新書推薦：
《
抉择时刻：那些原本可以改变世界的演讲
》
售價：NT$
305
《
海外中国研究·元代江南政治社会史研究
》
售價：NT$
551
《
养元筑基调气血
》
售價：NT$
356
《
永夜微光：拉康与未竟之精神分析革命
》
售價：NT$
602
《
古希腊社会生活史
》
售價：NT$
254
《
维特根斯坦传
》
售價：NT$
296
《
暮日耀光：张居正与明代中后期政局
》
售價：NT$
959
《
厚土中华
》
售價：NT$
500
|
| 內容簡介： |
|
本书全面探讨高光谱影像处理的核心技术及其应用，涵盖分类、光谱解混、亚像元定位、异常/变化检测及可视化五大方向。在传统方法基础上，深度融合深度学习与空谱协同理论，提出非平行SVM分类模型、基于LSVM的光谱解混不确定性分析、多位移图像亚像元定位等创新算法，并系统构建面向任务的可视化评价体系。全书以作者团队原创成果为主线，结合国内外最新研究进展，通过大量实验验证与工程案例，深入解析技术原理与实现细节。书中不仅包含监督与非监督学习方法的对比分析，还特别关注高光谱影像的物理特性与实际应用场景的适配性，为读者提供从理论推导到代码实现的完整技术链路。无论是对高光谱技术的研究者，还是对遥感应用领域的从业者，本书均是一本兼具深度与广度的实用工具书。
|
| 關於作者： |
|
王立国，男，1974年生，大连民族大学教授（特聘二级），国家民委领军人才。担任第四届全国成像光谱学术研讨会执行主席、中国遥感应用协会高光谱遥感技术与应用专业委员会委员、国际数字地球学会(ISDE)中国国家委员会-成像光谱对地观测专业委员会委员、国家科技奖励评审专家、国家自然科学基金评审专家。主持多项国家自然科学基金、教育部博士点基金、中国博士后基金等科研项目的研究，参研多项863重点项目、省自然科学基金重点项目、国家自然科学基金等课题若干。获得省科技奖二等奖2项，省科技奖三等奖1项，省高校科学技术奖一等奖2项、二等奖1项。
|
| 目錄：
|
目 录
第1章 高光谱遥感的基本理论及高光谱影像处理技术简介1
1.1 高光谱遥感的基本理论1
1.1.1 电磁波理论基础1
1.1.2 太阳辐射与物质的相互作用2
1.1.3 高光谱成像技术及高光谱成像仪2
1.1.4 高光谱影像的数据特点4
1.2 高光谱影像的分类4
1.2.1 监督分类与非监督分类5
1.2.2 参数分类与非参数分类6
1.2.3 确定性分类与非确定性分类8
1.2.4 其他分类8
1.3 高光谱影像的光谱解混9
1.3.1 非线性光谱混合模型10
1.3.2 线性光谱混合模型10
1.3.3 线性光谱混合模型的多端元模式13
1.4 高光谱影像的亚像元定位15
1.4.1 先初始化后优化的亚像元定位方法16
1.4.2 软硬属性转换的亚像元定位方法16
1.4.3 其他类型的亚像元定位方法18
1.5 高光谱影像的异常检测与变化检测19
1.5.1 高光谱影像的异常检测19
1.5.2 高光谱影像的变化检测22
1.6 高光谱影像的彩色可视化25
1.6.1 高光谱影像的特点及传统显示空间25
1.6.2 图像空间的常用彩色可视化技术26
1.6.3 提取三波段的彩色可视化技术27
1.6.4 基于原始高光谱影像的彩色可视化技术27
1.6.5 基于像元分析结果的彩色可视化技术29
参考文献30
第2章 高光谱影像的分类方法32
2.1 SVM分类方法32
2.1.1 理论基础32
2.1.2 分类原理34
2.1.3 SVM分类性能评价38
2.2 非平行SVM分类方法41
2.2.1 添加额外经验风险最小化的非平行SVM分类方法41
2.2.2 添加约束偏置项的额外经验风险最小化非平行SVM分类方法44
2.2.3 最小二乘的约束偏置额外经验风险最小化非平行SVM分类方法46
2.2.4 非平行SVM分类方法的分类性能评价48
2.3 深度学习分类方法50
2.3.1 正则化光谱空间全局学习框架52
2.3.2 统计损失56
2.3.3 早期停止策略57
2.3.4 深度学习分类方法性能评价58
2.4 本章小结61
参考文献62
第3章 高光谱影像的光谱解混方法64
3.1 基于LSMM的解混方法64
3.2 全约束LSMM的几何求解方法66
3.2.1 方法的建立66
3.2.2 快速方法：距离尺度替换体积尺度68
3.3 基于LSVM的解混原理70
3.3.1 LSVM与LSMM的等效性证明70
3.3.2 LSVM的独特优势71
3.3.3 带解混残差约束条件的LSSVM解混方法71
3.4 基于最小二乘孪生支持向量机的高光谱影像解混方法77
3.4.1 最小二乘孪生支持向量机基础理论77
3.4.2 最小二乘孪生支持向量机解混方法80
3.5 最小二乘孪生支持向量机解混的不确定性分析81
3.5.1 相关基础理论81
3.5.2 ULSTSVM中的端元光谱可变性82
3.5.3 两种不确定性模型：丰度重叠和模型重叠83
3.5.4 ULSTSVM不确定性的计算分析相关算法87
3.5.5 ULSTSVM中的不确定性处理88
3.5.6 最小二乘孪生支持向量机解混的性能评估及不确定性分析实验89
3.6 解混的模糊精度评价方法102
3.6.1 模糊精度评价方法102
3.6.2 模糊精度评价方法在具体实验中的应用103
3.7 本章小结107
参考文献108
第4章 高光谱影像的亚像元定位方法110
4.1 亚像元定位方法的基本原理及评价方法110
4.1.1 亚像元锐化方法110
4.1.2 类别分配方法112
4.1.3 亚像元定位精度的评价方法114
4.2 基于更多监督信息Hopfield神经网络的亚像元定位方法116
4.2.1 传统的基于Hopfield神经网络的亚像元定位方法117
4.2.2 I-HNN118
4.2.3 性能评价119
4.3 基于具有空-谱信息的多位移图像亚像元定位方法121
4.3.1 MSI-SS122
4.3.2 性能评价124
4.4 基于并行处理路径的高光谱影像亚像元定位方法130
4.4.1 融合路径130
4.4.2 深度学习路径131
4.4.3 DPP132
4.4.4 性能评价134
4.5 本章小结142
参考文献142
第5章 高光谱影像的异常检测与变化检测方法145
5.1 基于加权核范数、全变分正则化和稀疏背景字典的异常检测方法145
5.1.1 LRSMD的理论基础146
5.1.2 加权核范数和全变分正则化146
5.1.3 稀疏背景字典构造方法147
5.1.4 WNNSDAD147
5.2 基于局部空-谱信息整合的半监督双流网络的异常检测方法149
5.2.1 背景训练样本的提取149
5.2.2 LS3T-Net150
5.3 基于残差自注意力模块自动编码器网络的异常检测方法153
5.3.1 自动编码器网络154
5.3.2 残差网络（ResNet）154
5.3.3 残差自注意力（RSA）模块154
5.3.4 基于残差自注意力模块的自动编码器（RSAAE）网络155
5.4 基于多尺度中心差分卷积网络的异常检测方法157
5.4.1 中心差分卷积157
5.4.2 MSCDC网络结构158
5.5 异常检测方法性能评价160
5.5.1 异常检测方法的评价指标160
5.5.2 WNNSDAD的性能评价160
5.5.3 LS3T-Net的性能评价162
5.5.4 RSAAE的性能评价164
5.5.5 MSCDC的性能评价166
5.6 基于空-谱注意力机制孪生网络的变化检测方法168
5.6.1 网络结构168
5.6.2 孪生网络169
5.6.3 空-谱注意力机制170
5.6.4 加权对比损失函数171
5.7 基于残差自校准网络的变化检测方法172
5.7.1 网络结构173
5.7.2 改进的残差网络173
5.7.3 自校准卷积174
5.7.4 残差自校准模块175
5.8 高光谱影像变化检测方法的性能评价176
5.8.1 SSA-SiamNet的性能评价176
5.8.2 RSCNet的性能评价177
5.9 本章小结178
参考文献179
第6章 高光谱影像的彩色可视化方法181
6.1 高光谱影像彩色可视化评价标准181
6.1.1 无监督数据的彩色可视化客观评价标准181
6.1.2 有监督数据的彩色可视化客观评价标准182
6.1.3 其他评价标准183
6.2 面向像元分析结果的彩色可视化方法183
6.2.1 面向硬分类结果的彩色可视化方法184
6.2.2 面向软分类结果的彩色可视化方法186
6.3 面向原始高光谱影像的彩色可视化方法191
6.3.1 面向类别的有监督流形彩色可视化方法191
6.3.2 快速动态彩色可视化方法194
6.3.3 交互式多图像彩色可视化方法195
6.4 高光谱影像的多级彩色可视化方法197
6.5 本章小结198
参考文献199
附录A 著者主要相关文章201
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
