智慧型化的遙感影像亞像元定位技術

內容簡介

　　《智慧型化的遙感影像亞像元定位技術》將主要選取人工神經網路來作為遙感影像混合像元分解以及亞像元定位技術處理與分析的手段，彌補傳統方法在處理此類問題上存在的不足；同時，在神經網路模型的基礎上進行適當擴展，以改善模型的結果精度及實施程度，提高遙感影像的利用能力。《智慧型化的遙感影像亞像元定位技術》是作者近年來對遙感影像混合分解及亞像元定位技術方面研究成果的一個階段性總結，同時也是作者對該處理技術的一個初步詮釋。

圖書目錄

第一章緒論

1．1 目的與意義

1．2 研究現狀概述

1．2．1 智慧型化的遙感影像處理手段

1．2．2 混合像元分解

1．2．3 亞像元定位

1．3 面臨的問題及挑戰

第二章神經網路基本原理

2．1 神經系統原理

2．1．1 生物神經元

2．1．2 計算特性

2．2 人工神經網路結構

2．2．1 基本模型結構

2．2．2 拓撲結構

2．3 遙感信息處理中的套用方法

2．3．1 神經網路學習方式

2．3．2 神經網路學習規則

2．4 三種典型的神經網路模型

2．4．1 BP神經網路模型

2．4．2 Fuzzy ARTMAP神經網路模型

2．4．3 Hopfield神經網路模型

第三章混合像元分解模型

3．1 硬分類和混合像元

3．2 線性混合光譜模型

3．2．1 數學模型分析

3．2．2 線性模型的適用性

3．3 非線性混合光譜模型

3．4 BP神經網路的混合分解模型

3．4．1 BP神經網路分類實驗

3．4．2 BP神經網路混合分解實驗

3．5 Fuzzy ARTMAP神經網路的混合分解模型

3．5．1 數據源

3．5．2 步驟及結果分析

3．5．3 參數設定

第四章端元選擇的影響

4．1 混合像元分解的誤差分析

4．2 端元變化對混合像元分解的影響

4．3 端元光譜選擇的方法

4．4 基於交叉光譜匹配的端元選擇法

4．5 基於端元選擇的混合像元分解實驗

4．5．1 端元可變的線性混合分解實驗

4．5．2 端元可變的神經網路混合分解實驗

第五章亞像元定位模型

5．1 亞像元定位的理論基礎

5．2 基於監督型神經網路的亞像元定位模型

5．2．1 模擬數據實驗

5．2．2 真實數據實驗

5．2．3 算法分析

5．3 基於非監督型神經網路的亞像元定位方法

智慧型化的遙感影像亞像元定位技術

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條