掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(jì)(下)
-
>
基于個(gè)性化設(shè)計(jì)策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動(dòng)內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
中圖價(jià):¥27.9
加入購物車
高光譜圖像處理技術(shù) 版權(quán)信息
- ISBN：9787118086461
- 條形碼：9787118086461 ; 978-7-118-08646-1
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
高光譜圖像處理技術(shù) 本書特色
王立國、趙春暉編著的《高光譜圖像處理技術(shù)》共分9章。第2～6章主要由王立國執(zhí)筆完成，內(nèi)容涵蓋分類、端元選擇、光譜解混、亞像元定位以及超分辨率復(fù)原等高光譜圖像處理技術(shù)，是該著者多年取得的研究成果，希望這些內(nèi)容在思想或方法上能夠?yàn)樽x者提供些許借鑒或啟發(fā)。
高光譜圖像處理技術(shù) 內(nèi)容簡介
《高光譜圖像處理技術(shù)》共分9章。首尾兩章對(duì)高光譜遙感的基本理論、高光譜遙感主要處理技術(shù)的發(fā)展現(xiàn)狀、高光譜遙感的應(yīng)用進(jìn)行了簡單的介紹，便于不同需求的讀者參閱。第2～8章是以著者近年來的研究成果為主體內(nèi)容，將高光譜圖像的主要處理技術(shù)，即分類、端元提取、光譜解混、亞像元定位、超分辨率復(fù)原、異常檢測(cè)、降維壓縮等進(jìn)行了系統(tǒng)的整理和詳盡的闡釋，旨在為讀者提供一個(gè)較完整的框架和較新穎的內(nèi)容。 《高光譜圖像處理技術(shù)》可作為高等院校遙感、測(cè)繪、地理信息系統(tǒng)等專業(yè)的本科生、研究生的參考用書，也可供相關(guān)領(lǐng)域不同層次的研究人員參閱。
高光譜圖像處理技術(shù) 目錄
第1章 高光譜遙感基本理論及主要處理技術(shù)
1.1 高光譜遙感基本理論
1.1.1 遙感電磁波理論基礎(chǔ)
1.1.2 太陽輻射與物質(zhì)的相互作用
1.1.3 成像光譜儀及其成像方式
1.1.4 高光譜圖像的數(shù)據(jù)特點(diǎn)
1.2 高光譜圖像分類技術(shù)
1.2.1 監(jiān)督分類與非監(jiān)督分類
1.2.2 參數(shù)分類與非參數(shù)分類
1.2.3 確定性分類與非確定性分類
1.2.4 其他分類方法
1.3 高光譜圖像端元選擇技術(shù)
1.4 高光譜圖像光譜解混技術(shù)
1.4.1 非線性模型
1.4.2 線性模型
1.4.3 線性模型的多端元模式
1.5 高光譜圖像亞像元定位技術(shù)
1.5.1 基于空間相關(guān)性的亞像元定位
1.5.2 基于空間地統(tǒng)計(jì)學(xué)的亞像元定位
1.5.3 基于神經(jīng)網(wǎng)絡(luò)的亞像元定位
1.5.4 基于像元交換的亞像元定位
1.6 高光譜圖像超分辨率技術(shù)
1.7 高光譜圖像異常檢測(cè)技術(shù)
1.8 高光譜圖像降維與壓縮技術(shù)
1.8.1 關(guān)于降維：波段選擇與特征提取
1.8.2 關(guān)于壓縮：有損壓縮與無損壓縮
參考文獻(xiàn)
第2章 高光譜圖像分類技術(shù)
2.1 典型分類方法
2.2 典型評(píng)價(jià)準(zhǔn)則
2.3 svm分類方法
2.3.1 理論基礎(chǔ)
2.3.2 分類原理
2.3.3 *簡多類分類器的構(gòu)造
2.3.4 *小二乘svm及其smo優(yōu)化算法
2.3.5 三重加權(quán)分類方法
2.4 svm分類性能的評(píng)價(jià)
2.4.1 基本svm分類性能評(píng)價(jià)
2.4.2 *簡多類分類器性能評(píng)價(jià)
2.4.3 三重加權(quán)分類性能評(píng)價(jià)
2.5 本章小結(jié)
參考文獻(xiàn)
第3章 高光譜圖像光譜端元選擇技術(shù)
3.1 n-findr光譜端元選擇算法
3.1.1 相關(guān)理論介紹
3.1.2 n-findr算法
3.2 基于距離尺度的快速n-findr算法
3.2.1 距離尺度替換體積尺度
3.2.2 基于ppi思想的數(shù)據(jù)排序
3.2.3 復(fù)雜性分析和效率評(píng)價(jià)
3.3 基于線性lssvm的距離測(cè)算
3.4 光譜端元選擇的魯棒性方法
3.4.1 預(yù)處理階段：魯棒協(xié)方差矩陣的獲取
3.4.2 光譜端元選擇階段：野值點(diǎn)的去除
3.5 性能評(píng)價(jià)
3.5.1 基于距離尺度的快速n-findr算法
3.5.2 魯棒性評(píng)價(jià)
3.6 快速n-findr算法的兩個(gè)應(yīng)用
3.6.1 構(gòu)建lsmm心的求解算法
3.6.2 構(gòu)建快速無監(jiān)督波段選擇算法
3.7 本章小結(jié)
參考文獻(xiàn)
第4章 高光譜圖像光譜解混技術(shù)
4.1 基于lsmm的lsma方法
4.2 全約束lsma的兩種新型求解方法
4.2.1 迭代求解中的參量替換方法
4.2.2 幾何求解方法
4.3 基于lsvm的光譜解混原理
4.3.1 lsvm與lsmm的解混等效性證明
4.3.2 lsvm解混的獨(dú)特優(yōu)勢(shì)
4.4 結(jié)合空間信息的光譜解混方法
4.5 帶有解混殘差約束條件的svm光譜解混模型
4.5.1 基于原始lssvm的光譜解混
4.5.2 基于解混殘差約束lssvm的解混模型的建立及其閉式解的推導(dǎo)
4.5.3 新模型中單端元替換為多端元的方法
4.6 性能評(píng)價(jià)
4.6.1 基本svm光譜解混性能評(píng)價(jià)
4.6.2 魯棒性加權(quán)svm解混評(píng)價(jià)
4.6.3 結(jié)合空譜信息的解混方法評(píng)價(jià)
4.6.4 帶有解混誤差約束的新型svm解混模型的性能評(píng)價(jià)
4.7 光譜解混的模糊精度評(píng)價(jià)方法
4.7.1 模糊精度評(píng)價(jià)方法
4.7.2 模糊精度評(píng)價(jià)方法在具體實(shí)驗(yàn)中的應(yīng)用
4.8 本章小結(jié)
參考文獻(xiàn)
第5章 高光譜圖像亞像元定位技術(shù)
5.1 基于lssvm的線性特征地物亞像元定位技術(shù)
5.1.1 基于lssvm的亞像元定位技術(shù)
5.1.2 人工合成訓(xùn)練樣本的方法
5.2 基于空間引力模型的亞像元定位方法
5.2.1 基于修正的亞像元／像元空間引力模型的亞像元定位
5.2.2 基于混合空間引力模型的亞像元定位
5.3 結(jié)合mrf和亞像元位移遙感影像的亞像元定位
5.3.1 基于mrf的亞像元定位
5.3.2 結(jié)合mrf和亞像元位移遙感影像的亞像元定位
5.4 性能評(píng)價(jià)
5.4.1 基于lssvm的線性特征地物亞像元定位
5.4.2 mspsam和msam
5.4.3 結(jié)合mrf和亞像元位移遙感影像的亞像元定位
5.5 本章小結(jié)
參考文獻(xiàn)
第6章 高光譜圖像超分辨率技術(shù)
6.1 基于pocs算法的超分辨率復(fù)原
6.1.1 pocs基本理論
6.1.2 基于pocs算法的超分辨率復(fù)原
6.2 基于map算法的超分辨率復(fù)原
6.2.1 map基本理論
6.2.2 基于map算法的超分辨率復(fù)原
6.3 單譜段圖像的分辨率提高方法
6.3.1 幾何對(duì)偶模型的建立與插值方法
6.3.2 混合插值方法
6.4 性能評(píng)價(jià)
6.4.1 pocs和map超分辨率方法
6.4.2 對(duì)偶性插值方法
6.5 本章小結(jié)
參考文獻(xiàn)
第7章 高光譜圖像異常檢測(cè)技術(shù)
7.1 基于形態(tài)學(xué)理論的核檢測(cè)算法
7.1.1 基于形態(tài)學(xué)的波段選擇
7.1.2 基于形態(tài)學(xué)的核rx算法
7.2 自適應(yīng)核異常檢測(cè)算法
7.2.1 支持向量數(shù)據(jù)描述方法
7.2.2 自適應(yīng)核異常檢測(cè)算法
7.3 核異常檢測(cè)中光譜相似度量核的構(gòu)造
7.3.1 高斯徑向基核的局限性
7.3.2 光譜相似度量核函數(shù)
7.4 性能評(píng)價(jià)
7.4.1 基于形態(tài)學(xué)的核檢測(cè)算法效果驗(yàn)證
7.4.2 自適應(yīng)核異常檢測(cè)算法效果驗(yàn)證
7.4.3 基于光譜相似度量核的異常檢測(cè)算法效果驗(yàn)證
7.5 其他異常檢測(cè)算法簡介
7.5.1 基于空域?yàn)V波的核rx高光譜異常檢測(cè)算法
7.5.2 基于多層窗口分析的核檢測(cè)算法
7.6 本章小結(jié)
參考文獻(xiàn)
第8章 高光譜圖像降維及壓縮技術(shù)
8.1 降維技術(shù)
8.1.1 基于svm的波段選擇
8.1.2 典型端元選擇方法在波段選擇中的應(yīng)用
8.1.3 仿真實(shí)驗(yàn)
8.2 壓縮技術(shù)
8.2.1 基于矢量量化的壓縮算法
8.2.2 基于提升格式的壓縮算法
8.3 本章小結(jié)
參考文獻(xiàn)
第9章 高光譜遙感應(yīng)用簡介
9.1 農(nóng)業(yè)
9.1.1 小麥
9.1.2 水稻
9.1.3 大豆
9.1.4 玉米
9.2 森林
9.2.1 森林調(diào)查
9.2.2 森林生化組成與森林健康狀態(tài)
9.2.3 森林災(zāi)害
9.2.4 外來物種監(jiān)測(cè)
9.3 草地
9.3.1 草地生物量估算
9.3.2 草地種類識(shí)別
9.3.3 草地化學(xué)成分估測(cè)
9.4 海洋
9.4.1 海洋遙感中的基礎(chǔ)研究
9.4.2 海洋與海岸帶資源環(huán)境監(jiān)測(cè)中的應(yīng)用研究
9.4.3 國際相關(guān)發(fā)展動(dòng)態(tài)
9.5 地質(zhì)
9.5.1 巖礦識(shí)別
9.5.2 資源勘查
9.6 環(huán)境
9.6.1 大氣污染監(jiān)測(cè)
9.6.2 土壤侵蝕監(jiān)測(cè)
9.6.3 水環(huán)境監(jiān)測(cè)
9.7 軍事
參考文獻(xiàn)
附錄1 本書主要符號(hào)及縮寫說明
附錄2 著者主要相關(guān)文章
展開全部
書友推薦
- >
名家?guī)阕x魯迅:故事新編
- >
回憶愛瑪儂
- >
羅曼·羅蘭讀書隨筆-精裝
- >
上帝之肋:男人的真實(shí)旅程
- >
我從未如此眷戀人間
- >
朝聞道
- >
自卑與超越
- >
中國歷史的瞬間
本類暢銷
