遙感圖像智能處理：算法與實驗

陳思偉、孫浩、蔣馥根、肖順平

遙感圖像智能處理：算法與實驗 預覽內頁
  • 遙感圖像智能處理：算法與實驗-preview-1
  • 遙感圖像智能處理：算法與實驗-preview-2
  • 遙感圖像智能處理：算法與實驗-preview-3
  • 遙感圖像智能處理：算法與實驗-preview-4
  • 遙感圖像智能處理：算法與實驗-preview-5
  • 遙感圖像智能處理：算法與實驗-preview-6
  • 遙感圖像智能處理：算法與實驗-preview-7
遙感圖像智能處理：算法與實驗-preview-1

商品描述

"本書秉承教研一體、理技融合理念，重點介紹雷達與光學遙感圖像智能處理算法及實驗。本書註重基礎理論與工程實踐的有機融合，精選前沿科研成果轉化為教學案例，既有各章的獨立性與完整性，又有全書的系統性和體系性，同時著重強化實驗的可操作性與實際應用價值。通過從理論知識到實驗實踐的閉環學習，可深入理解遙感圖像智能處理中的算法設計之美和實驗驗證之妙，進而體會科學技術創新對經濟社會發展的重要影響。 全書共兩部分：第一部分（第1~8章）為雷達遙感圖像智能處理，主要包含超分辨率重建、相幹斑濾波、特征提取、地物分類、目標檢測、目標識別和生物量反演等內容；第二部分（第9~12章）為光學遙感圖像智能處理，主要包含對抗樣本檢測、對抗樣本訓練、對抗樣本凈化和圖像內容生成等內容。全書所有章節均提供了算法介紹、實驗數據和程序代碼等。每章均為一個獨立實驗。同時，不同實驗之間具有清晰的內在邏輯。多個獨立實驗可以組合為大實驗。 本書適合作為高等院校信息與通信工程、遙感科學與技術、人工智能等相關專業高年級本科生及研究生實驗教材，同時可供相關領域科研與工程技術人員參考使用。"

作者簡介

"陳思偉，國防科技大學教授、博士生導師。孫浩，國防科技大學副教授，碩士生導師。蔣馥根，國防科技大學博士後，中南林業科技大學講師。肖順平，國防科技大學教授、博士生導師。"

目錄大綱

 

 

目錄

 

 

第1章極化雷達圖像超分辨率重建

 

1.1背景介紹

 

1.2算法原理

 

1.2.1極化SAR數據表征方法

 

1.2.2極化上下文矩陣表征

 

1.2.3極化和空間特征提取卷積

 

1.2.4基於極化上下文卷積網絡的超分辨率重建算法

 

1.3實驗操作

 

1.3.1代碼介紹

 

1.3.2數據介紹

 

1.3.3實驗結果

 

1.4本章小結

 

1.5參考文獻

 

第2章極化雷達圖像相幹斑濾波

 

2.1背景介紹

 

2.2算法原理

 

2.2.1上下文協方差矩陣構造

 

2.2.2矩陣相似性檢驗

 

2.2.3相幹斑濾波

 

2.3實驗操作

 

2.3.1代碼介紹

 

2.3.2數據介紹

 

2.3.3實驗結果

 

2.4本章小結

 

2.5參考文獻

 

第3章極化雷達旋轉域特征提取

 

3.1背景介紹

 

3.2算法原理

 

3.2.1極化矩陣旋轉處理

 

3.2.2統一的極化矩陣旋轉理論

 

3.3實驗操作

 

3.3.1代碼介紹

 

3.3.2數據介紹

 

3.3.3實驗結果

 

3.4本章小結

 

3.5參考文獻

 

第4章極化雷達圖像地物分類

 

4.1背景介紹

 

4.2算法原理

 

4.2.1核心思想

 

4.2.2CNN分類器

 

4.3實驗操作

 

4.3.1代碼介紹

 

4.3.2數據介紹

 

4.3.3實驗結果

 

4.4本章小結

 

4.5參考文獻

 

第5章極化雷達圖像目標檢測

 

5.1背景介紹

 

5.2算法原理

 

5.2.1超像素分割

 

5.2.2雜波超像素選取

 

5.2.3超像素級CFAR檢測

 

5.3實驗操作

 

5.3.1代碼介紹

 

5.3.2數據介紹

 

5.3.3實驗結果

 

5.4本章小結

 

5.5參考文獻

 

第6章脈沖神經網絡雷達圖像目標識別

 

6.1背景介紹

 

6.2算法原理

 

6.2.1脈沖神經元

 

6.2.2梯度替代法

 

6.3實驗操作

 

6.3.1代碼介紹

 

6.3.2數據介紹

 

6.3.3實驗結果

 

6.4本章小結

 

6.5參考文獻

 

第7章深度特征域適應雷達圖像目標識別

 

7.1背景介紹

 

7.2算法原理

 

7.2.1核心思想

 

7.2.2深度特征域適應

 

7.2.3基於對抗域適應的域損失

 

7.2.4基於深度協方差對齊的域損失

 

7.3實驗操作

 

7.3.1代碼介紹

 

7.3.2數據介紹

 

7.3.3實驗結果

 

7.4總結與展望

 

7.5參考文獻

 

第8章極化雷達森林生物量反演

 

8.1背景介紹

 

8.2算法原理

 

8.2.1特征提取與優選

 

8.2.2基於高斯粒子群優化的XGBoost算法

 

8.2.3森林生物量反演精度評價

 

8.3實驗操作

 

8.3.1代碼介紹

 

8.3.2數據介紹

 

8.3.3實驗結果

 

8.4本章小結

 

8.5參考文獻

 

第9章光學圖像對抗樣本檢測

 

9.1背景介紹

 

9.2算法原理

 

9.2.1核心思想

 

9.2.2基於特征統計差異的對抗樣本檢測

 

9.2.3基於多尺度深度學習特征統計組合差異的對抗樣本檢測算法

 

9.3實驗操作

 

9.3.1代碼介紹

 

9.3.2數據介紹

 

9.3.3實驗結果

 

9.4本章小結

 

9.5參考文獻

 

第10章光學圖像對抗樣本訓練

 

10.1背景介紹

 

10.2算法原理

 

10.2.1核心思想

 

10.2.2非魯棒特征分離

 

10.2.3非魯棒特征校正

 

10.3實驗操作

 

10.3.1代碼介紹

 

10.3.2數據介紹

 

10.3.3實驗結果

 

10.4本章小結

 

10.5參考文獻

 

第11章光學圖像對抗樣本凈化

 

11.1背景介紹

 

11.2算法原理

 

11.2.1前向擴散過程

 

11.2.2逆向去噪過程

 

11.2.3訓練目標函數

 

11.2.4動態復合濾波

 

11.3實驗操作

 

11.3.1代碼介紹

 

11.3.2數據介紹

 

11.3.3實驗結果

 

11.4本章小結

 

11.5參考文獻

 

第12章光學圖像內容描述生成

 

12.1背景介紹

 

12.2算法原理

 

12.3實驗操作

 

12.3.1代碼介紹

 

12.3.2數據介紹

 

12.3.3實驗結果

 

12.4本章小結

 

12.5參考文獻

 

 

類似商品

最後瀏覽商品 (10)