98基于深度神经网络技术的高分遥感图像处理及应用

目录 第1章概述1 11遥感的基本概念1 12遥感的主要方式2 13遥感的应用方向3 14遥感图像解译及应用5 15本书的组织结构6第2章我国高分专项遥感卫星7 21光学高分遥感卫星7 211高分一号系列8 212高分二号9 213高分四号14 214高分五号19 215高分六号21 22微波高分遥感卫星23 23高分遥感卫星数据格式28第3章神经网络技术30 31神经网络技术发展综述30 311神经网络概述 30 312神经网络发展历程31 313深度学习33 32卷积神经网络的基本概念38 321卷积神经网络的构成39 322卷积核的计算方式40 323非线性变换40 324池化过程42 33基于卷积神经网络的图像处理任务44 331图像分类44 332目标检测47 333图像语义分割51 34适用于遥感图像处理的神经网络 54第4章遥感图像智能解译系统56 41典型任务分析56 42环境配置57 421安装NVIDIA驱动57 422安装Docker及NVIDIA-Docker环境59 423安装基于NVIDIADocker的TensorFlow框架60 43网络结构设计60 431VGGNet61 432Inception系列62 433ResNet和Inception v465 434DenseNet68 435SENet70 436网络结构的Python代码实现71 44样本标记80 45系统建模83 451数据预处理83 452网络模型选择90 453损失函数设计92 454后处理94 46模型训练94 461梯度下降95 462反向传播95 47模型优化96 471超参数优化96 472网络结构优化98 48模型评估101第5章地物分类遥感应用104 51地物分类任务104 52全卷积网络和语义分割105 53基于UNet的遥感图像地物分类107 531UNet原理107 532UNet处理实例109 54基于DeepLab的遥感图像地物分类112 541DeepLabv3原理112 542DeepLabv3+原理114 543DeepLabv3+处理实例117 55高分数据的地物分类案例119第6章变化检测遥感应用124 61变化检测任务124 62基于多时相语义分割的变化检测方法126 63基于RNN和CNN的多光谱遥感图像的变化检测128 64高分数据的变化检测案例132第7章目标识别遥感应用136 71目标识别任务136 72基于区域提议的目标识别方法136 721RCNN137 722Fast RCNN138 723Faster RCNN139 724R2CNN142 73高分数据的目标识别案例149第8章神经网络技术在遥感应用中的发展趋势156 81遥感应用面临的问题156 82深度神经网络的优势157 83神经网络在遥感应用中的应用前景159附录AInception v1的Python代码实现162 附录B高分数据的地物分类案例Python代码175 附录C高分数据的变化检测案例Python代码190 附录D高分数据的目标识别案例实验Python代码 （R2CNN）229参考文献241