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: > 基于深度学习的复杂场景遥感图像处理技术

相同语种的商品

销售排行榜

浏览历史

基于深度学习的复杂场景遥感图像处理技术


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
基于深度学习的复杂场景遥感图像处理技术
  • 书号：9787030862419
    作者：王新华,李壮
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：200
    字数：262000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2026-06-01
  • 所属分类：
  • 定价： ￥128.00元
    售价： ￥101.12元
  • 图书介质:
    纸质书

  • 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

本书针对复杂场景下遥感图像处理与分析领域的理论基础、关键技术和应用进行系统深入的阐述。首先，对遥感图像增强处理方法、语义分割技术和目标检测方法进行梳理总结。然后，面向复杂场景下遥感图像处理与目标识别任务，开展遥感图像去雾、低照度增强、云层遮挡去除、模糊粘连分割、阴影遮挡分割等关键技术方法的优化设计工作。同时，针对小目标检测精度不足、小目标特征捕捉能力弱、小目标对位置偏移较为敏感以及目标检测模型参数量较大等问题，进一步开展模型结构优化、特征表达增强与轻量化设计工作，并通过实验测试验证相关方法的有效性。
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 复杂场景遥感图像处理分析方法 1
    1.1 遥感图像增强处理方法 1
    1.1.1 遥感图像去雾增强处理方法 4
    1.1.2 遥感图像低照度增强处理方法 9
    1.1.3 遥感图像去云层遮挡处理方法 16
    1.2 遥感图像语义分割技术 18
    1.2.1 语义分割技术 19
    1.2.2 语义分割技术在遥感图像中的应用 23
    1.2.3 遥感图像语义分割的典型应用场景与案例分析 26
    1.2.4 遥感图像语义分割面临的挑战与解决方案分析 29
    1.2.5 用于语义分割的深度学习架构分类 32
    1.2.6 遥感图像语义分割的特殊性 35
    1.2.7 遥感图像语义分割的应用场景拓展趋势 35
    1.3 遥感图像目标检测方法 36
    1.3.1 遥感图像目标检测的背景与意义 36
    1.3.2 目标检测方法 37
    1.3.3 基于YOLO模型的遥感图像目标检测方法 44
    1.3.4 网络轻量化技术 46
    参考文献 49
    第2章 多尺度自适应的遥感图像去雾方法 60
    2.1 基于去雾FFA-Net 模型分析 60
    2.1.1 多尺度特征提取 61
    2.1.2 ECA机制 62
    2.2 优化FFA-Net模型设计 63
    2.2.1 多尺度自适应特征提取方法 63
    2.2.2 损失函数 65
    2.3 实验方案与结果分析 65
    2.3.1 数据集设置 65
    iv 基于深度学习的复杂场景遥感图像处理技术
    2.3.2 实验环境及参数初始化 66
    2.3.3 评价指标 66
    2.3.4 实验结果 67
    2.4 本章小结 72
    参考文献 72
    第3章 视觉感知的遥感图像低照度增强方法 74
    3.1 基于低照度增强SCINet模型分析 74
    3.1.1 伽马校正 75
    3.1.2 像素注意力机制 75
    3.2 优化SCINet模型设计 76
    3.2.1 自适应伽马校正模块 76
    3.2.2 像素注意力照明估计模块 77
    3.2.3 损失函数 77
    3.3 实验方案与结果分析 78
    3.3.1 数据集设置 78
    3.3.2 实验环境及参数初始化 79
    3.3.3 评价指标 79
    3.3.4 实验结果 80
    3.4 本章小结 87
    参考文献 87
    第4章 域自适应的遥感图像去云层遮挡方法 89
    4.1 基于去云层遮挡CTGAN模型分析 89
    4.2 优化CTGAN模型设计 92
    4.2.1 域自适应云层检测模块 92
    4.2.2 局部对比度鉴别器 93
    4.2.3 损失函数 93
    4.3 实验方案与结果分析 94
    4.3.1 数据集设置 94
    4.3.2 实验环境及参数初始化 95
    4.3.3 评价指标 95
    4.3.4 实验结果 96
    4.4 本章小结 103
    参考文献 103
    第5章 基于分形曲线与UNet 3+的边界分割FCUNet模型 105
    5.1 基于UNet 3+模型和分形曲线的图像编码 106
    5.1.1 双线性插值模块 107
    5.1.2 分形曲线编码方案 108
    5.2 基于UNet 3+模型的遥感图像解码框架 112
    5.2.1 处理多源多维特征图的汇聚层 112
    5.2.2 分形曲线模块的解码方案 113
    5.3 实验方案与结果分析 114
    5.3.1 数据集设置 114
    5.3.2 评价指标 115
    5.3.3 实验结果 118
    5.4 本章小结 123
    参考文献 124
    第6章 基于相似点模块与U-Net型框架的区域遮挡SPENet模型 125
    6.1 基于ResNet遥感图像的高维特征编码 125
    6.2 三支路并行网络结构设计 128
    6.2.1 基于FCUNet模型的边界确定模块 128
    6.2.2 基于相似点模块的区域像素分类 129
    6.2.3 基于U-Net框架的语义分割解码方案 131
    6.3 实验方案与结果分析 132
    6.3.1 数据集设置 132
    6.3.2 评价指标 132
    6.3.3 实验结果 133
    6.4 本章小结 138
    参考文献 138
    第7章 基于SPENet的全尺寸遥感图像语义分割 140
    7.1 基于图像尺寸与模型适配的策略 140
    7.1.1 遥感图像的裁切策略 141
    7.1.2 遥感图像切片的推理及掩码图的拼接合并策略 144
    7.2 实验方案与结果分析 145
    7.2.1 数据集设置 145
    7.2.2 评价指标 147
    7.2.3 实验结果 148
    7.3 本章小结 153
    参考文献 153
    第8章 基于感受野特性的遥感图像目标检测模型 155
    8.1 基于聚类算法动态调整锚框以适应不同数据集的尺寸 155
    8.2 基于感受野特性改进网络架构 156
    8.2.1 多尺度上下文增强模块 158
    8.2.2 基于注意力机制的特征提取层 159
    8.3 实验方案与结果分析 161
    8.3.1 对开源遥感图像数据集DOTA 进行图像增强 161
    8.3.2 实验环境及评价指标 162
    8.3.3 消融实验 163
    8.3.4 对比实验 164
    8.4 本章小结 168
    参考文献 168
    第9章 基于中心相似度的小目标定位模型 170
    9.1 基于Wasserstein距离计算样本中心相似度 170
    9.1.1 小目标漏检问题分析 170
    9.1.2 基于高斯分布映射检测框 171
    9.2 利用WIoU损失函数对样本进行梯度分配策略 173
    9.3 基于数据自适应平衡系数构建WTW 损失函数 175
    9.4 实验方案与结果分析 177
    9.4.1 实验环境 177
    9.4.2 消融实验 178
    9.4.3 对比实验 179
    9.5 本章小结 182
    参考文献 182
    第10章 基于全局通道剪枝的轻量化遥感图像目标检测模型 184
    10.1 基于全局通道剪枝算法 184
    10.2 构建轻量化的遥感图像目标检测模型 185
    10.2.1 基于联合显著性重排网络结构 185
    10.2.2 基于逐层连续贪婪剪枝策略确定最佳剪枝率 188
    10.3 实验方案与结果分析 191
    10.3.1 实验环境 192
    10.3.2 验证剪枝损失预实验 193
    10.3.3 剪枝对比实验 195
    10.4 本章小结 199
    参考文献 200
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