基于統(tǒng)計(jì)的深空遙感數(shù)據(jù)智能解譯

本書(shū)針對(duì)該種成像儀獲取的影像進(jìn)行航帶拼接研究，以獲得具有高幾何定位精度和高光譜保真性的高光譜影像。本書(shū)首先利用曲面樣條函數(shù)法或基于導(dǎo)航數(shù)據(jù)或二者結(jié)合的方法對(duì)影像進(jìn)行幾何校正；然后采用基于邊緣塊剔除的局部方差法計(jì)算各波段信噪比，取分值最高的波段作為最優(yōu)波段；再利用該最優(yōu)波段采用SIFT算法或改進(jìn)的相位相關(guān)法來(lái)糾正航帶間已

本書(shū)全面講解了卷積神經(jīng)網(wǎng)絡(luò)（CNN）、單階段目標(biāo)檢測(cè)、雙階段目標(biāo)檢測(cè)、多尺度融合、注意力機(jī)制和語(yǔ)義分割等深度學(xué)習(xí)算法在遙感圖像分類(lèi)、檢測(cè)、分割和提取等方面的應(yīng)用，介紹了各種深度學(xué)習(xí)模型的原理及其在遙感圖像處理中的具體實(shí)現(xiàn)方法。本書(shū)以遙感圖像飛機(jī)目標(biāo)檢測(cè)、艦船目標(biāo)檢測(cè)、遙感圖像建筑物提取及遙感圖像土地語(yǔ)義分割為例，詳細(xì)介

本書(shū)基于注入模型從像素級(jí)層面開(kāi)展遙感圖像新算法研究，重點(diǎn)是提高遙感圖像的融合性能和應(yīng)用價(jià)值，主要論述基于精煉細(xì)節(jié)注入的遙感圖像融合算法、基于補(bǔ)償細(xì)節(jié)注入的遙感圖像融合算法、基于多光譜圖像改進(jìn)的遙感圖像融合算法、基于光譜及亮度調(diào)制的遙感圖像融合算法和基于多目標(biāo)決策的遙感圖像融合算法。本書(shū)適合數(shù)據(jù)融合、計(jì)算機(jī)視覺(jué)、圖像處理

隨著海道測(cè)量技術(shù)的不斷發(fā)展，衛(wèi)星水深反演(SDB)技術(shù)在淺海水域應(yīng)用日趨廣泛，SDB技術(shù)較傳統(tǒng)海道測(cè)量可以實(shí)現(xiàn)以較少的成本獲得淺水區(qū)域的水深，同時(shí)可應(yīng)用于聲學(xué)測(cè)量手段無(wú)法獲取的水域，在海圖尚未標(biāo)明的水域尤其有效，可以在聲學(xué)測(cè)量之前提高其安全性。國(guó)際海道測(cè)量組織IHO《衛(wèi)星測(cè)深實(shí)踐指南(B-13)》提供了關(guān)于SDB技術(shù)的

本書(shū)系統(tǒng)地介紹了高分辨率遙感影像分割與分類(lèi)的相關(guān)概念、原理、方法、步驟和新進(jìn)展等，具體框架模型和實(shí)現(xiàn)方法都有著鮮明的特色，內(nèi)容涵蓋多分支融合網(wǎng)絡(luò)、基于CNN的雙邊融合網(wǎng)絡(luò)、小卷積特征重用模型、基于多尺度近端特征拼接網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、局部與混合擴(kuò)張卷積融合網(wǎng)絡(luò)、預(yù)激活殘差注意力網(wǎng)絡(luò)、基于多判別器生成對(duì)抗網(wǎng)絡(luò)以及3D-2

本書(shū)核心內(nèi)容集中在高光譜圖像的空間分辨率提升和目標(biāo)分類(lèi)應(yīng)用，具體涵蓋高光譜圖像的像元解混、超分辨重建和高精度地物分類(lèi)三部分內(nèi)容。本書(shū)內(nèi)容本身是多學(xué)科交叉融合的產(chǎn)物，理論涉及高光譜遙感圖像處理、模式識(shí)別理論，多核機(jī)器學(xué)習(xí)，深度學(xué)習(xí)等，是當(dāng)前高光譜地物分類(lèi)領(lǐng)域理論研究和應(yīng)用拓展的焦點(diǎn)。主要技術(shù)及應(yīng)用包括：基于多核投影NMF

本專(zhuān)著的內(nèi)容分為四大部分，第一部分為緒論，介紹各類(lèi)成像衛(wèi)星任務(wù)規(guī)劃問(wèn)題的基本特點(diǎn)、目前的發(fā)展現(xiàn)狀、引出本文的具體內(nèi)容；第二部分為方法論，介紹集成強(qiáng)化學(xué)習(xí)與運(yùn)籌學(xué)的兩階段問(wèn)題求解框架、流程、原理等，界定各部分具體模型方法的邊界；第三部分為基于數(shù)學(xué)規(guī)劃模型和確定性算法的任務(wù)調(diào)度問(wèn)題研究、基于有限馬爾可夫決策模型和強(qiáng)化學(xué)習(xí)算

本書(shū)的第1章是緒論，介紹了研究背景、意義；國(guó)內(nèi)外發(fā)展現(xiàn)狀及存在的問(wèn)題；第2章介紹了與卷積神經(jīng)網(wǎng)絡(luò)相關(guān)的理論、模型、訓(xùn)練的流程及精度評(píng)價(jià)指標(biāo)；第3章基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)用于遙感影像的車(chē)輛檢測(cè)理論、實(shí)驗(yàn)；第4章、第5章、第6章分別介紹了全卷積神經(jīng)網(wǎng)絡(luò)模型、引入條件隨機(jī)場(chǎng)的卷積神經(jīng)網(wǎng)絡(luò)模型、膨脹卷積算法的卷積神經(jīng)網(wǎng)絡(luò)模型用于

本書(shū)共分七章，內(nèi)容包括：多源異構(gòu)遙感的基本原理以及國(guó)內(nèi)外研究現(xiàn)狀、基于光譜特征增強(qiáng)的道路提取、空-譜特征聯(lián)合的道路提取方法、基于眾源時(shí)空數(shù)據(jù)的道路提取方法等。