掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
考研數(shù)學專題練1200題
-
>
希格斯:“上帝粒子”的發(fā)明與發(fā)現(xiàn)
-
>
神農(nóng)架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
二十四史天文志校注(上中下)
-
>
聲音簡史
-
>
浪漫地理學:追尋崇高景觀
遙感腦理論及應用 版權信息
- ISBN：9787302627630
- 條形碼：9787302627630 ; 978-7-302-62763-0
- 裝幀：70g膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
遙感腦理論及應用 本書特色
本書從生物機理、數(shù)學分析等角度詳細論述遙感腦的背景意義、理論基礎、感知與解譯應用等，運用科學的態(tài)度和數(shù)學分析的方法，闡明遙感腦背后的科學技術原理，內(nèi)容豐富且涵蓋面廣。旨在幫助人工智能、遙感解譯等領域學者更全面深入地了解遙感腦系統(tǒng)。 通過本書，讀者可以： ·系統(tǒng)了解遙感腦的理論基礎、感知與解譯應用及遙感腦系統(tǒng)； ·借鑒了解大腦及自然啟發(fā)方法、視覺感知機理和腦認知機理，實現(xiàn)遙感腦智能建模； ·通過對高分辨壓縮信息的獲。ā案小保，建立多尺度幾何分析的建模（“知”），完成特征的學習和分析（“用”）。
遙感腦理論及應用 內(nèi)容簡介
針對海量、動態(tài)、多維、異構的高分辨率衛(wèi)星遙感觀測數(shù)據(jù)，通過對高分辨壓縮信息的獲。ā案小保⒍喑叨葞缀畏治龅慕＃ā爸保，完成特征的學習和分析（“用”），從而提高對地觀測系統(tǒng)的綜合利用能力，這已成為遙感技術發(fā)展的必然趨勢。 全書共十五章，系統(tǒng)地論述了遙感腦的理論基礎、感知與解譯應用及遙感腦系統(tǒng)。**至第四章主要介紹遙感技術和類腦啟發(fā)的研究背景及意義，壓縮感知基礎、遙感成像機理與特性、深度神經(jīng)網(wǎng)絡的**進展等；第五至第十二章主要介紹作者團隊在遙感腦感知與解譯兩方面的具體相關應用成果；第十三至第十四章主要介紹作者團隊研發(fā)的遙感腦系統(tǒng)；第十五章主要是展望和總結該領域的主要公開問題。以此拋磚引玉，希望本書能為讀者呈現(xiàn)出遙感腦理論和應用等較為全面的脈絡、趨勢和圖景。 本書適應于涉及深度學習和圖像處理類高年級本科生、研究生，以及廣大科技工作者。
遙感腦理論及應用 目錄
第1章遙感腦的研究背景及意義
1．1遙感技術
1．2遙感數(shù)據(jù)特性
1．3類腦生物特性
1．3．1稀疏性
1．3．2學習性
1．3．3選擇性
1．3．4方向性
1．4遙感腦模型
參考文獻
第2章壓縮感知基礎
2．1稀疏編碼與字典學習
2．1．1稀疏編碼
2．1．2字典學習
2．2壓縮測量矩陣
2．2．1非確定性矩陣
2．2．2確定性矩陣
2．3壓縮優(yōu)化重建
2．3．1貪婪迭代算法
2．3．2迭代閾值算法
2．3．3凸松弛重構
2．3．4非凸重構
2．3．5進化算法
2．3．6深度學習重構算法
參考文獻
第3章遙感成像機理與特性
3．1高光譜遙感影像
3．1．1高光譜成像原理
3．1．2常用高光譜數(shù)據(jù)集
3．2SAR影像
3．2．1SAR成像原理
3．2．2SAR影像特性
3．2．3常用SAR影像數(shù)據(jù)集
3．3極化SAR影像
3．3．1極化SAR成像原理
3．3．2極化SAR影像特性
3．3．3常用極化SAR影像數(shù)據(jù)集
3．4機載LiDAR點云影像
3．4．1機載LiDAR成像原理
3．4．2機載LiDAR影像特性
3．4．3常用機載LiDAR數(shù)據(jù)集
3．5遙感光學影像
3．5．1場景分類數(shù)據(jù)集
3．5．2常用變化檢測數(shù)據(jù)集
3．5．3常用語義分割數(shù)據(jù)集
3．5．4常用目標檢測數(shù)據(jù)集
3．6遙感視頻
3．6．1遙感視頻原理
3．6．2遙感視頻特性
3．6．3常用遙感視頻數(shù)據(jù)集
參考文獻
第4章腦啟發(fā)的深度神經(jīng)網(wǎng)絡
4．1神經(jīng)網(wǎng)絡的發(fā)展歷史
4．2自編碼器
4．2．1一般自編碼器
4．2．2稀疏自編碼器
4．2．3變分自編碼器
4．2．4圖自編碼器
4．2．5遙感領域中的應用
4．3深度生成網(wǎng)絡
4．3．1貝葉斯網(wǎng)絡
4．3．2深度置信網(wǎng)絡
4．3．3卷積深度置信網(wǎng)絡
4．3．4判別深度置信網(wǎng)絡
4．3．5遙感領域中的應用
4．4淺層卷積神經(jīng)網(wǎng)絡
4．4．1LeNet
4．4．2AlexNet
4．4．3ZFNet
4．4．4全卷積網(wǎng)絡
4．4．5UNet
4．4．6SegNet
4．4．7VGG網(wǎng)絡
4．4．8GoogLeNet
4．4．9遙感領域中的應用
4．5類殘差網(wǎng)絡
4．5．1ResNet
4．5．2ResNeXt
4．5．3DenseNet
4．5．4DPN網(wǎng)絡
4．5．5Inception網(wǎng)絡
4．5．6遙感領域中的應用
4．6遞歸神經(jīng)網(wǎng)絡
4．6．1循環(huán)神經(jīng)網(wǎng)絡
4．6．2LSTM網(wǎng)絡
4．6．3GRU網(wǎng)絡
4．6．4ConvLSTM網(wǎng)絡
4．6．5遙感領域中的應用
4．7生成對抗網(wǎng)絡
4．7．1GAN基礎
4．7．2CGAN
4．7．3DCGAN
4．7．4CycleGAN
4．7．5WGAN
4．7．6遙感領域中的應用
4．8膠囊網(wǎng)絡
4．8．1膠囊網(wǎng)絡原理
4．8．2矩陣膠囊網(wǎng)絡
4．8．3堆疊膠囊自編碼器
4．8．4遙感領域中的應用
4．9圖卷積神經(jīng)網(wǎng)絡
4．9．1圖的基本定義
4．9．2圖信號處理
4．9．3GCN
4．9．4遙感領域中的應用
參考文獻
第5章腦與自然啟發(fā)的學習優(yōu)化
5．1多尺度學習
5．1．1多尺度學習原理
5．1．2SSD網(wǎng)絡
5．1．3FPNet
5．1．4PANet
5．1．5ThunderNet
5．1．6Libra RCNN
5．1．7遙感領域中的應用
5．2注意力學習
5．2．1注意力學習原理
5．2．2STN
5．2．3SENet
5．2．4SKNet
5．2．5遙感領域中的應用
5．3Siamese協(xié)同學習
5．3．1Siamese協(xié)同學習原理
5．3．2MatchNet
5．3．3Siamese FC網(wǎng)絡
5．3．4CFNet
5．3．5Siamese RPN
5．3．6遙感領域中的應用
5．4強化學習
5．4．1強化學習原理
5．4．2面向值函數(shù)的深度強化學習
5．4．3面向策略梯度的深度強化學習
5．4．4遙感領域中的應用
5．5遷移學習
5．5．1遷移學習原理
5．5．2遷移學習分類
5．5．3遙感領域中的應用
5．6聯(lián)邦學習
5．6．1聯(lián)邦學習原理
5．6．2聯(lián)邦學習分類
5．6．3聯(lián)邦學習與神經(jīng)網(wǎng)絡學習之間的差異
5．6．4聯(lián)邦學習與分布式學習之間的差異
5．6．5遙感領域中的應用
參考文獻
第6章遙感影像重建
6．1基于邊緣信息指導的壓縮感知影像重建
6．1．1邊緣信息的提取方法
6．1．2基于邊緣信息指導的MP算法
6．1．3實驗結果與分析
6．2基于進化正交匹配追蹤的壓縮感知影像重構
6．2．1編碼與解碼
6．2．2進化正交匹配策略
6．2．3實驗結果與分析
6．3本章小結
參考文獻
第7章遙感影像配準
7．1基于深度特征表示的遙感影像配準
7．1．1特征表示匹配網(wǎng)絡模型
7．1．2基于空間關系的局部特征匹配策略
7．1．3實驗結果與分析
7．2基于雙支路的卷積深度置信網(wǎng)的遙感影像匹配
7．2．1自適應領域的樣本選擇策略
7．2．2雙支路卷積深度置信網(wǎng)絡框架
7．2．3實驗結果與分析
7．3本章小結
參考文獻
第8章遙感影像分割
8．1基于稀疏結構表示的SAR影像素描模型
8．1．1初始素描模型
8．1．2初始素描圖提取方法
8．1．3SAR影像素描模型
8．1．4SAR影像素描圖提取方法
8．2基于素描模型和高階鄰域MRF的SAR影像分割
8．2．1SAR影像素描模型
8．2．2基于MRF模型的影像分割
8．2．3基于素描模型和MRF的SAR影像分割架構
8．2．4創(chuàng)建勢能函數(shù)
8．2．5實驗結果與分析
8．3基于深度緊密神經(jīng)網(wǎng)絡和柵格地圖的三維點云語義分割
8．3．1尺度不變特征變換的網(wǎng)絡模塊
8．3．2深度緊密PointNet++網(wǎng)絡
8．3．3實驗結果與分析
8．4基于注意力網(wǎng)絡的三維點云分割方法
8．4．1全局點注意力模塊
8．4．2PointSIFTGPA網(wǎng)絡
8．4．3實驗結果及分析
8．5本章小結
參考文獻
第9章遙感影像分類
9．1基于生成式模型的雙層字典學習與影像分類
9．1．1基于生成式模型的雙層字典學習框架
9．1．2實驗結果與分析
9．2基于脊波卷積神經(jīng)網(wǎng)絡的高光譜影像分類
9．2．1基于脊波卷積神經(jīng)網(wǎng)絡算法
9．2．2實驗結果與分析
9．3基于全卷積網(wǎng)絡空間分布預測的高光譜影像分類
9．3．1基于FCN8s的HSI空間分布預測
9．3．2基于空譜特征的融合分類
9．3．3實驗結果與分析
9．4基于多尺度自適應深度融合殘差網(wǎng)的多光譜遙感影像分類
9．4．1重要樣本選擇策略
9．4．2多尺度自適應深度殘差網(wǎng)絡
9．4．3實驗結果與分析
9．5基于深度極化卷積神經(jīng)網(wǎng)絡的極化SAR影像分類
9．5．1基于深度極化卷積的網(wǎng)絡框架
9．5．2實驗結果與分析
9．6基于深度生成判別混合框架的極化SAR影像分類
9．6．1基于生成式模型的極化目標分解學習模型
9．6．2深度生成判別混合網(wǎng)絡模型
9．6．3實驗結果與分析
9．7本章小結
參考文獻
第10章遙感影像融合
10．1基于低秩張量分解和空譜圖正則的多源影像融合
10．1．1低秩張量融合模型
10．1．2空間光譜圖正則與融合
10．1．3增廣拉格朗日優(yōu)化
10．1．4實驗結果與分析
10．2基于壓縮超分辨重構和多字典學習的多光譜和全色影像融合
10．2．1壓縮超分辨重構融合
10．2．2基于初始素描模型的區(qū)域劃分和多字典學習
10．2．3實驗結果與分析
10．3基于深度多示例學習的全色和多光譜影像空譜融合分類
10．3．1DCNN空域示例分類
10．3．2深度堆棧自編碼網(wǎng)絡的譜域示例分類
10．3．3基于深度多示例學習的空譜特征融合分類
10．3．4實驗結果與分析
10．4基于雙支路注意融合網(wǎng)絡下的多分辨率遙感影像分類
10．4．1自適應中心偏移采樣策略
10．4．2空道注意模塊
10．4．3雙支路注意融合深度網(wǎng)
10．4．4實驗結果與分析
10．5本章小結
參考文獻
第11章遙感目標檢測
11．1基于混合稀疏顯著融合模型的目標檢測
11．1．1*小跨距
11．1．2混合稀疏融合模型
11．1．3目標級協(xié)同濾波器
11．1．4實驗結果與分析
11．2基于層次顯著性濾波的SAR目標檢測
11．2．1基于隨機森林的分層稀疏建模
11．2．2基于CFAR的動態(tài)輪廓顯著性建模
11．2．3實驗結果與分析
11．3基于深度自適應區(qū)域建議網(wǎng)絡的遙感影像目標檢測
11．3．1深度自適應區(qū)域建議網(wǎng)絡框架
11．3．2實驗結果及分析
11．4基于多尺度影像塊級全卷積網(wǎng)絡的光學遙感影像目標檢測
11．4．1多尺度影像塊級全卷積網(wǎng)絡框架
11．4．2實驗結果與分析
11．5本章小結
參考文獻
第12章遙感視頻目標跟蹤
12．1基于深度學習濾波器的遙感視頻目標跟蹤
12．1．1深度連續(xù)卷積濾波器
12．1．2深度學習濾波器
12．1．3實驗結果與分析
12．2基于孿生網(wǎng)絡的遙感視頻目標跟蹤
12．2．1孿生網(wǎng)絡
12．2．2基于前后一致性驗證的孿生網(wǎng)絡
12．2．3實驗結果與分析
12．3本章小結
參考文獻
第13章類腦SAR影像解譯系統(tǒng)
13．1類腦SAR系統(tǒng)
13．1．1SAR成像系統(tǒng)
13．1．2類腦SAR解譯系統(tǒng)
13．1．3輸出展示系統(tǒng)
13．2PolSAR數(shù)據(jù)處理及解譯系統(tǒng)
13．3InSAR數(shù)據(jù)處理及解譯系統(tǒng)
13．4硬件設備設計與實現(xiàn)
13．4．1ADSPTS201處理器
13．4．2DE5Net FPGA芯片
13．4．3VPXGPU系統(tǒng)
13．5本章小結
參考文獻
第14章遙感大數(shù)據(jù)智能解譯平臺
14．1總體結構設計
14．2影像信息可視化平臺體系
14．3功能模塊設計
14．3．1遙感大數(shù)據(jù)智能解譯平臺可視化系統(tǒng)
14．3．2遙感數(shù)據(jù)管理工具
14．3．3遙感影像解譯服務
14．4遙感大數(shù)據(jù)智能解譯平臺
14．4．1具體功能展示
14．4．2遙感影像解譯任務示例
14．5本章小結
參考文獻
第15章公開問題
15．1遙感任務的新挑戰(zhàn)
15．2遙感數(shù)據(jù)的新特性
15．3算法框架的新思路
參考文獻
展開全部
遙感腦理論及應用 作者簡介
焦李成,華山領軍教授、歐洲科學院院士、俄羅斯自然科學院院士、教育部科技委學部委員、中國人工智能學會副理事長、教育部人工智能科技創(chuàng)新專家組專家、IET西安分會主席、IEEE西安分會獎勵委員會主席、IEEE計算智能協(xié)會西安分會主席、IEEE GRSS西安分會主席，IEEE TCYB、IEEE TGRS副主編、教育部“長江學者支持計劃”創(chuàng)新團隊首席專家，IEEE Fellow、IET Fellow、CAAI Fellow、CCF Fellow、CIE Fellow、CAA Fellow，PC of NeurlPS、ICML、CVPR、AAAI、IJCAI and ICCV, 連續(xù)七年入選愛思唯爾高被引學者榜單。國務院學位委員會學科評議組成員，人社部博士后管委會評議組專家，曾任第八屆全國人大代表。1991年被批準為享受國務院政府津貼的專家，1996年首批入選國家“百千萬”人才工程（第一、二層次），陜西省首批“三五人才”第一層次。當選為全國模范教師、陜西省突出貢獻專家和陜西省師德標兵。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
詩經(jīng)-先民的歌唱
- >
有舍有得是人生
- >
回憶愛瑪儂
- >
李白與唐代文化
- >
隨園食單
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
