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

高光譜圖像分類技術/圖像處理前沿技術叢書

  • 作者：李偉//張蒙蒙//陶然|責編:郭家
  • 出版社：人民郵電
  • ISBN：9787115644497
  • 出版日期：2024/09/01
  • 裝幀：平裝
  • 頁數：244
人民幣：RMB 129.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以高光譜圖像分類技術為核心，採用理論方法詳解與實驗分析論證相結合的方式，從高光譜顯微圖像維度約減及分類技術、多尺度深度學習的醫學高光譜顯微圖像分類技術，到高光譜圖像結構感知學習、空間信息提取的地物分類技術，再到多源數據融合分類技術等多個方面，介紹了高光譜圖像分類領域的理論發展和前沿技術。
    本書可作為從事高光譜圖像分類解譯研究的科研人員的工具書，幫助從業人員系統了解高光譜圖像分類解譯方法的研究進展，同時使讀者能夠系統地了解高光譜圖像分類技術的發展脈絡和新進展。
作者介紹
李偉//張蒙蒙//陶然|責編:郭家
目錄
第1章  高光譜圖像分類概述
  1.1  高光譜圖像
  1.2  高光譜圖像分類現狀
    1.2.1  高光譜圖像特徵提取方法
    1.2.2  高光譜分類器設計方法
    1.2.3  高光譜圖像特徵提取及分類難點分析
  參考文獻
第2章  高光譜顯微圖像維度約減及分類
  2.1  高光譜顯微圖像成像系統及數據採集
    2.1.1  高光譜顯微圖像成像系統
    2.1.2  膜性腎病病理組織標準化數據採集及預處理
  2.2  基於空譜密度峰值的高光譜顯微圖像維度約減
    2.2.1  引言
    2.2.2  相關原理與方法
    2.2.3  基於空譜密度峰值的維度約減方法
    2.2.4  實驗內容及結果分析
  2.3  基於張量表示的高光譜顯微圖像多特徵提取
    2.3.1  引言
    2.3.2  張量相關原理與知識
    2.3.3  基於判別張量的多特徵融合提取演算法
    2.3.4  實驗內容及結果分析
  2.4  基於張量回歸分析的高光譜顯微圖像分類
    2.4.1  引言
    2.4.2  最小二乘回歸分析方法
    2.4.3  基於張量塊的判別線性回歸分析方法
    2.4.4  實驗內容及結果分析
  參考文獻
第3章  高光譜顯微圖像多尺度深度學習分類
  3.1  基於深度學習的高光譜顯微圖像膜性腎病分類
    3.1.1  圖像數據預處理
    3.1.2  膜性腎病分類模型
    3.1.3  實驗內容及結果分析
  3.2  基於深度特徵融合網路的高光譜顯微圖像分類
    3.2.1  深度特徵融合網路
    3.2.2  實驗內容及結果分析
  3.3  基於Gabor引導CNN的高光譜顯微圖像分類
    3.3.1  基於CNN和Gabor濾波器的分類演算法
    3.3.2  實驗內容及結果分析
  參考文獻
第4章  高光譜圖像結構感知學習模型及分類
  4.1  基於結構感知協同表示的高光譜圖像分類
    4.1.1  引言
    4.1.2  SaCRT模型
    4.1.3  實驗內容及結果分析
  4.2  基於DMLSR的高光譜圖像分類
    4.2.1  引言
    4.2.2  DMLSR模型
    4.2.3  實驗內容及結果分析
  4.3  基於ICS-DLSR的濱海濕地數據樣本空間變換
    4.3.1  引言

    4.3.2  濱海濕地典型地物高光譜遙感數據特徵分析
    4.3.3  基於回歸表示的樣本空間變換及ICS-DLSR模型
    4.3.4  濱海濕地數據樣本空間變換效果分析
  4.4  基於SPCRGE的高光譜圖像分類
    4.4.1  引言
    4.4.2  模型基礎
    4.4.3  SPCRGE模型
    4.4.4  實驗內容及結果分析
  參考文獻
第5章  高光譜圖像空間信息提取及分類
  5.1  基於多形變體輸入的深度學習高光譜圖像分類
    5.1.1  DR-CNN模型
    5.1.2  多形變體輸入及特徵提取
    5.1.3  DR-CNN模型訓練
    5.1.4  實驗內容及結果分析
  5.2  基於像素對的數據增強及高光譜圖像分類
    5.2.1  像素配對模型
    5.2.2  基於像素對輸入的深度特徵提取
    5.2.3  實驗內容及結果分析
  5.3  基於像素塊配對的高光譜圖像深度網路分類
    5.3.1  基於數據增強的CNN分類模型
    5.3.2  傳統樣本擴充方法
    5.3.3  基於像素塊配對的樣本擴充方法
    5.3.4  實驗內容及結果分析
  參考文獻
第6章  高光譜多源數據融合分類
  6.1  多源遙感融合分類研究現狀
    6.1.1  多源感測器融合分類研究現狀
    6.1.2  基於高光譜的多源遙感融合分類研究現狀
  6.2  基於CNN的高光譜多源數據融合分類
    6.2.1  雙通道CNN與級聯CNN
    6.2.2  雙分支CNN訓練及分析
    6.2.3  實驗內容及結果分析
  6.3  基於結構信息聚合的HSI與LiDAR數據的融合分類
    6.3.1  基於IP-CNN的結構信息聚合分類模型
    6.3.2  語義信息導向的分類模型及訓練策略
    6.3.3  HSI協同LiDAR數據分類實驗
  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