幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

多源遙感及地學數據融合計算(精)

  • 作者：沈煥鋒//蔣夢輝//孟祥超//張良培|責編:楊光華//徐雁秋//劉暢
  • 出版社：科學
  • ISBN：9787030746030
  • 出版日期：2023/11/01
  • 裝幀：精裝
  • 頁數：353
人民幣：RMB 298 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    衛星遙感、地基觀測、模型模擬、社會感知等是獲取地球表層科學數據的主要手段，不同來源的數據之間存在強烈的互補性。本書圍繞多源數據的融合計算展開研究，以多源遙感數據的信息融合為主體內容，並擴展到與地基數據、模型模擬數據和社會感知數據的融合。內容體繫上分為同質數據融合、異質數據融合、異類數據融合等幾個層次：首先介紹同質光學遙感數據的空-譜融合、時-空融合及時-空-譜融合方法：其次介紹光學、雷達、短波紅外、多參量產品等異質數據間的融合方法；然後介紹地基觀測、遙感觀測、模型模擬與社會感知等異類數據間的融合方法：最後提出廣義地學數據時-空-譜一體化融合的理論框架與模型方法。
    本書不僅適合作為遙感、地理、測繪等相關專業的高年級本科生、研究生的參考書，而且可供遙感信息處理、環境參量反演、陸面過程模擬、數據融合與同化等領域的科技工作者閱讀參考。
作者介紹
沈煥鋒//蔣夢輝//孟祥超//張良培|責編:楊光華//徐雁秋//劉暢
目錄
第1章  緒論
  1.1  地學數據類型
  1.2  不同數據之間的互補性
  1.3  數據融合的定義
  1.4  本書研究內容
  參考文獻
第2章  亞像素位移影像序列超解析度融合方法
  2.1  概述
    2.1.1  超解析度技術的概念
    2.1.2  超解析度技術的遙感應用
  2.2  超解析度技術基本理論與方法
    2.2.1  觀測模型
    2.2.2  參數估計
    2.2.3  超解析度模型
  2.3  基於深度學習的視頻序列超解析度融合方法
    2.3.1  概述
    2.3.2  時空信息融合網路
    2.3.3  空間梯度增強網路
    2.3.4  聯合優化策略
  2.4  視頻影像超解析度融合實驗
    2.4.1  測試數據與實驗設置
    2.4.2  模擬實驗
    2.4.3  真實實驗
  2.5  本章小結
  參考文獻
第3章  多感測器遙感影像空-譜融合方法
  3.1  概述
  3.2  空-譜融合方法體系
    3.2.1  成分替換融合方法
    3.2.2  多解析度分析融合方法
    3.2.3  變分模型融合方法
    3.2.4  機器學習融合方法
  3.3  基於差值映射的深度殘差卷積融合網路
    3.3.1  差值映射與梯度輔助策略
    3.3.2  基於差值映射的深度殘差卷積融合方法
  3.4  實驗結果與分析
    3.4.1  定量評價指標
    3.4.2  模擬實驗
    3.4.3  真實實驗
    3.4.4  參數量及複雜度分析
  3.5  本章小結
  參考文獻
第4章  多源遙感參量數據時-空融合方法
  4.1  概述
  4.2  時-空融合的發展現狀
    4.2.1  線性解混方法
    4.2.2  時空濾波方法
    4.2.3  變分模型方法
    4.2.4  機器學習方法
    4.2.5  混合方法

  4.3  基於非局部濾波的時-空融合方法
    4.3.1  模型框架
    4.3.2  演算法流程
    4.3.3  實驗結果與分析
  4.4  深度學習時-空融合方法
    4.4.1  模型框架
    4.4.2  網路細節與損失函數
    4.4.3  實驗結果與分析
  4.5  多感測器時-空一體化融合方法
    4.5.1  模型框架
    4.5.2  像元篩選與權重計算
    4.5.3  實驗結果與分析
  4.6  本章小結
  參考文獻
第5章  多源光學遙感影像時-空-譜一體化融合方法
  5.1  概述
  5.2  時-空-譜一體化變分融合模型
    5.2.1  時-空-譜關係模型
    5.2.2  一體化融合模型
    5.2.3  優化求解演算法
  5.3  實驗結果與分析
    5.3.1  超解析度融合實驗
    5.3.2  空-譜融合實驗
    5.3.3  時-空融合實驗
    5.3.4  時-空-譜一體化融合實驗
  5.4  本章小結
  參考文獻
第6章  單極化-全極化SAR數據融合方法
  6.1  概述
  6.2  數據組織形式與退化模型
  6.3  機器學習SAR數據融合模型
    6.3.1  高解析度單極化SAR特徵提取模塊
    6.3.2  低解析度全極化SAR超解析度重建模塊
    6.3.3  交叉注意力機制
    6.3.4  融合損失函數
    6.3.5  雙-全極化SAR影像融合方法擴展
  6.4  實驗結果與分析
    6.4.1  實驗數據與預處理
    6.4.2  模擬實驗
    6.4.3  真實實驗
    6.4.4  極化分析實驗
    6.4.5  雙-全極化SAR影像融合實驗
  6.5  本章小結
  參考文獻
第7章  光學-SAR遙感數據像素級融合方法
  7.1  概述
  7.2  深度循環生成對抗網路融合方法
    7.2.1  雙向循環融合框架
    7.2.2  生成器與判別器網路結構
    7.2.3  損失函數

  7.3  實驗結果與分析
    7.3.1  解析度提升實驗
    7.3.2  厚雲去除實驗
    7.3.3  厚雲去除與解析度提升聯合處理實驗
  7.4  本章小結
  參考文獻
第8章  可見光-短波紅外遙感數據融合方法
  8.1  概述
    8.1.1  譜段相關性與互補性
    8.1.2  大氣散射規律
  8.2  捲雲波段輔助的可見光波段校正方法
    8.2.1  捲雲校正模型
    8.2.2  參數求解
    8.2.3  實驗結果與分析
  8.3  基於梯度融合的影像薄雲霧校正方法
    8.3.1  歸一化梯度融合變分模型
    8.3.2  波段相關性先驗
    8.3.3  有約束的歸一化梯度融合模型
    8.3.4  實驗結果與分析
  8.4  短波紅外波段引導的融合重建方法
    8.4.1  雲區與非雲區分離
    8.4.2  相似像元高精度匹配
    8.4.3  空譜馬爾可夫薄雲校正模型
    8.4.4  實驗結果與分析
  8.5  本章小結
  參考文獻
第9章  多參量數據融合降尺度方法
  9.1  概述
    9.1.1  空間降尺度
    9.1.2  確定性降尺度
    9.1.3  統計降尺度
  9.2  多元自適應回歸樣條降尺度方法
    9.2.1  前向選擇
    9.2.2  後向剪枝
  9.3  顧及尺度一致約束的卷積網路降尺度方法
    9.3.1  雙模式交叉注意力模塊
    9.3.2  內嵌注意力的殘差密集卷積模塊
    9.3.3  損失函數設計
  9.4  實驗結果與分析
    9.4.1  研究區域與數據
    9.4.2  實驗方案設計
    9.4.3  模擬實驗
    9.4.4  真實實驗
  9.5  本章小結
  參考文獻
第10章  遙感與地基觀測數據點-面融合方法
  10.1  概述
    10.1.1  點-面融合基本概念
    10.1.2  大氣PM2.5濃度點-面融合估算
    10.1.3  顧及時空規律的機器學習點-面融合建模

  10.2  研究區域與數據
    10.2.1  地基站點數據
    10.2.2  衛星觀測數據
    10.2.3  氣象再分析資料
    10.2.4  數據預處理
  10.3  時空關聯深度學習點-面融合方法
    10.3.1  深度置信網路
    10.3.2  時空關聯因子提取
    10.3.3  時空關聯深度學習
    10.3.4  實驗結果與分析
  10.4  時空地理加權學習點-面融合方法
    10.4.1  模型結構
    10.4.2  時空加權方案
    10.4.3  權值優化求解
    10.4.4  模型參數選擇
    10.4.5  實驗結果與分析
  10.5  全局-局部結合時空神經網路點-面融合方法
    10.5.1  通用時空地理加權學習模型
    10.5.2  全局-局部建模框架
    10.5.3  實驗結果與分析
  10.6  點-面融合方法對比評估
    10.6.1  考慮站點不均勻分佈的驗證方法
    10.6.2  模型評價結果及其對比
  10.7  本章小結
  參考文獻
第11章  對地觀測與社會感知數據融合方法
  11.1  概述
  11.2  研究區域與數據
  11.3  融合對地觀測與社會感知的PM2.5估算方法
    11.3.1  特徵變數提取
    11.3.2  關係建模與參量估計
  11.4  實驗結果與分析
    11.4.1  描述性統計結果
    11.4.2  定量評價結果
    11.4.3  製圖評價結果
    11.4.4  社會感知變數影響分析
    11.4.5  其他城市擴展應用
  11.5  本章小結
  參考文獻
第12章  對地觀測數據與動力學模式同化融合方法
  12.1  概述
  12.2  模式-遙感數據同化方法
    12.2.1  數據同化基本原理
    12.2.2  數據同化演算法
    12.2.3  模型運算元與觀測運算元
    12.2.4  研究區、數據與實驗方案
    12.2.5  實驗結果與分析
  12.3  遙感-模式數據融合方法
    12.3.1  基本原理與研究現狀
    12.3.2  遙感-模式一體化融合框架

    12.3.3  研究區與實驗數據
    12.3.4  實驗結果與分析
  12.4  本章小結
  參考文獻
第13章  多源地學數據廣義時-空-譜一體化融合方法
  13.1  概述
    13.1.1  經典時-空-譜融合框架的局限
    13.1.2  「譜」的內涵延拓
    13.1.3  時-空-譜融合的廣義理解
  13.2  多源異質遙感影像的時-空-譜一體化融合方法
    13.2.1  異質時-空-譜一體化融合框架
    13.2.2  損失函數
    13.2.3  實驗結果與分析
  13.3  面向參量降尺度的廣義時-空-譜一體化融合方法
    13.3.1  土壤水分觀測及其降尺度
    13.3.2  數據介紹
    13.3.3  廣義時-空-譜一體化融合降尺度方法
    13.3.4  實驗結果與分析
  13.4  本章小結
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032