88
    4.3.1 聚集区域的分割 88
    4.3.2 结构区域和匀质区域的分割 88
    4.4 实验结果和分析 92
    4.4.1 数据集 93
    4.4.2 合成 SAR 遥感影像的分割 94
    4.4.3 真实高分辨 SAR 遥感影像的分割 97
    4.5 本章小结 103
    参考文献 103
    第 5 章 融合多特征的人工免疫多目标 SAR 遥感影像分类 106
    5.1 引言 106
    5.2 多目标优化问题 107
    5.2.1 多目标优化问题的数学定义 107
    5.2.2 多目标优化问题研究的必要性 108
    5.3 进化多目标优化算法的研究进展 109
    5.3.1 进化多目标优化算法的研究起源 109
    5.3.2 进化多目标优化的代表算法 110
    5.3.3 第一代进化多目标优化算法 111
    5.3.4 第二代进化多目标优化算法 112
    5.3.5 当代进化多目标优化算法 114
    5.4 多目标 SAR 图像分割模型的定义 114
    5.5 融合互补特征的人工免疫多目标 SAR 图像分割算法 116
    5.5.1 SAR 图像中的互补融合特征 116
    5.5.2 SAR 图像的预处理 118
    5.5.3 融合互补特征的人工免疫多目标 SAR 图像分割算法流程 119
    5.6 实验结果与分析 120
    5.7 本章小结 131
    参考文献 131
    第 6 章 基于上下文分析和非均衡合并的高分辨 SAR 遥感影像分类 136
    6.1 引言 136
    6.2 基于格式塔规则的上下文分析 137
    6.2.1 超像素的产生 138
    6.2.2 上下文分析 138
    6.2.3 基于上下文的典型：马尔可夫随机场分割算法 140
    6.2.4 基于格式塔规则的上下文分析 143
    6.3 无监督非均衡合并算法 146
    6.3.1 粗合并阶段 147
    6.3.2 细合并阶段 148
    6.3.3 无监督非均衡合并算法特性分析 151
    6.4 实验结果与分析 152
    6.4.1 模拟 SAR 图像 153
    6.4.2 真实 SAR 图像 158
    6.5 本章小结 161
    参考文献 161
    第 7 章 基于多元互信息测度和克隆选择优化的高光谱波段选择 165
    7.1 引言 165
    7.2 高光谱波段选择研究进展 166
    7.3 基于三元互信息的准则函数 167
    7.3.1 基于互信息的准则 167
    7.3.2 互信息和理想互信息准则的相关性 169
    7.3.3 半监督互信息准则 171
    7.4 基于改进克隆选择算法的搜索策略 172
    7.4.1 种群初始化 172
    7.4.2 基于互信息和半监督互信息下的种群迭代 172
    7.4.3 基于多元互信息测度和克隆选择优化的算法流程 173
    7.5 实验结果与分析 174
    7.6 本章小结 185
    参考文献 185
    第 8 章 基于波段协作性和近邻传播聚类的半监督高光谱波段选择 188
    8.1 引言 188
    8.2 近邻传播聚类算法 189
    8.3 基于正则化三元互信息的近邻传播聚类方法 190
    8.3.1 基于正则化三元互信息和正则化互信息的波段相关性 191
    8.3.2 基于熵和互信息的波段偏向 194
    8.3.3 自动噪声波段移除 194
    8.3.4 RNTMIAP 算法步骤 195
    8.3.5 RNTMIAP 算法时间复杂度分析 195
    8.4 实验结果与分析 196
    8.4.1 高光谱图像地物分类结果与分析 196
    8.4.2 所选波段分析 203
    8.5 本章小结 206
    参考文献 206
    第 9 章 稀疏约束的广义双线性高光谱遥感影像解混 208
    9.1 高光谱中的解混问题 208
    9.1.1 大气校正 208
    9.1.2 降维 209
    9.1.3 解混 210
    9.2 高光谱解混模型 210
    9.2.1 线性光谱混合模型 210
    9.2.2 非线性光谱混合模型 212
    9.3 广义双线性模型 213
    9.4 稀疏约束的半非负矩阵分解 214
    9.4.1 稀疏约束 214
    9.4.2 L1/2正则化半非负矩阵分解 214
    9.4.3 多步内循环迭代 217
    9.5 实验结果与分析 218
    9.6 本章小结 221
    参考文献 221
    第 10 章 基于多核学习的不平衡高光谱遥感影像分类 223
    10.1 引言 223
    10.2 核学习 223
    10.3 多核学习的发展历史及研究现状 224
    10.3.1 半定规划求解多核学习 225
    10.3.2 二阶锥形规划求解多核学习 225
    10.3.3 基于切平面的交替优化求解多核学习 226
    10.3.4 基于梯度下降的交替优化求解多核学习 227
    10.3.5 基于解析优化的交替优化求解多核学习 228
    10.4 传统分类器与经典的不平衡分类器 228
    10.4.1 传统分类器与不平衡数据 228
    10.4.2 经典的不平衡分类器 229
    10.5 基于多核学习的不平衡分类器 232
    10.5.1 最大 margin 准则 232
    10.5.2 最大 margin 的分类器集成 233
    10.5.3 基于多核学习的最大 margin 分类器求解 234
    10.6 实验结果与分析 235
    10.7 本章小结 239
    参考文献 240
    第 11 章 基于均值漂移和组稀疏编码的高光谱遥感影像空谱域分类 242
    11.1 稀疏表示理论 242
    11.2 组稀疏编码 243
    11.2.1 组编码 243
    11.2.2 组稀疏编码的字典学习 244
    11.2.3 组稀疏编码算法与传统的稀疏编码算法的比较 245
    11.3 基于组稀疏编码的高光谱图像分类及结果分析 245
    11.4 基于均值漂移和组稀疏编码的高光谱图像空谱域分类 252
    11.4.1 高光谱图像分割 252
    11.4.2 均值漂移聚类 253
    11.4.3 基于均值漂移聚类和组稀疏编码的高光谱图像空谱域分类 254
    11.5 实验结果与分析 255
    11.6 本章小结 260
    参考文献 260
    第 12 章 基于多特征联合与稀疏表示学习的高光谱遥感影像分类 263
    12.1 引言 263
    12.2 空谱域多特征提取 265
    12.3 基于多特征联合的稀疏表示分类方法 268
    12.3.1 基于多特征的稀疏表示分类 268
    12.3.2 基于多特征的联合稀疏表示分类 269
    12.4 实验结果与分析 270
    12.5 本章小结 276
    参考文献 276
    第 13 章 基于类级稀疏表示学习的高光谱影像空谱联合分类 278
    13.1 集成学习理论基础 278
    13.1.1 集成学习的定义和系统结构 278
    13.1.2 集成学习的应用 281
    13.2 基于稀疏集成学习的空谱联合分类方法 281
    13.2.1 稀疏集成分类方法 282
    13.2.2 空谱联合的稀疏集成分类方法 283
    13.2.3 交替方向乘子法 285
    13.3 实验结果与分析 287
    13.4 本章小结 297
    参考文献 298
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com