《高光譜遙感圖像智慧型分類與檢測》是2024年科學出版社出版的圖書。
基本介紹
- 中文名：高光譜遙感圖像智慧型分類與檢測
- 作者：趙春暉
- 出版時間：2024年5月1日
- 出版社：科學出版社
- 頁數：370 頁
- ISBN：9787030783646
- 開本：16 開
- 裝幀：精裝
內容簡介,圖書目錄,
內容簡介
《高光譜遙感圖像智慧型分類與檢測》闡述高光譜遙感圖像(可以簡稱為高光譜圖像，也可以稱為高光譜圖像數據或高光譜數據)智慧型分類與檢測的相關方法，主要內容包括高光譜遙感圖像成像原理及特點，高光譜圖像智慧型分類相關理論概述，基於機器學習、深度學習的高光譜圖像分類，高光譜圖像檢測相關理論概述，以及高光譜圖像特定目標、異常目標檢測方法等內容。
圖書目錄
“新一代人工智慧理論、技術及套用叢書”序
前言
第1章 高光譜遙感圖像成像原理及特點1
1.1 高光譜遙感理論基礎概述1
1.1.1 太陽輻射基本理論1
1.1.2 太陽輻射與物質的相互作用1
1.2 高光譜遙感圖像成像機理與方式5
1.2.1 高光譜遙感圖像成像機理5
1.2.2 成像光譜儀的空間成像方式5
1.2.3 幾種典型成像光譜儀簡介7
1.3 高光譜圖像數據特點與表達方式8
1.3.1 高光譜圖像數據特點8
1.3.2 高光譜圖像數據表達方式10
1.4 高光譜圖像處理及其套用概述12
1.4.1 高光譜圖像處理的具體種類12
1.4.2 高光譜圖像處理的特點12
1.4.3 高光譜圖像處理的套用13
參考文獻19
第2章 高光譜圖像智慧型分類相關理論概述22
2.1 高光譜圖像分類技術概述22
2.1.1 高光譜圖像分類的概念22
2.1.2 高光譜圖像分類特點及面臨的挑戰23
2.2 高光譜圖像分類基本流程24
2.2.1 圖像預處理24
2.2.2 標記訓練樣本24
2.2.3 特徵提取與特徵選擇24
2.2.4 分類判決25
2.2.5 分類結果和精度評價25
2.3 高光譜圖像分類方法概述25
2.3.1 有監督分類、半監督分類與無監督分類25
2.3.2 高光譜圖像分類方法的種類26
2.4 高光譜圖像分類精度評價27
2.4.1 混淆矩陣28
2.4.2 OA與AA.28
2.4.3 Kappa係數28
參考文獻29
第3章 基於機器學習的高光譜圖像分類33
3.1 基於機器學習的高光譜圖像**分類方法概述33
3.1.1 基於組合核的高光譜圖像分類方法33
3.1.2 基於稀疏表示的高光譜圖像分類方法34
3.1.3 基於隨機森林的高光譜圖像分類方法35
3.1.4 基於圖像分割的高光譜圖像分類方法36
3.1.5 基於邊緣保持濾波的高光譜圖像分類方法37
3.2 基於脊波和SWNN的高光譜圖像融合分類方法38
3.2.1 方法原理38
3.2.2 方法流程48
3.2.3 實驗結果及分析51
3.3 基於多特徵融合機制的高光譜圖像分類方法56
3.3.1 方法原理57
3.3.2 方法流程59
3.3.3 實驗結果及分析63
3.4 基於邊緣保留濾波技術的高光譜圖像分類方法69
3.4.1 方法原理69
3.4.2 方法流程70
3.4.3 實驗結果及分析76
3.5 基於加權譜空間的半監督高光譜圖像分類方法83
3.5.1 方法原理83
3.5.2 方法流程84
3.5.3 實驗結果及分析87
3.6 基於譜梯度、SVM和空間隨機森林的高光譜圖像分類方法94
3.6.1 方法原理94
3.6.2 方法流程95
3.6.3 實驗結果及分析98
3.7 基於多尺度雙邊濾波器的高光譜圖像分類方法106
3.7.1 方法原理106
3.7.2 方法流程106
3.7.3 實驗結果及分析108
參考文獻115
第4章 基於深度學習的高光譜圖像分類118
4.1 基於深度學習的高光譜圖像**分類方法概述118
4.1.1 基於堆疊自動編碼器網路的高光譜圖像分類方法118
4.1.2 基於人工神經網路的高光譜圖像分類方法121
4.1.3 基於深度置信網路的高光譜圖像分類方法122
4.1.4 基於卷積神經網路的高光譜圖像分類方法124
4.2 基於多策略融合機制和ISSARF的高光譜圖像空譜分類方法126
4.2.1 方法原理126
4.2.2 方法流程133
4.2.3 實驗結果及分析135
4.3 基於空譜稀疏張量的深度神經網路的高光譜圖像分類方法148
4.3.1 方法原理149
4.3.2 方法流程154
4.3.3 實驗結果及分析154
4.4 基於密集卷積網路和條件隨機場的高光譜圖像分類方法163
4.4.1 方法原理163
4.4.2 方法流程168
4.4.3 實驗結果及分析168
4.5 基於密集卷積網路和域自適應的高光譜圖像分類方法175
4.5.1 方法原理176
4.5.2 方法流程178
4.5.3 實驗結果及分析178
4.6 基於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185
4.6.1 方法原理185
4.6.2 方法流程189
4.6.3 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200
5.1 高光譜圖像檢測的概念、具體分類及特點200
5.1.1 高光譜圖像檢測的概念200
5.1.2 高光譜圖像檢測的具體分類200
5.1.3 高光譜圖像檢測的特點201
5.2 高光譜圖像特定目標檢測理論概述201
5.2.1 高光譜圖像特定目標檢測的概念201
5.2.2 高光譜圖像特定目標檢測中存在的問題202
5.2.3 評價指標202
5.3 高光譜圖像異常目標檢測理論概述203
5.3.1 高光譜圖像異常目標檢測的概念203
5.3.2 高光譜圖像異常目標檢測中存在的問題205
5.3.3 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210
6.1 高光譜圖像特定目標檢測方法的種類210
6.2 幾種**的高光譜圖像特定目標檢測方法212
6.2.1 正交子空間投影方法212
6.2.2 約束能量昀小化方法214
6.2.3 匹配子空間濾波方法215
6.2.4 光譜匹配濾波方法216
6.2.5 自適應子空間檢測方法217
6.2.6 支持向量數據描述方法218
6.3 基於空間支持的稀疏表示目標檢測方法219
6.3.1 方法原理219
6.3.2 方法流程220
6.3.3 實驗結果及分析222
6.4 基於自適應子字典的稀疏表示目標檢測方法228
6.4.1 方法原理228
6.4.2 方法流程229
6.4.3 實驗結果及分析230
6.5 基於空譜支持流形式的多任務學習目標檢測方法238
6.5.1 方法原理238
6.5.2 方法流程239
6.5.3 實驗結果及分析242
6.6 基於機率圖的多任務學習目標檢測方法256
6.6.1 方法原理256
6.6.2 方法流程258
6.6.3 實驗結果及分析261
6.7 基於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268
6.7.1 方法原理268
6.7.2 方法流程271
6.7.3 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289
7.1 高光譜圖像異常目標檢測方法的種類289
7.1.1 基於統計模型的異常目標檢測方法289
7.1.2 基於稀疏表示理論的異常目標檢測方法290
7.1.3 基於深度學習的異常目標檢測方法291
7.1.4 基於空譜聯合的異常目標檢測方法292
7.2 幾種典型的高光譜圖像異常目標檢測方法292
7.2.1 RX方法293
7.2.2 基於稀疏表示理論的高光譜圖像異常目標檢測方法294
7.2.3 基於協同表示的高光譜圖像異常目標檢測方法295
7.2.4 基於低秩稀疏矩陣分解的高光譜圖像異常目標檢測方法297
7.3 基於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298
7.3.1 方法原理299
7.3.2 方法流程304
7.3.3 實驗結果及分析304
7.4 基於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320
7.4.1 方法原理320
7.4.2 方法流程324
7.4.3 實驗結果及分析324
7.5 基於張量分解的高光譜圖像異常目標檢測方法331
7.5.1 方法原理331
7.5.2 方法流程334
7.5.3 實驗結果及分析334
7.6 基於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342
7.6.1 方法原理342
7.6.2 方法流程344
7.6.3 實驗結果及分析345
7.7 基於空譜聯合低秩稀疏分解的高光譜圖像異常目標檢測方法355
7.7.1 方法原理355
7.7.2 方法流程357
7.7.3 實驗結果及分析358
參考文獻367
