0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 基于统计的深空遥感数据智能解译

相同语种的商品

销售排行榜

浏览历史

基于统计的深空遥感数据智能解译


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
基于统计的深空遥感数据智能解译
  • 书号：9787030776709
    作者：郑晨,平劲松
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：161
    字数：213000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2024-03-01
  • 所属分类：
  • 定价： ￥88.00元
    售价： ￥69.52元
  • 图书介质:
    纸质书

  • 购买数量： 件  缺货，请选择其他介质图书！
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

本书在介绍深空探测任务与深空影像背景知识的基础上, 着重从统计数据分析和人工智能两个方面介绍深空遥感影像相关的智能解译方法. 其中, 在统计数据分析方面, 介绍了统计理论工具及其在“嫦娥”观测数据的判读解译应用. 在人工智能数据分析方面, 介绍了深度学习中基于语义分割和基于目标检测方法在全月撞击坑的自动判读识别. 为了便于读者使用上述方法, 书中提供了大量案例及相应的代码实现.
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第一部分 基础理论篇
    第1章 绪论 3
    1.1 研究背景与数据基础 3
    1.2 深空遥感数据特点 6
    1.3 关键问题 8
    1.4 具体研究内容 8
    第2章 聚类表示与地貌识别的基础知识 12
    2.1 聚类的概念 12
    2.2 深空影像数据聚类识别方法的研究现状.13
    2.2.1 人工识别 13
    2.2.2 基于地形信息的分析算法 14
    2.2.3 机器学习方法 17
    2.3 聚类相关基础知识 19
    第二部分 基于经典统计方法的深空数据解译篇
    第3章 基于嫦娥三号极紫外影像的地心定标 27
    3.1 任务背景与极紫外数据介绍 27
    3.2 极紫外数据特征分析 30
    3.3 圆形差分方法 33
    3.4 地心定标结果 37
    3.5 结论 42
    附录 388幅发布的EUV影像的初步地心定标结果 42
    第4章 基于嫦娥二号影像数据的Toutatis小行星(4179)的形貌探索 46
    4.1 Toutatis小行星介绍 46
    4.2 基于梯度分析与区域约束的形貌自动判读 48
    4.2.1 梯度分析提取形貌种子点 48
    4.2.2 基于区域约束的形貌单元自动标识.51
    4.2.3 实验分析 53
    4.2.4 自动提取方法的相关结论 55
    4.3 基于Toutatis影像数据的增强技术及形貌的分层分类分析 55
    4.3.1 分层分类分析方法 56
    4.3.2 分层分类结果与分析 59
    4.3.3 分层分类方法讨论 65
    4.4 结论 66
    第5章 基于随机场的影像低对比度区域形貌分析 67
    5.1 基于马尔可夫随机场模型的聚类方法 67
    5.2 冯？卡门撞击坑形貌分析 73
    5.2.1 实验数据 74
    5.2.2 实验结果 75
    5.2.3 结论分析 84
    5.3 小天体形貌分析 84
    5.3.1 实验分析 86
    5.3.2 形貌判读 88
    5.3.3 讨论分析 91
    第三部分 基于深度学习方法的深空数据解译篇
    第6章 深度学习基本理论知识 95
    6.1 CNN介绍 95
    6.1.1 CNN发展历史 95
    6.1.2 CNN基本概念 95
    6.1.3 基于CNN的深层神经网络介绍 116
    6.2 深度神经网络的应用 119
    6.2.1 常见的影像语义分割模型 120
    6.2.2 常用的目标检测模型 122
    6.3 深度学习常用的评价指标介绍.125
    第7章 基于深度学习的撞击坑判读 128
    7.1 引言 128
    7.2 研究基础 128
    7.2.1 研究数据类型及来源 128
    7.2.2 撞击坑目录 130
    7.3 深度学习在撞击坑识别中的发展 130
    7.3.1 撞击坑识别中的问题 130
    7.3.2 撞击坑识别算法步骤 132
    7.3.3 撞击坑识别算法效果对比 135
    7.4 经典语义分割网络实验介绍——以UNet为例 136
    7.4.1 数据集准备 136
    7.4.2 实验流程介绍 139
    7.4.3 实验结果分析 140
    7.4.4 部分实验Python代码 142
    参考文献 149
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com