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
高光譜遙感圖像智能分類與檢測 版權信息
- ISBN：9787030783646
- 條形碼：9787030783646 ; 978-7-03-078364-6
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
高光譜遙感圖像智能分類與檢測 內容簡介
本書圍繞高光譜遙感圖像智能分類與檢測這一主題，著重介紹以機器學習、深度學習等為代表的智能新方法和新技術在高光譜圖像分類與檢測中的應用，反映該領域目前近期新研究成果與趨勢，突出優選性和前瞻性。本書在介紹智能算法基本原理的同時，注重闡述算法與應用問題的機理性結合，突出啟發性和實用性。
高光譜遙感圖像智能分類與檢測 目錄
目錄“新一代人工智能理論、技術及應用叢書”序前言第1章 高光譜遙感圖像成像原理及特點11.1 高光譜遙感理論基礎概述11.1.1 太陽輻射基本理論11.1.2 太陽輻射與物質的相互作用11.2 高光譜遙感圖像成像機理與方式51.2.1 高光譜遙感圖像成像機理51.2.2 成像光譜儀的空間成像方式51.2.3 幾種典型成像光譜儀簡介71.3 高光譜圖像數據特點與表達方式81.3.1 高光譜圖像數據特點81.3.2 高光譜圖像數據表達方式101.4 高光譜圖像處理及其應用概述121.4.1 高光譜圖像處理的具體種類121.4.2 高光譜圖像處理的特點121.4.3 高光譜圖像處理的應用13參考文獻19第2章 高光譜圖像智能分類相關理論概述222.1 高光譜圖像分類技術概述222.1.1 高光譜圖像分類的概念222.1.2 高光譜圖像分類特點及面臨的挑戰232.2 高光譜圖像分類基本流程242.2.1 圖像預處理242.2.2 標記訓練樣本242.2.3 特征提取與特征選擇242.2.4 分類判決252.2.5 分類結果和精度評價252.3 高光譜圖像分類方法概述252.3.1 有監督分類、半監督分類與無監督分類252.3.2 高光譜圖像分類方法的種類262.4 高光譜圖像分類精度評價272.4.1 混淆矩陣282.4.2 OA與AA.282.4.3 Kappa系數28參考文獻29第3章 基于機器學習的高光譜圖像分類333.1 基于機器學習的高光譜圖像**分類方法概述333.1.1 基于組合核的高光譜圖像分類方法333.1.2 基于稀疏表示的高光譜圖像分類方法343.1.3 基于隨機森林的高光譜圖像分類方法353.1.4 基于圖像分割的高光譜圖像分類方法363.1.5 基于邊緣保持濾波的高光譜圖像分類方法373.2 基于脊波和SWNN的高光譜圖像融合分類方法383.2.1 方法原理383.2.2 方法流程483.2.3 實驗結果及分析513.3 基于多特征融合機制的高光譜圖像分類方法563.3.1 方法原理573.3.2 方法流程593.3.3 實驗結果及分析633.4 基于邊緣保留濾波技術的高光譜圖像分類方法693.4.1 方法原理693.4.2 方法流程703.4.3 實驗結果及分析763.5 基于加權譜空間的半監督高光譜圖像分類方法833.5.1 方法原理833.5.2 方法流程843.5.3 實驗結果及分析873.6 基于譜梯度、SVM和空間隨機森林的高光譜圖像分類方法943.6.1 方法原理943.6.2 方法流程953.6.3 實驗結果及分析983.7 基于多尺度雙邊濾波器的高光譜圖像分類方法1063.7.1 方法原理1063.7.2 方法流程1063.7.3 實驗結果及分析108參考文獻115第4章 基于深度學習的高光譜圖像分類1184.1 基于深度學習的高光譜圖像**分類方法概述1184.1.1 基于堆棧自動編碼器網絡的高光譜圖像分類方法1184.1.2 基于人工神經網絡的高光譜圖像分類方法1214.1.3 基于深度置信網絡的高光譜圖像分類方法1224.1.4 基于卷積神經網絡的高光譜圖像分類方法1244.2 基于多策略融合機制和ISSARF的高光譜圖像空譜分類方法1264.2.1 方法原理1264.2.2 方法流程1334.2.3 實驗結果及分析1354.3 基于空譜稀疏張量的深度神經網絡的高光譜圖像分類方法1484.3.1 方法原理1494.3.2 方法流程1544.3.3 實驗結果及分析1544.4 基于密集卷積網絡和條件隨機場的高光譜圖像分類方法1634.4.1 方法原理1634.4.2 方法流程1684.4.3 實驗結果及分析1684.5 基于密集卷積網絡和域自適應的高光譜圖像分類方法1754.5.1 方法原理1764.5.2 方法流程1784.5.3 實驗結果及分析1784.6 基于核引導可變卷積和雙窗聯合雙邊濾波的高光譜圖像分類方法1854.6.1 方法原理1854.6.2 方法流程1894.6.3 實驗結果及分析189參考文獻196第5章 高光譜圖像檢測相關理論概述2005.1 高光譜圖像檢測的概念、具體分類及特點2005.1.1 高光譜圖像檢測的概念2005.1.2 高光譜圖像檢測的具體分類2005.1.3 高光譜圖像檢測的特點2015.2 高光譜圖像特定目標檢測理論概述2015.2.1 高光譜圖像特定目標檢測的概念2015.2.2 高光譜圖像特定目標檢測中存在的問題2025.2.3 評價指標2025.3 高光譜圖像異常目標檢測理論概述2035.3.1 高光譜圖像異常目標檢測的概念2035.3.2 高光譜圖像異常目標檢測中存在的問題2055.3.3 評價指標205參考文獻208第6章 高光譜圖像特定目標檢測方法2106.1 高光譜圖像特定目標檢測方法的種類2106.2 幾種**的高光譜圖像特定目標檢測方法2126.2.1 正交子空間投影方法2126.2.2 約束能量昀小化方法2146.2.3 匹配子空間濾波方法2156.2.4 光譜匹配濾波方法2166.2.5 自適應子空間檢測方法2176.2.6 支持向量數據描述方法2186.3 基于空間支持的稀疏表示目標檢測方法2196.3.1 方法原理2196.3.2 方法流程2206.3.3 實驗結果及分析2226.4 基于自適應子字典的稀疏表示目標檢測方法2286.4.1 方法原理2286.4.2 方法流程2296.4.3 實驗結果及分析2306.5 基于空譜支持流形式的多任務學習目標檢測方法2386.5.1 方法原理2386.5.2 方法流程2396.5.3 實驗結果及分析2426.6 基于概率圖的多任務學習目標檢測方法2566.6.1 方法原理2566.6.2 方法流程2586.6.3 實驗結果及分析2616.7 基于非局部自相似性和秩-1張量分解的高光譜圖像目標檢測方法2686.7.1 方法原理2686.7.2 方法流程2716.7.3 實驗結果及分析274參考文獻284第7章 高光譜圖像異常目標檢測方法2897.1 高光譜圖像異常目標檢測方法的種類2897.1.1 基于統計模型的異常目標檢測方法2897.1.2 基于稀疏表示理論的異常目標檢測方法2907.1.3 基于深度學習的異常目標檢測方法2917.1.4 基于空譜聯合的異常目標檢測方法2927.2 幾種典型的高光譜圖像異常目標檢測方法2927.2.1 RX方法2937.2.2 基于稀疏表示理論的高光譜圖像異常目標檢測方法2947.2.3 基于協同表示的高光譜圖像異常目標檢測方法2957.2.4 基于低秩稀疏矩陣分解的高光譜圖像異常目標檢測方法2977.3 基于局部線性嵌入稀疏差異指數的高光譜圖像異常目標檢測方法2987.3.1 方法原理2997.3.2 方法流程3047.3.3 實驗結果及分析3047.4 基于局部密度的自適應背景純化的高光譜圖像異常目標檢測方法3207.4.1 方法原理3207.4.2 方法流程3247.4.3 實驗結果及分析3247.5 基于張量分解的高光譜圖像異常目標檢測方法3317.5.1 方法原理3317.5.2 方法流程3347.5.3 實驗結果及分析3347.6 基于低秩稀疏分解和空譜聯合棧式自動編碼器的高光譜圖像異常目標檢測方法3427.6.1 方法原理3427.6.2 方法流程3447.6.3 實驗結果及分析3457.7 基于空譜聯合低秩稀疏分解的高光譜圖像異常目標檢測方法3557.7.1 方法原理3557.7.2 方法流程3577.7.3 實驗結果及分析358參考文獻367
展開全部
書友推薦
- >
唐代進士錄
- >
伯納黛特,你要去哪(2021新版)
- >
伊索寓言-世界文學名著典藏-全譯本
- >
史學評論
- >
龍榆生：詞曲概論/大家小書
- >
羅曼·羅蘭讀書隨筆-精裝
- >
巴金－再思錄
- >
李白與唐代文化
本類暢銷
