掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
遙感腦理論及應用 版權信息
- ISBN：9787302627630
- 條形碼：9787302627630 ; 978-7-302-62763-0
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
遙感腦理論及應用 本書特色
本書從生物機理、數學分析等角度詳細論述遙感腦的背景意義、理論基礎、感知與解譯應用等，運用科學的態度和數學分析的方法，闡明遙感腦背后的科學技術原理，內容豐富且涵蓋面廣。旨在幫助人工智能、遙感解譯等領域學者更全面深入地了解遙感腦系統。 通過本書，讀者可以： ·系統了解遙感腦的理論基礎、感知與解譯應用及遙感腦系統； ·借鑒了解大腦及自然啟發方法、視覺感知機理和腦認知機理，實現遙感腦智能建模； ·通過對高分辨壓縮信息的獲取（“感”），建立多尺度幾何分析的建模（“知”），完成特征的學習和分析（“用”）。
遙感腦理論及應用 內容簡介
針對海量、動態、多維、異構的高分辨率衛星遙感觀測數據，通過對高分辨壓縮信息的獲取（“感”），建立多尺度幾何分析的建模（“知”），完成特征的學習和分析（“用”），從而提高對地觀測系統的綜合利用能力，這已成為遙感技術發展的必然趨勢。 全書共十五章，系統地論述了遙感腦的理論基礎、感知與解譯應用及遙感腦系統。**至第四章主要介紹遙感技術和類腦啟發的研究背景及意義，壓縮感知基礎、遙感成像機理與特性、深度神經網絡的**進展等；第五至第十二章主要介紹作者團隊在遙感腦感知與解譯兩方面的具體相關應用成果；第十三至第十四章主要介紹作者團隊研發的遙感腦系統；第十五章主要是展望和總結該領域的主要公開問題。以此拋磚引玉，希望本書能為讀者呈現出遙感腦理論和應用等較為全面的脈絡、趨勢和圖景。 本書適應于涉及深度學習和圖像處理類高年級本科生、研究生，以及廣大科技工作者。
遙感腦理論及應用 目錄
第1章遙感腦的研究背景及意義
1．1遙感技術
1．2遙感數據特性
1．3類腦生物特性
1．3．1稀疏性
1．3．2學習性
1．3．3選擇性
1．3．4方向性
1．4遙感腦模型
參考文獻
第2章壓縮感知基礎
2．1稀疏編碼與字典學習
2．1．1稀疏編碼
2．1．2字典學習
2．2壓縮測量矩陣
2．2．1非確定性矩陣
2．2．2確定性矩陣
2．3壓縮優化重建
2．3．1貪婪迭代算法
2．3．2迭代閾值算法
2．3．3凸松弛重構
2．3．4非凸重構
2．3．5進化算法
2．3．6深度學習重構算法
參考文獻
第3章遙感成像機理與特性
3．1高光譜遙感影像
3．1．1高光譜成像原理
3．1．2常用高光譜數據集
3．2SAR影像
3．2．1SAR成像原理
3．2．2SAR影像特性
3．2．3常用SAR影像數據集
3．3極化SAR影像
3．3．1極化SAR成像原理
3．3．2極化SAR影像特性
3．3．3常用極化SAR影像數據集
3．4機載LiDAR點云影像
3．4．1機載LiDAR成像原理
3．4．2機載LiDAR影像特性
3．4．3常用機載LiDAR數據集
3．5遙感光學影像
3．5．1場景分類數據集
3．5．2常用變化檢測數據集
3．5．3常用語義分割數據集
3．5．4常用目標檢測數據集
3．6遙感視頻
3．6．1遙感視頻原理
3．6．2遙感視頻特性
3．6．3常用遙感視頻數據集
參考文獻
第4章腦啟發的深度神經網絡
4．1神經網絡的發展歷史
4．2自編碼器
4．2．1一般自編碼器
4．2．2稀疏自編碼器
4．2．3變分自編碼器
4．2．4圖自編碼器
4．2．5遙感領域中的應用
4．3深度生成網絡
4．3．1貝葉斯網絡
4．3．2深度置信網絡
4．3．3卷積深度置信網絡
4．3．4判別深度置信網絡
4．3．5遙感領域中的應用
4．4淺層卷積神經網絡
4．4．1LeNet
4．4．2AlexNet
4．4．3ZFNet
4．4．4全卷積網絡
4．4．5UNet
4．4．6SegNet
4．4．7VGG網絡
4．4．8GoogLeNet
4．4．9遙感領域中的應用
4．5類殘差網絡
4．5．1ResNet
4．5．2ResNeXt
4．5．3DenseNet
4．5．4DPN網絡
4．5．5Inception網絡
4．5．6遙感領域中的應用
4．6遞歸神經網絡
4．6．1循環神經網絡
4．6．2LSTM網絡
4．6．3GRU網絡
4．6．4ConvLSTM網絡
4．6．5遙感領域中的應用
4．7生成對抗網絡
4．7．1GAN基礎
4．7．2CGAN
4．7．3DCGAN
4．7．4CycleGAN
4．7．5WGAN
4．7．6遙感領域中的應用
4．8膠囊網絡
4．8．1膠囊網絡原理
4．8．2矩陣膠囊網絡
4．8．3堆疊膠囊自編碼器
4．8．4遙感領域中的應用
4．9圖卷積神經網絡
4．9．1圖的基本定義
4．9．2圖信號處理
4．9．3GCN
4．9．4遙感領域中的應用
參考文獻
第5章腦與自然啟發的學習優化
5．1多尺度學習
5．1．1多尺度學習原理
5．1．2SSD網絡
5．1．3FPNet
5．1．4PANet
5．1．5ThunderNet
5．1．6Libra RCNN
5．1．7遙感領域中的應用
5．2注意力學習
5．2．1注意力學習原理
5．2．2STN
5．2．3SENet
5．2．4SKNet
5．2．5遙感領域中的應用
5．3Siamese協同學習
5．3．1Siamese協同學習原理
5．3．2MatchNet
5．3．3Siamese FC網絡
5．3．4CFNet
5．3．5Siamese RPN
5．3．6遙感領域中的應用
5．4強化學習
5．4．1強化學習原理
5．4．2面向值函數的深度強化學習
5．4．3面向策略梯度的深度強化學習
5．4．4遙感領域中的應用
5．5遷移學習
5．5．1遷移學習原理
5．5．2遷移學習分類
5．5．3遙感領域中的應用
5．6聯邦學習
5．6．1聯邦學習原理
5．6．2聯邦學習分類
5．6．3聯邦學習與神經網絡學習之間的差異
5．6．4聯邦學習與分布式學習之間的差異
5．6．5遙感領域中的應用
參考文獻
第6章遙感影像重建
6．1基于邊緣信息指導的壓縮感知影像重建
6．1．1邊緣信息的提取方法
6．1．2基于邊緣信息指導的MP算法
6．1．3實驗結果與分析
6．2基于進化正交匹配追蹤的壓縮感知影像重構
6．2．1編碼與解碼
6．2．2進化正交匹配策略
6．2．3實驗結果與分析
6．3本章小結
參考文獻
第7章遙感影像配準
7．1基于深度特征表示的遙感影像配準
7．1．1特征表示匹配網絡模型
7．1．2基于空間關系的局部特征匹配策略
7．1．3實驗結果與分析
7．2基于雙支路的卷積深度置信網的遙感影像匹配
7．2．1自適應領域的樣本選擇策略
7．2．2雙支路卷積深度置信網絡框架
7．2．3實驗結果與分析
7．3本章小結
參考文獻
第8章遙感影像分割
8．1基于稀疏結構表示的SAR影像素描模型
8．1．1初始素描模型
8．1．2初始素描圖提取方法
8．1．3SAR影像素描模型
8．1．4SAR影像素描圖提取方法
8．2基于素描模型和高階鄰域MRF的SAR影像分割
8．2．1SAR影像素描模型
8．2．2基于MRF模型的影像分割
8．2．3基于素描模型和MRF的SAR影像分割架構
8．2．4創建勢能函數
8．2．5實驗結果與分析
8．3基于深度緊密神經網絡和柵格地圖的三維點云語義分割
8．3．1尺度不變特征變換的網絡模塊
8．3．2深度緊密PointNet++網絡
8．3．3實驗結果與分析
8．4基于注意力網絡的三維點云分割方法
8．4．1全局點注意力模塊
8．4．2PointSIFTGPA網絡
8．4．3實驗結果及分析
8．5本章小結
參考文獻
第9章遙感影像分類
9．1基于生成式模型的雙層字典學習與影像分類
9．1．1基于生成式模型的雙層字典學習框架
9．1．2實驗結果與分析
9．2基于脊波卷積神經網絡的高光譜影像分類
9．2．1基于脊波卷積神經網絡算法
9．2．2實驗結果與分析
9．3基于全卷積網絡空間分布預測的高光譜影像分類
9．3．1基于FCN8s的HSI空間分布預測
9．3．2基于空譜特征的融合分類
9．3．3實驗結果與分析
9．4基于多尺度自適應深度融合殘差網的多光譜遙感影像分類
9．4．1重要樣本選擇策略
9．4．2多尺度自適應深度殘差網絡
9．4．3實驗結果與分析
9．5基于深度極化卷積神經網絡的極化SAR影像分類
9．5．1基于深度極化卷積的網絡框架
9．5．2實驗結果與分析
9．6基于深度生成判別混合框架的極化SAR影像分類
9．6．1基于生成式模型的極化目標分解學習模型
9．6．2深度生成判別混合網絡模型
9．6．3實驗結果與分析
9．7本章小結
參考文獻
第10章遙感影像融合
10．1基于低秩張量分解和空譜圖正則的多源影像融合
10．1．1低秩張量融合模型
10．1．2空間光譜圖正則與融合
10．1．3增廣拉格朗日優化
10．1．4實驗結果與分析
10．2基于壓縮超分辨重構和多字典學習的多光譜和全色影像融合
10．2．1壓縮超分辨重構融合
10．2．2基于初始素描模型的區域劃分和多字典學習
10．2．3實驗結果與分析
10．3基于深度多示例學習的全色和多光譜影像空譜融合分類
10．3．1DCNN空域示例分類
10．3．2深度堆棧自編碼網絡的譜域示例分類
10．3．3基于深度多示例學習的空譜特征融合分類
10．3．4實驗結果與分析
10．4基于雙支路注意融合網絡下的多分辨率遙感影像分類
10．4．1自適應中心偏移采樣策略
10．4．2空道注意模塊
10．4．3雙支路注意融合深度網
10．4．4實驗結果與分析
10．5本章小結
參考文獻
第11章遙感目標檢測
11．1基于混合稀疏顯著融合模型的目標檢測
11．1．1*小跨距
11．1．2混合稀疏融合模型
11．1．3目標級協同濾波器
11．1．4實驗結果與分析
11．2基于層次顯著性濾波的SAR目標檢測
11．2．1基于隨機森林的分層稀疏建模
11．2．2基于CFAR的動態輪廓顯著性建模
11．2．3實驗結果與分析
11．3基于深度自適應區域建議網絡的遙感影像目標檢測
11．3．1深度自適應區域建議網絡框架
11．3．2實驗結果及分析
11．4基于多尺度影像塊級全卷積網絡的光學遙感影像目標檢測
11．4．1多尺度影像塊級全卷積網絡框架
11．4．2實驗結果與分析
11．5本章小結
參考文獻
第12章遙感視頻目標跟蹤
12．1基于深度學習濾波器的遙感視頻目標跟蹤
12．1．1深度連續卷積濾波器
12．1．2深度學習濾波器
12．1．3實驗結果與分析
12．2基于孿生網絡的遙感視頻目標跟蹤
12．2．1孿生網絡
12．2．2基于前后一致性驗證的孿生網絡
12．2．3實驗結果與分析
12．3本章小結
參考文獻
第13章類腦SAR影像解譯系統
13．1類腦SAR系統
13．1．1SAR成像系統
13．1．2類腦SAR解譯系統
13．1．3輸出展示系統
13．2PolSAR數據處理及解譯系統
13．3InSAR數據處理及解譯系統
13．4硬件設備設計與實現
13．4．1ADSPTS201處理器
13．4．2DE5Net FPGA芯片
13．4．3VPXGPU系統
13．5本章小結
參考文獻
第14章遙感大數據智能解譯平臺
14．1總體結構設計
14．2影像信息可視化平臺體系
14．3功能模塊設計
14．3．1遙感大數據智能解譯平臺可視化系統
14．3．2遙感數據管理工具
14．3．3遙感影像解譯服務
14．4遙感大數據智能解譯平臺
14．4．1具體功能展示
14．4．2遙感影像解譯任務示例
14．5本章小結
參考文獻
第15章公開問題
15．1遙感任務的新挑戰
15．2遙感數據的新特性
15．3算法框架的新思路
參考文獻
展開全部
遙感腦理論及應用 作者簡介
焦李成,華山領軍教授、歐洲科學院院士、俄羅斯自然科學院院士、教育部科技委學部委員、中國人工智能學會副理事長、教育部人工智能科技創新專家組專家、IET西安分會主席、IEEE西安分會獎勵委員會主席、IEEE計算智能協會西安分會主席、IEEE GRSS西安分會主席，IEEE TCYB、IEEE TGRS副主編、教育部“長江學者支持計劃”創新團隊首席專家，IEEE Fellow、IET Fellow、CAAI Fellow、CCF Fellow、CIE Fellow、CAA Fellow，PC of NeurlPS、ICML、CVPR、AAAI、IJCAI and ICCV, 連續七年入選愛思唯爾高被引學者榜單。國務院學位委員會學科評議組成員，人社部博士后管委會評議組專家，曾任第八屆全國人大代表。1991年被批準為享受國務院政府津貼的專家，1996年首批入選國家“百千萬”人才工程（第一、二層次），陜西省首批“三五人才”第一層次。當選為全國模范教師、陜西省突出貢獻專家和陜西省師德標兵。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
回憶愛瑪儂
- >
莉莉和章魚
- >
羅庸西南聯大授課錄
- >
朝聞道
- >
自卑與超越
- >
有舍有得是人生
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
