基於深度學習的高解析度遙感影像智能解譯與變化檢測 張覓 9787307248120 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202503*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：基於深度學習的高解析度遙感影像智能解譯與變化檢測
ISBN：9787307248120
出版社：武漢大學
著編譯者：張覓
頁數：174
所在地：中國大陸 *此為代購商品
書號：1730088
可大量預訂，請先連絡。

內容簡介

本書面向智能化時代遙感影像處理與應用的需求，結合作者近年來在遙感影像智能解譯方面的研究工作，系統地闡述了高解析度遙感影像解譯與變化檢測的方法，以「數據-像素-目標-場景」的層次認知模型為基礎，引入基於深度學習的全要素遙感影像語義分割模型，在此基礎上提出顧及拓撲結構與空間上下文的線狀、面狀地物專題要素提取方法，並構建了融合高階注意力機制的人機交互半自動提取模型。同時，引入密集連接與幾何結構約束機制，提升變化檢測模型的特徵復用與結構感知能力。 本書可作為普通高校攝影測量與遙感、遙感科學與技術、測繪工程、模式識別與智能處理等專業的研究生教材，也可作為遙感智能解譯相關從業人員的技術參考書籍。

作者簡介

張覓，武漢大學副研究員，長期從事智能遙感影像解譯研究，擔任中國遙感應用協會智能遙感開源聯盟副秘書長、湖北珞珈實驗室智能遙感解譯中心副主任。主持或參与20餘項國家自然科學基金、重點研發計劃等項目，發表論文30餘篇，擔任CVPR/ICCV/ECCV、ISPRS/TGRS/TIP等頂級會議與期刊審稿人。參与研發的EasyFeature系統支撐了「全球測圖」等國家重大工程，經濟效益逾2億元。開發首個遙感深度學習框架LuoJiaNET，吸引全球5000+用戶；提出LuoJiaSET分類體系，支撐OGCTrainingDML國際標準制定。與華為、百度等企業合作，主導研發28億參數的多模態人機協同大模型LuoJia SmartSensing（珞珈·靈感），顯著提升了遙感解譯的魯棒性和遷移能力。相關成果榮獲「測繪科學技術特等獎」「地理信息科技進步特等獎」等重要科技獎勵。

目錄

第1章 緒論
1 1 高解析度遙感影像智能解譯與變化檢測研究概述
1 2 高解析度遙感影像智能解譯與變化檢測研究現狀
1 2 1 多源數據增廣
1 2 2 高解析度影像語義分割
1 2 3 專題要素提取與互動式分割
1 2 4 高解析度影像變化檢測
1 3 高解析度遙感影像智能解譯與變化檢測面臨的挑戰
1 4 本書的研究內容
1 5 本章小結
第2章 高解析度遙感影像語義分割層次認知模型
2 1 引言
2 2 高解析度影像樣本數據增廣
2 2 1 生成式對抗網絡
2 2 2 條件生成式對抗網絡
2 2 3 條件最小二乘損失函數與框架設計
2 2 4 條件最小二乘損失函數與F -散度
2 2 5 實驗結果分析
2 3 基於多尺度流形排序的語義分割
2 3 1 基礎網絡結構設計
2 3 2 代表性網絡結構
2 3 3 影像多尺度編碼
2 3 4 擴張卷積與感受野
2 3 5 「擴張-非擴張」對偶卷積層
2 3 6 多標籤流形排序優化
2 3 7 基於多策略融合的DMSMR結構
2 3 8 DMSMR網絡結構參數
2 3 9 實驗結果分析
2 4 基於旋轉不變目標輔助的語義分割
2 4 1 深度網絡旋轉不變結構設計
2 4 2 輸入特徵方向擴張
2 4 3 卷積核分解
2 4 4 特徵方向規劃
2 4 5 顧及目標主方向的損失函數設計
2 4 6 旋轉不變目標檢測網絡結構設計
2 4 7 旋轉不變目標輔助語義分割策略選擇
2 4 8 實驗結果分析
2 5 基於場景約束條件下的語義分割
2 5 1 場景類別信息的融合策略
2 5 2 場景信息最大似然估計
2 5 3 交替迭代場景優化算法
2 5 4 歸一化模態類別損失均衡化方法
2 5 5 實驗結果分析
2 6 本章小結
第3章 顧及拓撲結構與空間上下文的專題要素提取
3 1 引言
3 2 顧及拓撲結構的線狀地物要素提取
3 2 1 中心線與邊界提取
3 2 2 線狀地物拓撲結構重建
3 2 3 線狀地物拓撲連接優化
3 2 4 實驗結果分析
3 3 顧及空間上下文的面狀地物要素提取
3 3 1 面狀地物要素的網絡結構提取
3 3 2 空間上下文信息融合
3 3 3 多尺度目標種子點的預測
3 3 4 邊界矢量捕捉與優化
3 3 5 實驗結果分析
3 4 本章小結
第4章 融合高階注意力機制的互動式目標提取
4 1 引言
4 2 傳統自然地物互動式提取方法
4 2 1 過分割
4 2 2 特徵提取
4 2 3 模型的建立與求解
4 2 4 邊界優化
4 2 5 部分結果
4 3 融合高階注意力機制的HOS -NLClick模型
4 3 1 交互分割方式模擬示例
4 3 2 PS -NL模型
4 3 3 HOS -NL高效求解方法
4 4 自動解譯與人機交互結合
4 5 實驗結果分析
4 5 1 數據說明
4 5 2 實驗方法
4 5 3 結果分析
4 6 本章小結
第5章 基於密集連接和幾何結構約束的變化檢測
5 1 引言
5 2 顧及多源信息的傳統變化檢測方法
5 2 1 預處理
5 2 2 D -DSM獲取
5 2 3 初始變化對象生成
5 2 4 融合高程和影像結構特徵的變化對象分類
5 3 基於密集連接與幾何結構約束的DCGC -CD網絡
5 4 DCGC -CD與相關結構的比較
5 5 多分支幾何結構約束的損失函數設計
5 6 實驗結果分析
5 6 1 數據說明
5 6 2 實驗方法
5 6 3 結果分析
5 7 本章小結
第6章 總結與展望
6 1 總結
6 2 展望
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。