图书介绍

遥感图像智能分类及其应用【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

遥感图像智能分类及其应用
  • 罗小波，赵春晖，潘建平等著 著
  • 出版社： 北京：电子工业出版社
  • ISBN：9787121058080
  • 出版时间：2011
  • 标注页数：275页
  • 文件大小：88MB
  • 文件页数：285页
  • 主题词：人工智能－应用－遥感图象－图象处理－研究

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：45193c3cff6e3c92343f41c275343cee

下载说明

遥感图像智能分类及其应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 绪论1

1.1遥感技术概述1

1.1.1相关概念1

1.1.2遥感技术的发展与应用3

1.1.3遥感图像分类的意义4

1.2遥感图像分类主要数据源5

1.2.1中低分辨率卫星数据6

1.2.2高分辨率卫星数据8

1.2.3高光谱卫星数据10

1.2.4雷达卫星数据11

1.3遥感图像分类使用的主要特征12

1.3.1光谱特征12

1.3.2纹理特征14

1.3.3空间形状特征18

1.3.4高程特征19

1.4遥感图像分类现状及存在的问题20

1.4.1基于像元的分类21

1.4.2混合像元的分解22

1.4.3面向对象的分类25

1.4.4遥感图像分类所存在的问题27

1.5遥感图像智能分类研究思路与本书结构安排28

1.6本章总结31

参考文献32

第2章 遥感图像分类基础与传统分类方法39

2.1遥感图像分类概述39

2.2特征变换41

2.2.1主分量变换41

2.2.2最小噪声分离变换44

2.3最大似然监督分类46

2.3.1监督分类的基本过程46

2.3.2最大似然监督分类算法47

2.3.3训练样本的选取与纯化51

2.4 ISODATA非监督分类55

2.5分类精度评价58

2.6本章总结63

参考文献64

第3章 基于神经网络的遥感图像分类68

3.1人工神经网络遥感分类概述68

3.2 BP神经网络遥感影像分类70

3.2.1 BP网络基本理论71

3.2.2基于遗传算法优化的网络学习算法73

3.2.3 BP神经网络遥感分类模型74

3.2.4实验与精度评价77

3.2.5小结81

3.3 RBF神经网络遥感影像分类82

3.3.1 RBF网络基本理论83

3.3.2网络结构简化与RBF中心优化85

3.3.3实验与精度评价87

3.3.4小结90

3.4自组织神经网络遥感影像分类90

3.4.1 Kohonen神经网络基础91

3.4.2基于Kohonen网络的遥感监督分类模型93

3.4.3实验与精度评价97

3.5自适应共振神经网络遥感影像分类100

3.5.1 ART 1神经网络学习过程102

3.5.2 ART 1神经网络的具体算法105

3.5.3自适应共振网络在高光谱中的应用106

3.5.4实验与精度评价110

3.6本章总结115

参考文献117

第4章 基于支持向量机的遥感图像分类122

4.1支持向量机发展概述122

4.2统计学习理论和支持向量机123

4.2.1统计学习理论124

4.2.2支持向量机130

4.2.3改进核函数及高光谱图像分类仿真实验137

4.2.4小结142

4.3最小二乘支持向量机高光谱图像分类142

4.3.1 LS-SVM的原理143

4.3.2 LS-SVM的训练样本选择以及模型参数选择146

4.3.3双边加权LS-SVM147

4.3.4仿真实验150

4.3.5小结154

4.4多类支持向量机图像分类155

4.4.1多类支持向量机155

4.4.2各种多类SVM的性能对比161

4.4.3仿真实验165

4.4.4小结167

4.5基于模糊SVM的高光谱图像分类168

4.5.1多类支持向量机存在的局限性169

4.5.2模糊集的基本概念170

4.5.3基于1-V-1 SVM的模糊支持向量机171

4.5.4仿真实验173

4.5.5小结175

4.6本章总结175

参考文献178

第5章 面向对象的遥感图像分类182

5.1面向对象的遥感图像分类概述182

5.2多尺度影像分割185

5.2.1基于区域的影像分割185

5.2.2多尺度影像分割187

5.3模糊分类193

5.3.1模糊理论基础193

5.3.2基于多特征的模糊分类模型196

5.4实例研究198

5.4.1数据源概况198

5.4.2基于像元的最大似然分类198

5.4.3面向对象分类200

5.4.4二者分类度比较与分析208

5.5本章总结210

参考文献211

第6章 遥感图像混合像元分解216

6.1混合像元分解概述216

6.2混合像元分解模型220

6.2.1光谱混合的成像机理220

6.2.2概念的提出221

6.2.3光谱混合模型222

6.3线性模型及其混合像元分解227

6.3.1线性光谱混合模型228

6.3.2端元组分确定235

6.3.3端元提取算法237

6.3.4实例研究242

6.3.5小结250

6.4基于数学形态学的端元提取算法251

6.4.1数学形态学概述252

6.4.2数学形态学的基本原理与运算253

6.4.3基于数学形态学的端元提取256

6.4.4不同方法分解结果比较264

6.4.5小结266

6.5本章总结267

参考文献271

热门推荐