掃一掃
關注中圖網
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秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
基于統計的深空遙感數據智能解譯 版權信息
- ISBN：9787030776709
- 條形碼：9787030776709 ; 978-7-03-077670-9
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于統計的深空遙感數據智能解譯 內容簡介
近幾十年來，不斷開展的太空探測活動使我們能夠近距離地觀測如月球、火星、小行星等天體，特別是我國開展的嫦娥系列探月工程，為人類獲取了大量珍貴的深空遙感影像數據。但是，基于人工的影像數據判讀不僅要面臨復雜的深空環境，而且也難以滿足海量數據的解譯需求。這造成了深空遙感數據的資源浪費，還了影像數據在天文研究中的進一步應用。 影像處理和人工智能技術近年來的迅猛發展，為深空遙感影像數據解譯帶來了新的機遇。因此，本書采用以統計分析為主的影像處理技術，針對深空遙感影像的特點，研究了嫦娥系列任務獲取的影像數據的信息提取與解譯問題。
基于統計的深空遙感數據智能解譯 目錄
目錄
前言
**部分 基礎理論篇
第1章 緒論 3
1.1 研究背景與數據基礎 3
1.2 深空遙感數據特點 6
1.3 關鍵問題 8
1.4 具體研究內容 8
第2章 聚類表示與地貌識別的基礎知識 12
2.1 聚類的概念 12
2.2 深空影像數據聚類識別方法的研究現狀.13
2.2.1 人工識別 13
2.2.2 基于地形信息的分析算法 14
2.2.3 機器學習方法 17
2.3 聚類相關基礎知識 19
第二部分 基于**統計方法的深空數據解譯篇
第3章 基于嫦娥三號極紫外影像的地心定標 27
3.1 任務背景與極紫外數據介紹 27
3.2 極紫外數據特征分析 30
3.3 圓形差分方法 33
3.4 地心定標結果 37
3.5 結論 42
附錄 388幅發布的EUV影像的初步地心定標結果 42
第4章 基于嫦娥二號影像數據的Toutatis小行星(4179)的形貌探索 46
4.1 Toutatis小行星介紹 46
4.2 基于梯度分析與區域約束的形貌自動判讀 48
4.2.1 梯度分析提取形貌種子點 48
4.2.2 基于區域約束的形貌單元自動標識.51
4.2.3 實驗分析 53
4.2.4 自動提取方法的相關結論 55
4.3 基于Toutatis影像數據的增強技術及形貌的分層分類分析 55
4.3.1 分層分類分析方法 56
4.3.2 分層分類結果與分析 59
4.3.3 分層分類方法討論 65
4.4 結論 66
第5章 基于隨機場的影像低對比度區域形貌分析 67
5.1 基于馬爾可夫隨機場模型的聚類方法 67
5.2 馮？卡門撞擊坑形貌分析 73
5.2.1 實驗數據 74
5.2.2 實驗結果 75
5.2.3 結論分析 84
5.3 小天體形貌分析 84
5.3.1 實驗分析 86
5.3.2 形貌判讀 88
5.3.3 討論分析 91
第三部分 基于深度學習方法的深空數據解譯篇
第6章 深度學習基本理論知識 95
6.1 CNN介紹 95
6.1.1 CNN發展歷史 95
6.1.2 CNN基本概念 95
6.1.3 基于CNN的深層神經網絡介紹 116
6.2 深度神經網絡的應用 119
6.2.1 常見的影像語義分割模型 120
6.2.2 常用的目標檢測模型 122
6.3 深度學習常用的評價指標介紹.125
第7章 基于深度學習的撞擊坑判讀 128
7.1 引言 128
7.2 研究基礎 128
7.2.1 研究數據類型及來源 128
7.2.2 撞擊坑目錄 130
7.3 深度學習在撞擊坑識別中的發展 130
7.3.1 撞擊坑識別中的問題 130
7.3.2 撞擊坑識別算法步驟 132
7.3.3 撞擊坑識別算法效果對比 135
7.4 **語義分割網絡實驗介紹——以UNet為例 136
7.4.1 數據集準備 136
7.4.2 實驗流程介紹 139
7.4.3 實驗結果分析 140
7.4.4 部分實驗Python代碼 142
參考文獻 149
前言
**部分 基礎理論篇
第1章 緒論 3
1.1 研究背景與數據基礎 3
1.2 深空遙感數據特點 6
1.3 關鍵問題 8
1.4 具體研究內容 8
第2章 聚類表示與地貌識別的基礎知識 12
2.1 聚類的概念 12
2.2 深空影像數據聚類識別方法的研究現狀.13
2.2.1 人工識別 13
2.2.2 基于地形信息的分析算法 14
2.2.3 機器學習方法 17
2.3 聚類相關基礎知識 19
第二部分 基于**統計方法的深空數據解譯篇
第3章 基于嫦娥三號極紫外影像的地心定標 27
3.1 任務背景與極紫外數據介紹 27
3.2 極紫外數據特征分析 30
3.3 圓形差分方法 33
3.4 地心定標結果 37
3.5 結論 42
附錄 388幅發布的EUV影像的初步地心定標結果 42
第4章 基于嫦娥二號影像數據的Toutatis小行星(4179)的形貌探索 46
4.1 Toutatis小行星介紹 46
4.2 基于梯度分析與區域約束的形貌自動判讀 48
4.2.1 梯度分析提取形貌種子點 48
4.2.2 基于區域約束的形貌單元自動標識.51
4.2.3 實驗分析 53
4.2.4 自動提取方法的相關結論 55
4.3 基于Toutatis影像數據的增強技術及形貌的分層分類分析 55
4.3.1 分層分類分析方法 56
4.3.2 分層分類結果與分析 59
4.3.3 分層分類方法討論 65
4.4 結論 66
第5章 基于隨機場的影像低對比度區域形貌分析 67
5.1 基于馬爾可夫隨機場模型的聚類方法 67
5.2 馮？卡門撞擊坑形貌分析 73
5.2.1 實驗數據 74
5.2.2 實驗結果 75
5.2.3 結論分析 84
5.3 小天體形貌分析 84
5.3.1 實驗分析 86
5.3.2 形貌判讀 88
5.3.3 討論分析 91
第三部分 基于深度學習方法的深空數據解譯篇
第6章 深度學習基本理論知識 95
6.1 CNN介紹 95
6.1.1 CNN發展歷史 95
6.1.2 CNN基本概念 95
6.1.3 基于CNN的深層神經網絡介紹 116
6.2 深度神經網絡的應用 119
6.2.1 常見的影像語義分割模型 120
6.2.2 常用的目標檢測模型 122
6.3 深度學習常用的評價指標介紹.125
第7章 基于深度學習的撞擊坑判讀 128
7.1 引言 128
7.2 研究基礎 128
7.2.1 研究數據類型及來源 128
7.2.2 撞擊坑目錄 130
7.3 深度學習在撞擊坑識別中的發展 130
7.3.1 撞擊坑識別中的問題 130
7.3.2 撞擊坑識別算法步驟 132
7.3.3 撞擊坑識別算法效果對比 135
7.4 **語義分割網絡實驗介紹——以UNet為例 136
7.4.1 數據集準備 136
7.4.2 實驗流程介紹 139
7.4.3 實驗結果分析 140
7.4.4 部分實驗Python代碼 142
參考文獻 149
展開全部
書友推薦
- >
煙與鏡
- >
自卑與超越
- >
推拿
- >
隨園食單
- >
伊索寓言-世界文學名著典藏-全譯本
- >
唐代進士錄
- >
小考拉的故事-套裝共3冊
- >
名家帶你讀魯迅:朝花夕拾
本類暢銷
