高分辨率遥感图像理解是近年来遥感应用领域的研究热点。本书系统阐述了高分辨率遥感图像理解的基本概念、模型方法和应用技术。首先结合高分辨率遥感图像的特点及其应用背景，叙述高分辨率遥感图像理解的研究框架；其次分别介绍特征信息表达和统计学习模型，以此作为整个遥感图像理解任务的方法基础，并以高分辨率遥感图像理解的研究内容为导向，重点论述精细化目标检测与识别、复杂场景描述与分类、空间语义分析与计算三大任务中采用的技术流程和关键算法；最后结合实际需求，给出高分辨率遥感图像理解的若干应用实例。 本书可供从事遥感测绘、图像处理、模式识别等领域的研究和技术人员参考使用，也可作为高等院校相关专业的教学和研究资料。
样章试读
目录
第1章 绪论
1.1 遥感技术发展概况
1.1.1 遥感成像机理
1.1.2 遥感观测系统
1.1.3 遥感技术发展现状及趋势
1.2 高分辨率遥感图像的特点
1.3 高分辨率遥感应用的挑战
1.4 遥感图像理解的基本概念
1.4.1 图像理解
1.4.2 遥感图像理解的研究进展
1.4.3 高分辨率遥感图像理解
1.5 遥感图像理解的研究内容
1.5.1 地物目标检测与识别
1.5.2 图像场景描述与分类
1.5.3 目标空间语义分析与计算
1.6 遥感图像理解的研究方法
1.6.1 图像特征信息表达
1.6.2 统计学习模型方法
参考文献
第2章 特征信息表达
2.1 图像信息表达
2.1.1 图像数据结构
2.1.2 知识信息表示
2.1.3 多尺度空间
2.1.4 尺度计算与转换
2.2 图像特征提取
2.2.1 颜色特征提取
2.2.2 纹理特征提取
2.2.3 形状特征提取
2.2.4 感兴趣点特征提取
2.3 性能评判准则
2.3.1 特征有效性分析
2.3.2 分类性能评价
参考文献
第3章 统计学习模型
3.1 判别式模型
3.1.1 SVM模型
3.1.2 Boosting方法
3.1.3 CRF模型
3.2 产生式模型
3.2.1 图模型相关理论
3.2.2 主题语义模型
3.2.3 标记点过程模型
3.3 产生式和判别式混合模型
3.3.1 混合算法
3.3.2 混合学习
参考文献
第4章 精细化目标检测与识别
4.1 遥感图像前背景分割
4.1.1 基于图割模型的遥感图像交互式分割
4.1.2 基于高斯混合模型的遥感图像目标分割
4.2 精细化遥感目标检测
4.2.1 基于Boosting级联学习的遥感目标检测
4.2.2 基于随机几何模型的遥感目标检测
4.2.3 基于主题语义模型的遥感目标提取
4.3 精细化遥感目标识别
4.3.1 基于区域对象概率标记的遥感目标识别
4.3.2 基于形状统计模型的遥感目标识别
4.3.3 基于语义树匹配学习的遥感目标识别
参考文献
第5章 复杂场景描述与分类
5.1 复杂场景的分层描述
5.1.1 低层图像场景描述
5.1.2 中层图像场景描述
5.2 高分辨率遥感图像场景分类
5.2.1 基于自适应核函数组合的遥感图像场景分类
5.2.2 基于空间语义向量的遥感图像场景分类
参考文献
第6章 空间语义分析与计算
6.1 目标空间关系
6.1.1 空间对象
6.1.2 拓扑空间关系
6.1.3 与或图和解析图
6.1.4 目标关联和结构
6.2 图像语义计算
6.2.1 句法语言
6.2.2 词汇网络
6.2.3 统计句法模型
6.2.4 图像句法语义
6.2.5 图像语义学习与推理
6.3 高分辨率遥感图像的空间语义计算
6.3.1 基于空间一致的遥感图像语义计算
6.3.2 基于分等级对象语义图的遥感目标语义计算
参考文献
第7章 高分辨率遥感图像理解的应用实例
7.1 城市建设应用
7.1.1 建筑物目标自动提取
7.1.2 道路目标自动提取
7.1.3 城市场景综合解译
7.2 军事解译应用
7.2.1 港口目标自动检测
7.2.2 机场目标自动检测
7.2.3 舰船目标自动检测识别
7.2.4 飞机目标自动检测识别
参考文献]]>
京公网安备 11010102004214号