掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 全球遙感數(shù)據(jù)自動(dòng)化處理技術(shù)與系統(tǒng)架構(gòu)
作者：唐娉 著
開(kāi)本：
B5
頁(yè)數(shù)：
490
本類(lèi)榜單：工業(yè)技術(shù)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
公路車(chē)寶典(ZINN的公路車(chē)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(shū)中國(guó)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(chē)概要.交流傳動(dòng)內(nèi)燃.電力機(jī)車(chē)
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問(wèn)題與脈絡(luò)
中圖價(jià):¥267.0
加入購(gòu)物車(chē)
全球遙感數(shù)據(jù)自動(dòng)化處理技術(shù)與系統(tǒng)架構(gòu) 版權(quán)信息
- ISBN：9787030797216
- 條形碼：9787030797216 ; 978-7-03-079721-6
- 裝幀：精裝
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
全球遙感數(shù)據(jù)自動(dòng)化處理技術(shù)與系統(tǒng)架構(gòu) 內(nèi)容簡(jiǎn)介
遙感數(shù)據(jù)是空間大數(shù)據(jù)的一個(gè)子集。面向大數(shù)據(jù)處理，需要新思維指導(dǎo)實(shí)踐。新思維之一：尋找多源數(shù)據(jù)不變特征的思維，基于不變特征減弱同地、同譜、同時(shí)不同傳感器數(shù)據(jù)之間的不一致性，不同傳感器數(shù)據(jù)可綜合集成應(yīng)用。本書(shū)數(shù)據(jù)處理篇中多源數(shù)據(jù)的幾何一致性處理、輻射一致性處理等都是這一思維指導(dǎo)下的關(guān)鍵技術(shù)。新思維之二：將信息提取轉(zhuǎn)化為數(shù)據(jù)智能的思維，一方面構(gòu)建覆蓋問(wèn)題空間的樣本集，另一方面構(gòu)建深度學(xué)習(xí)模型表達(dá)與樣本的深度相似性。本書(shū)分類(lèi)與識(shí)別篇的遙感圖像的場(chǎng)景分類(lèi)、目標(biāo)檢測(cè)、地表覆蓋分類(lèi)、時(shí)間序列分類(lèi)聚類(lèi)的關(guān)鍵技術(shù)都是這一思維的具體體現(xiàn)。新思維之三：云計(jì)算和容器技術(shù)融合構(gòu)建技術(shù)平臺(tái)的思維，可以支撐遙感大數(shù)據(jù)的在線處理和分析。本書(shū)的系統(tǒng)架構(gòu)篇涉及的關(guān)鍵技術(shù)包括全球多源遙感數(shù)據(jù)的集成和組織技術(shù)、信息產(chǎn)品生產(chǎn)流程建模與算法集成優(yōu)化技術(shù)、容器化全球多源遙感數(shù)據(jù)信息產(chǎn)品生產(chǎn)系統(tǒng)關(guān)鍵設(shè)計(jì)技術(shù)都是這一思想的具體體現(xiàn)。
全球遙感數(shù)據(jù)自動(dòng)化處理技術(shù)與系統(tǒng)架構(gòu) 目錄
目錄“地球大數(shù)據(jù)科學(xué)論叢”序 i前言 iii**篇 數(shù)據(jù)處理第1章 遙感大數(shù)據(jù)處理的新思維 31.1 引言 31.1.1 何謂“大數(shù)據(jù)” 31.1.2 數(shù)據(jù)密集型科學(xué) 51.1.3 數(shù)據(jù)密集型科學(xué)和大數(shù)據(jù)技術(shù)的區(qū)別和聯(lián)系 71.2 數(shù)據(jù)密集型的遙感應(yīng)用研究 91.3 大數(shù)據(jù)時(shí)代遙感數(shù)據(jù)處理的新思維 111.4 小結(jié) 19參考文獻(xiàn) 19第2章 多尺度遙感數(shù)據(jù)的幾何歸一化處理 212.1 引言 212.2 為什么需要幾何歸一化處理 222.3 幾何校正自動(dòng)化實(shí)現(xiàn)的關(guān)鍵點(diǎn) 232.3.1 控制點(diǎn)提取的發(fā)展脈絡(luò) 232.3.2 幾何校正模型的選取和發(fā)展 342.4 誤匹配點(diǎn)檢測(cè)方法 352.4.1 研究現(xiàn)狀概述 352.4.2 現(xiàn)有方法問(wèn)題及改進(jìn)方向 392.5 基于高精度基準(zhǔn)影像的多尺度遙感影像歸一化處理框架和應(yīng)用 412.5.1 幾何歸一化處理總體框架 412.5.2 正射校正 422.5.3 分層匹配流程 422.5.4 幾何約束SIFT 算法 442.5.5 基于點(diǎn)特征和灰度特征的遙感影像自動(dòng)匹配方法 462.5.6 實(shí)際應(yīng)用情況及效果 472.6 小結(jié) 55參考文獻(xiàn) 56第3章 多源數(shù)據(jù)輻射一致性處理 593.1 引言 593.2 絕對(duì)輻射校正 603.2.1 輻射定標(biāo) 613.2.2 大氣校正 643.2.3 絕對(duì)輻射校正軟件介紹 703.3 基于典型相關(guān)分析的輻射一致性處理 733.3.1 IR-MAD算法 743.3.2 IR-MAD算法數(shù)據(jù)實(shí)驗(yàn) 793.3.3 基于地物平均光譜的線性相對(duì)輻射校正 813.4 基于核典型相關(guān)分析的輻射一致性處理 843.5 小結(jié) 94參考文獻(xiàn) 94第4章 薄霧去除 974.1 引言 974.2 基于濾波的薄霧去除算法 984.2.1 同態(tài)濾波法 984.2.2 小波變換法 994.2.3 大尺度中值濾波法 1014.3 基于暗通道的薄霧去除算法 1034.3.1 薄霧成像模型 1034.3.2 暗通道先驗(yàn) 1054.3.3 薄霧精細(xì)分布的快速估計(jì) 1064.4 定量薄霧去除算法 1094.4.1 輻射傳輸過(guò)程中的氣溶膠光學(xué)厚度 1094.4.2 區(qū)域直方圖匹配法 1124.5 幾種薄霧去除算法比較 1154.6 基于深度學(xué)習(xí)的薄霧去除 1204.6.1 基于對(duì)抗學(xué)習(xí)的物理驅(qū)動(dòng)去霧模型 1214.6.2 深度學(xué)習(xí)訓(xùn)練樣本庫(kù) 1244.6.3 算法優(yōu)化 126參考文獻(xiàn) 130第5章 云/云影檢測(cè)與修補(bǔ) 1325.1 云/云影檢測(cè)的傳統(tǒng)方法 1325.1.1 算法 1335.1.2 實(shí)驗(yàn)結(jié)果 1405.2 云/云影檢測(cè)的深度學(xué)習(xí)方法 1435.2.1 Refined UNet：基于UNet和全連接條件隨機(jī)場(chǎng)的云和陰影邊緣精準(zhǔn)分割方法 1465.2.2 Refined UNet V2：端到端的云和陰影降噪分割模型 1505.2.3 Refined UNet v3：基于多通道光譜特征的端到端云和陰影快速分割模型 1535.2.4 實(shí)驗(yàn)及結(jié)果分析 1565.3 云/云影修補(bǔ)算法 1655.3.1 基于泊松融合的云與云下陰影自動(dòng)修補(bǔ)算法 1655.3.2 基于核典型相關(guān)分析的序列圖像云檢測(cè)與修補(bǔ)算法 1745.4 小結(jié) 186參考文獻(xiàn) 187第6章 光譜信息和高空間分辨率信息融合 1926.1 引言 1926.2 **融合模型 1966.2.1 SSD模型 1976.2.2 BDSD模型 1986.2.3 MTF-GLP-HPM-PP模型 1986.2.4 PanNet模型 1986.3 PDSD 模型 1986.3.1 模型原理 1986.3.2 網(wǎng)絡(luò)結(jié)構(gòu) 2006.4 數(shù)據(jù)融合結(jié)果比較與評(píng)價(jià) 2016.4.1 實(shí)驗(yàn)數(shù)據(jù)集介紹 2016.4.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo) 2026.4.3 實(shí)驗(yàn)流程 2046.4.4 實(shí)驗(yàn)結(jié)果與分析 2056.5 小結(jié) 214參考文獻(xiàn) 214第7章 時(shí)相缺失圖像的插值生成 2187.1 引言 2187.2 線性插值模型及問(wèn)題 2237.3 基于自適應(yīng)濾波器的非線性圖像插值方法 2247.3.1 單向的時(shí)相間圖像插值生成方法 2257.3.2 雙向的時(shí)相間圖像插值生成方法 2257.4 實(shí)驗(yàn)結(jié)果與分析 2287.4.1 實(shí)現(xiàn)細(xì)節(jié) 2287.4.2 結(jié)果評(píng)價(jià) 2337.5 數(shù)據(jù)集的構(gòu)建實(shí)踐 2357.5.1 區(qū)域數(shù)據(jù)的缺失狀況 2357.5.2 數(shù)據(jù)集的構(gòu)建策略 2357.5.3 生成結(jié)果的性能分析 2377.5.4 生成結(jié)果的視覺(jué)展示 2397.6 小結(jié) 241參考文獻(xiàn) 241第二篇 分類(lèi)與識(shí)別第8章 遙感圖像場(chǎng)景分類(lèi) 2458.1 引言 2458.2 遙感圖像場(chǎng)景分類(lèi)發(fā)展現(xiàn)狀 2478.3 遙感圖像場(chǎng)景分類(lèi)的傳統(tǒng)方法 2508.3.1 基于**視覺(jué)詞包模型的遙感圖像場(chǎng)景分類(lèi)方法 2508.3.2 基于二維小波分解的多尺度視覺(jué)詞包特征表達(dá)與場(chǎng)景分類(lèi)方法 2518.3.3 基于同心圓結(jié)構(gòu)的旋轉(zhuǎn)不變性視覺(jué)詞包特征表達(dá)與場(chǎng)景分類(lèi)方法 2548.4 遙感圖像場(chǎng)景分類(lèi)的深度學(xué)習(xí)方法 2588.4.1 SiftingGAN：自篩選生成對(duì)抗網(wǎng)絡(luò)的場(chǎng)景分類(lèi)方法 2588.4.2 CNN-CapsNet：融合膠囊網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的場(chǎng)景分類(lèi)方法 2648.5 小結(jié) 270參考文獻(xiàn) 270第9章 遙感圖像目標(biāo)檢測(cè) 2759.1 引言 2759.2 遙感圖像目標(biāo)檢測(cè)的傳統(tǒng)思路 2769.2.1 候選區(qū)域提取 2769.2.2 特征提取 2779.2.3 分類(lèi)器分類(lèi) 2789.2.4 后處理 2789.3 遙感圖像目標(biāo)檢測(cè)的深度學(xué)習(xí)方法 2799.4 形狀信息在遙感圖像目標(biāo)檢測(cè)中的應(yīng)用 2809.4.1 偏向形狀特征的目標(biāo)檢測(cè)樣本擴(kuò)增方法 2809.4.2 引入形狀先驗(yàn)約束的目標(biāo)檢測(cè)網(wǎng)絡(luò)模型 2849.4.3 融入分類(lèi)后處理的遙感圖像目標(biāo)檢測(cè)方法 2869.5 多尺度小樣本目標(biāo)檢測(cè)方法 2889.6 小結(jié) 291參考文獻(xiàn) 291第10章 樣本處理視角下的遙感圖像地表覆蓋分類(lèi) 29610.1 引言 29610.2 主動(dòng)學(xué)習(xí)：訓(xùn)練樣本的有效選擇方法 29710.3 半監(jiān)督學(xué)習(xí)：未標(biāo)記樣本的使用方法 30110.4 訓(xùn)練樣本集中錯(cuò)誤樣本的漸進(jìn)式剔除方法 30510.5 由弱到強(qiáng)監(jiān)督的訓(xùn)練樣本提升方法 30810.6 小結(jié) 311參考文獻(xiàn) 312第11章 小樣本下空譜關(guān)系網(wǎng)絡(luò)的地表覆蓋分類(lèi) 31511.1 高光譜圖像分類(lèi)概述 31511.1.1 深度卷積神經(jīng)網(wǎng)絡(luò)在高光譜圖像分類(lèi)中的應(yīng)用 31811.1.2 高光譜圖像分類(lèi)模型遷移學(xué)習(xí)現(xiàn)狀 32011.1.3 高光譜圖像分類(lèi)方法存在的問(wèn)題 32111.2 相關(guān)工作簡(jiǎn)介 32311.2.1 空間金字塔池化和自適應(yīng)池化 32311.2.2 關(guān)系網(wǎng)絡(luò) 32411.3 空譜關(guān)系網(wǎng)絡(luò) 32611.3.1 用于特征提取的三維嵌入模塊 32811.3.2 用于相似性度量的三維關(guān)系模塊 33011.4 自適應(yīng)空譜關(guān)系網(wǎng)絡(luò)的遷移學(xué)習(xí) 33111.4.1 自適應(yīng)空譜金字塔池化 33211.4.2 ASSP-SSRN 預(yù)訓(xùn)練部分 33311.4.3 ASSP-SSRN 微調(diào)部分 33511.5 SS-RN 性能驗(yàn)證與分析 33611.5.1 實(shí)驗(yàn)數(shù)據(jù)描述和實(shí)驗(yàn)設(shè)計(jì) 33611.5.2 網(wǎng)絡(luò)參數(shù)選擇 34011.5.3 訓(xùn)練時(shí)間分析 34611.5.4 SS-RN 深度特征的可視化 34711.5.5 SS-RN 與之前深度學(xué)習(xí)方法的對(duì)比 34911.5.6 基于ASSP-SSRN 的遷移學(xué)習(xí)實(shí)驗(yàn)結(jié)果 35411.6 小樣本下空譜關(guān)系網(wǎng)絡(luò)應(yīng)用小結(jié) 358參考文獻(xiàn) 360第12章 遙感影像時(shí)間序列聚類(lèi)與分類(lèi) 36412.1 引言 36412.2 遙感影像時(shí)間序列的構(gòu)成 36612.3 基于相似性度量的遙感影像時(shí)間序列聚類(lèi)/分類(lèi) 36712.3.1 時(shí)間序列相似性度量方法的發(fā)展脈絡(luò) 36712.3.2 動(dòng)態(tài)時(shí)間規(guī)整 36812.3.3 動(dòng)態(tài)時(shí)間規(guī)整的路徑約束 37212.3.4 動(dòng)態(tài)時(shí)間規(guī)整的變種方法 37412.3.5 動(dòng)態(tài)時(shí)間規(guī)整的下界距離與提前終止 37812.3.6 遙感影像時(shí)間序列種子聚類(lèi)與分類(lèi)框架 38012.4 基于深度學(xué)習(xí)的遙感影像時(shí)間序列分類(lèi) 38312.4.1 時(shí)間序列分類(lèi)網(wǎng)絡(luò)的發(fā)展脈絡(luò) 38312.4.2 時(shí)序卷積網(wǎng)絡(luò) 38612.4.3 長(zhǎng)短期記憶網(wǎng)絡(luò) 38612.4.4 時(shí)序自注意力網(wǎng)絡(luò) 38812.4.5 網(wǎng)絡(luò)結(jié)構(gòu)與遙感數(shù)據(jù)特征 39312.5 小結(jié) 393參考文獻(xiàn) 394第三篇 系統(tǒng)架構(gòu)第13章 全球多源遙感數(shù)據(jù)的集成和組織 40113.1 引言 40113.2 多源遙感數(shù)據(jù)格式統(tǒng)一抽象模型 40213.2.1 幾種常見(jiàn)遙感數(shù)據(jù)格式與格式庫(kù) 40213.2.2 遙感數(shù)據(jù)格式與庫(kù)分析 40213.2.3 統(tǒng)一格式抽象庫(kù)設(shè)計(jì)與實(shí)現(xiàn) 40613.3 結(jié)合數(shù)據(jù)尺度和產(chǎn)品類(lèi)型的多源多尺度遙感數(shù)據(jù)協(xié)同剖分體系 40813.3.1 數(shù)據(jù)剖分體系 40913.3.2 多源遙感數(shù)據(jù)立方體協(xié)同生成流程 41313.3.3 邏輯數(shù)據(jù)立方體協(xié)同生成 41413.3.4 實(shí)體數(shù)據(jù)立方體協(xié)同生成 41713.4 小結(jié) 419參考文獻(xiàn) 419第14章 全球多源遙感數(shù)據(jù)信息產(chǎn)品生產(chǎn)流程建模與算法集成 42114.1 引言 42114.2 遙感產(chǎn)品生產(chǎn)架構(gòu) 42214.3 產(chǎn)品生產(chǎn)架構(gòu)形式化表達(dá)與服務(wù)化集成 42414.3.1 產(chǎn)品生產(chǎn)架構(gòu)形式化表達(dá) 42414.3.2 產(chǎn)品生產(chǎn)流程腳本生成 42714.3.3 流程建模過(guò)程中不確定問(wèn)題的處理策略 42814.3.4 遙感產(chǎn)品算法服務(wù)化集成 43014.4 遙感產(chǎn)品并行處理框架 43214.4.1 遙感產(chǎn)品處理算法的運(yùn)算特點(diǎn) 43214.4.2 上層粗粒度任務(wù)并行處理 43614.4.3 下層基于內(nèi)存的圖像加速處理 43814.5 小結(jié) 440參考文獻(xiàn) 441第15章 容器化全球多源遙感數(shù)據(jù)信息產(chǎn)品生產(chǎn)系統(tǒng)關(guān)鍵
展開(kāi)全部
書(shū)友推薦
- >
龍榆生：詞曲概論/大家小書(shū)
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
- >
姑媽的寶刀
- >
苦雨齋序跋文-周作人自編集
- >
中國(guó)歷史的瞬間
- >
自卑與超越
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
煙與鏡
本類(lèi)暢銷(xiāo)
