掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
智能化的遙感影像亞像元定位 版權信息
- ISBN：9787562541141
- 條形碼：9787562541141 ; 978-7-5625-4114-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能化的遙感影像亞像元定位 內容簡介
《智能化的遙感影像亞像元定位技術》將主要選取人工神經網絡來作為遙感影像混合像元分解以及亞像元定位技術處理與分析的手段，彌補傳統方法在處理此類問題上存在的不足；同時，在神經網絡模型的基礎上進行適當擴展，以改善模型的結果精度及實施程度，提高遙感影像的利用能力。《智能化的遙感影像亞像元定位技術》是作者近年來對遙感影像混合分解及亞像元定位技術方面研究成果的一個階段性總結，同時也是作者對該處理技術的一個初步詮釋。
智能化的遙感影像亞像元定位 目錄
**章 緒論
1．1 目的與意義
1．2 研究現狀概述
1．2．1 智能化的遙感影像處理手段
1．2．2 混合像元分解
1．2．3 亞像元定位
1．3 面臨的問題及挑戰
第二章 神經網絡基本原理
2．1 神經系統原理
2．1．1 生物神經元
2．1．2 計算特性
2．2 人工神經網絡結構
2．2．1 基本模型結構
2．2．2 拓撲結構
2．3 遙感信息處理中的應用方法
2．3．1 神經網絡學習方式
2．3．2 神經網絡學習規則
2．4 三種典型的神經網絡模型
2．4．1 BP神經網絡模型
2．4．2 Fuzzy ARTMAP神經網絡模型
2．4．3 Hopfield神經網絡模型
第三章 混合像元分解模型
3．1 硬分類和混合像元
3．2 線性混合光譜模型
3．2．1 數學模型分析
3．2．2 線性模型的適用性
3．3 非線性混合光譜模型
3．4 BP神經網絡的混合分解模型
3．4．1 BP神經網絡分類實驗
3．4．2 BP神經網絡混合分解實驗
3．5 Fuzzy ARTMAP神經網絡的混合分解模型
3．5．1 數據源
3．5．2 步驟及結果分析
3．5．3 參數設置
第四章 端元選擇的影響
4．1 混合像元分解的誤差分析
4．2 端元變化對混合像元分解的影響
4．3 端元光譜選擇的方法
4．4 基于交叉光譜匹配的端元選擇法
4．5 基于端元選擇的混合像元分解實驗
4．5．1 端元可變的線性混合分解實驗
4．5．2 端元可變的神經網絡混合分解實驗
第五章 亞像元定位模型
5．1 亞像元定位的理論基礎
5．2 基于監督型神經網絡的亞像元定位模型
5．2．1 模擬數據實驗
5．2．2 真實數據實驗
5．2．3 算法分析
5．3 基于非監督型神經網絡的亞像元定位方法
5．3．1 字體實驗及結果分析
5．3．2 真實數據實驗
5．4 線性優化理論
5．5 基于進化Agent理論的亞像元定位方法
5．5．1 進化Agent技術介紹
5．5．2 進化Agent模型實驗分析
第六章 綜合亞像元定位模型及應用
6．1 基于端元選擇的綜合亞像元定位模型
6．2 基于超分辨率重建的神經網絡亞像元定位模型
6．2．1 重建模型
6．2．2 改進的BPMAP亞像元定位方法
6．2．3 實驗及比較分析
6．3 基于融合技術的神經網絡亞像元定位模型
6．3．1 Gram-Schmidt光譜融合
6．3．2 選取非固定的本地純凈端元
6．3．3 改變神經網絡的輸入端
6．3．4 實驗與結果分析
6．4 基于亞像元定位的變化檢測應用
6．4．1 亞像元變化的空間分布假設
6．4．2 算法描述
6．4．3 實驗分析
參考文獻
1．1 目的與意義
1．2 研究現狀概述
1．2．1 智能化的遙感影像處理手段
1．2．2 混合像元分解
1．2．3 亞像元定位
1．3 面臨的問題及挑戰
第二章 神經網絡基本原理
2．1 神經系統原理
2．1．1 生物神經元
2．1．2 計算特性
2．2 人工神經網絡結構
2．2．1 基本模型結構
2．2．2 拓撲結構
2．3 遙感信息處理中的應用方法
2．3．1 神經網絡學習方式
2．3．2 神經網絡學習規則
2．4 三種典型的神經網絡模型
2．4．1 BP神經網絡模型
2．4．2 Fuzzy ARTMAP神經網絡模型
2．4．3 Hopfield神經網絡模型
第三章 混合像元分解模型
3．1 硬分類和混合像元
3．2 線性混合光譜模型
3．2．1 數學模型分析
3．2．2 線性模型的適用性
3．3 非線性混合光譜模型
3．4 BP神經網絡的混合分解模型
3．4．1 BP神經網絡分類實驗
3．4．2 BP神經網絡混合分解實驗
3．5 Fuzzy ARTMAP神經網絡的混合分解模型
3．5．1 數據源
3．5．2 步驟及結果分析
3．5．3 參數設置
第四章 端元選擇的影響
4．1 混合像元分解的誤差分析
4．2 端元變化對混合像元分解的影響
4．3 端元光譜選擇的方法
4．4 基于交叉光譜匹配的端元選擇法
4．5 基于端元選擇的混合像元分解實驗
4．5．1 端元可變的線性混合分解實驗
4．5．2 端元可變的神經網絡混合分解實驗
第五章 亞像元定位模型
5．1 亞像元定位的理論基礎
5．2 基于監督型神經網絡的亞像元定位模型
5．2．1 模擬數據實驗
5．2．2 真實數據實驗
5．2．3 算法分析
5．3 基于非監督型神經網絡的亞像元定位方法
5．3．1 字體實驗及結果分析
5．3．2 真實數據實驗
5．4 線性優化理論
5．5 基于進化Agent理論的亞像元定位方法
5．5．1 進化Agent技術介紹
5．5．2 進化Agent模型實驗分析
第六章 綜合亞像元定位模型及應用
6．1 基于端元選擇的綜合亞像元定位模型
6．2 基于超分辨率重建的神經網絡亞像元定位模型
6．2．1 重建模型
6．2．2 改進的BPMAP亞像元定位方法
6．2．3 實驗及比較分析
6．3 基于融合技術的神經網絡亞像元定位模型
6．3．1 Gram-Schmidt光譜融合
6．3．2 選取非固定的本地純凈端元
6．3．3 改變神經網絡的輸入端
6．3．4 實驗與結果分析
6．4 基于亞像元定位的變化檢測應用
6．4．1 亞像元變化的空間分布假設
6．4．2 算法描述
6．4．3 實驗分析
參考文獻
展開全部
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
名家帶你讀魯迅:朝花夕拾
- >
伊索寓言-世界文學名著典藏-全譯本
- >
【精裝繪本】畫給孩子的中國神話
- >
隨園食單
- >
經典常談
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
名家帶你讀魯迅:故事新編
本類暢銷
