123,123

內(nèi)容簡(jiǎn)介

　　遙感目標(biāo)檢測(cè)技術(shù)在軍事偵察、減災(zāi)防災(zāi)、城市監(jiān)測(cè)等領(lǐng)域有著廣泛應(yīng)用。隨著高分辨光學(xué)相機(jī)、高光譜儀等新一代遙感器的廣泛應(yīng)用，獲取的遙感影像數(shù)據(jù)的分辨率和信息復(fù)雜度大大增加，目標(biāo)探測(cè)維度也大大擴(kuò)展，給傳統(tǒng)的統(tǒng)計(jì)類探測(cè)方法帶來(lái)了挑戰(zhàn)。另一方面，作為人工智能技術(shù)的重要應(yīng)用方向，基于深度學(xué)習(xí)的遙感目標(biāo)探測(cè)方法具有強(qiáng)大的特征表示和學(xué)習(xí)能力，已經(jīng)逐漸成為當(dāng)前學(xué)習(xí)類探測(cè)方法研究的前沿和熱點(diǎn)。本書針對(duì)當(dāng)前高分辨光學(xué)遙感器的成像特點(diǎn)，根據(jù)高光譜和光學(xué)遙感圖像目標(biāo)探測(cè)的需求和近年來(lái)作者所在團(tuán)隊(duì)的研究成果，探討了降質(zhì)圖像的盲復(fù)原、基于深度學(xué)習(xí)框架下的高光譜波段選擇、光譜解混、目標(biāo)探測(cè)與定位等實(shí)現(xiàn)的一些新方法。本書可以作為光電成像與目標(biāo)探測(cè)專業(yè)研究生的專業(yè)用書，同時(shí)也可作為與遙感圖像處理技術(shù)與應(yīng)用相關(guān)的其他專業(yè)研究人員的參考書。

作者簡(jiǎn)介

　　高昆（1974-），2002年博士畢業(yè)于浙江大學(xué)，北京理工大學(xué)副教授，博士生導(dǎo)師，現(xiàn)為中國(guó)光學(xué)學(xué)會(huì)、中國(guó)圖象圖形學(xué)學(xué)會(huì)會(huì)員。長(zhǎng)期從事光電成像和遙感圖像處理等方向研究，主持和參與國(guó)家自然基金、國(guó)防973、863等科研項(xiàng)目40多項(xiàng)，在國(guó)內(nèi)外重要刊物發(fā)表學(xué)術(shù)論文80多篇，其中SCI收錄30多篇，授權(quán)發(fā)明專利12項(xiàng)。獲得國(guó)家科技進(jìn)步二等獎(jiǎng)1項(xiàng)、部級(jí)科技獎(jiǎng)4項(xiàng)，培養(yǎng)畢業(yè)博士5人，碩士22人。

圖書目錄

第1章高分辨天基光學(xué)遙感目標(biāo)探測(cè)技術(shù)
1.1 引言
1.2 高空間分辨率遙感技術(shù)
1.3 高光譜分辨率遙感技術(shù)
1.4 高光譜與高空間分辨率遙感目標(biāo)探測(cè)方法簡(jiǎn)析
1.5 光學(xué)遙感圖像復(fù)原處理研究現(xiàn)狀及發(fā)展趨勢(shì)
1.6 高光譜目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀以及發(fā)展趨勢(shì)
1.7 本章小結(jié)
第2章基于變指數(shù)函數(shù)正則化的遙感圖像降晰模型辨識(shí)研究
2.1 引言
2.2 模型基礎(chǔ)
2.3 基于變指數(shù)函數(shù)正則化的多因素圖像降晰模型辨識(shí)
2.4 實(shí)驗(yàn)結(jié)果與分析
2.5 本章小結(jié)
第3章基于光滑-增強(qiáng)先驗(yàn)的圖像快速盲復(fù)原術(shù)
3.1 引言
3.2 光滑-增強(qiáng)先驗(yàn)?zāi)Ｐ?br /> 3.3 基于光滑-增強(qiáng)先驗(yàn)的盲復(fù)原模型與優(yōu)化
3.4 實(shí)驗(yàn)結(jié)果與分析
3.5 本章小結(jié)
第4章基于可微分錨框的光學(xué)遙感圖像目標(biāo)檢測(cè)
4.1 引言
4.2 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)和錨框原理簡(jiǎn)介
4.3 基于可微分錨框的目標(biāo)檢測(cè)框架
4.4 基于可微分錨框的檢測(cè)器訓(xùn)練
4.5 實(shí)驗(yàn)結(jié)果與分析
4.6 本章小結(jié)
第5章基于注意力機(jī)制自編碼器的高光譜波段選擇
5.1 引言
5.2 自編碼器與注意力機(jī)制簡(jiǎn)介
5.3 基于注意力機(jī)制的自編碼器
5.4 基于波段注意力掩碼聚類的波段選擇
5.5 實(shí)驗(yàn)結(jié)果與分析
5.6 本章小結(jié)
第6章基于正交稀疏先驗(yàn)自編碼器的高光譜盲解混方法
6.1 引言
6.2 基于正交稀疏先驗(yàn)的自編碼器
6.3 超拉普拉斯損失函數(shù)
6.4 高光譜圖像中異常光譜移除
6.5 實(shí)驗(yàn)結(jié)果與分析
6.6 本章小結(jié)
第7章基于低秩稀疏分解孿生網(wǎng)絡(luò)的高光譜目標(biāo)探測(cè)方法
7.1 引言
7.2 基于低秩-稀疏分解的自編碼器
7.3 基于孿生神經(jīng)網(wǎng)絡(luò)的高光譜目標(biāo)探測(cè)
7.4 基于線性光譜混合模型的數(shù)據(jù)擴(kuò)充方法
7.5 實(shí)驗(yàn)結(jié)果與分析
7.6 本章小結(jié)
第8章高光譜亞像元定位快速處理方法
8.1 引言
8.2 高光譜亞像元定位技術(shù)原理和方法
8.3 高光譜亞像元定位觀測(cè)模型的結(jié)構(gòu)
8.4 MAP-TV高光譜亞像元定位模型
8.5 高光譜亞像元定位快速混合迭代算法
8.6 實(shí)驗(yàn)結(jié)果與分析
8.7 本章小結(jié)
參考文獻(xiàn)