包邮高分辨遥感影像学习与感知

前言第1章 绪论 1.1 遥感与遥感影像概述 1.2 高空间分辨率合成孔径雷达遥感影像处理 1.2.1 SAR遥感影像 1.2.2 高分辨SAR遥感影像处理的国内外现状与挑战 1.3 高光谱分辨率遥感影像处理 1.3.1 高光谱遥感影像 1.3.2 高光谱遥感影像处理的研究现状及难点 参考文献第2章 基于统计的高分辨SAR遥感影像相干斑抑制 2.1 Mair的视觉计算理论 2.2 基于视觉计算的初始素描模型 2.2.1 初始素描模型 2.2.2 基于视觉计算的初始素描图提取方法 2.3 基于视觉计算的SAR图像素描模型 2.3.1 SAR图像素描模型 2.3.2 基于视觉计算的SAR图像素描图提取方法 2.3.3 SAR图像素描图提取结果分析 2.4 基于几何核函数和同质区域搜索的SAR图像相干斑抑制 2.4.1 基于SAR图像素描图的块相似性计算方法 2.4.2 基于几何核函数和同质区域搜索的方法 2.5 实验结果与分析 2.5.1 参数敏感性分析 2.5.2 合成SAP图像与真实高分辨SAR图像相干斑抑制结果与分析 2.6 本章小结 参考文献第3章 基于非局部信息和改进边缘保持的高分辨SAR遥感影像分类 3.1 引言 3.2 模糊聚类算法研究进展 3.2.1 标准的模糊C均值算法 3.2.2 约束的模糊聚类算法 3.2.3 增强的模糊聚类算法 3.2.4 快速推广的模糊聚类算法 3.2.5 模糊局部信息的聚类算法 3.2.6 非局部空间信息的模糊聚类算法 3.3 基于非局部信息和改进边缘保持的模糊聚类方法 3.3.1 基于非局部信息和改进边缘保持的模糊聚类算法流程 3.3.2 基于非局部信息的求和图像的构造 3.3.3 基于统计的过平滑边缘的重新定位 3.3.4 模糊C均值聚类 3.4 实验结果与分析 3.5 本章小结 参考文献第4章 基于层次语义和自适应隐模型的高分辨SAR遥感影像分类 4.1 引言 4.2 SAR图像的层次视觉语义模型 4.3 基于层次视觉语义和自适应邻域多项式隐模型的SAR图像分割 4.3.1 聚集区域的分割 4.3.2 结构区域和匀质区域的分割 4.4 实验结果和分析 4.4.1 数据集 4.4.2 合成SAR遥感影像的分割 4.4.3 真实高分辨sAR遥感影像的分割 4.5 本章小结 参考文献第5章 融合多特征的人工免疫多目标SAR遥感影像分类 5.1 引言 5.2 多目标优化问题 5.2.1 多目标优化问题的数学定义 5.2.2 多目标优化问题研究的必要性 5.3 进化多目标优化算法的研究进展 5.3.1 进化多目标优化算法的研究起源 5.3.2 进化多目标优化的代表算法 5.3.3 **代进化多目标优化算法 5.3.4 第二代进化多目标优化算法 5.3.5 当代进化多目标优化算法 5.4 多目标SAR图像分割模型的定义 5.5 融合互补特征的人工免疫多目标SAR图像分割算法 5.5.1 sAR图像中的互补融合特征 5.5.2 SAR图像的预处理 5.5.3 融合互补特征的人工免疫多目标SAR图像分割算法流程 5.6 实验结果与分析 5.7 本章小结 参考文献第6章 基于上下文分析和非均衡合并的高分辨SAIR遥感影像分类 6.1 引言 6.2 基于格式塔规则的上下文分析 6.2.1 超像素的产生 6.2.2 上下文分析 6.2.3 基于上下文的典型：马尔可夫随机场分割算法 6.2.4 基于格式塔规则的上下文分析 6.3 无监督非均衡合并算法 6.3.1 粗合并阶段 6.3.2 细合并阶段 6.3.3 无监督非均衡合并算法特性分析 6.4 实验结果与分析 6.4.1 模拟SAR图像 6.4.2 真实sAR图像 6.5 本章小结 参考文献第7章 基于多元互信息测度和克隆选择优化的高光谱波段选择 7.1 引言 7.2 高光谱波段选择研究进展 7.3 基于三元互信息的准则函数 7.3.1 基于互信息的准则 7.3.2 互信息和理想互信息准则的相关性 7.3.3 半监督互信息准则 7.4 基于改进克隆选择算法的搜索策略 7.4.1 种群初始化 7.4.2 基于互信息和半监督互信息下的种群迭代 7.4.3 基于多元互信息测度和克隆选择优化的算法流程 7.5 实验结果与分析 7.6 本章小结 参考文献第8章 基于波段协作性和近邻传播聚类的半监督高光谱波段选择 8.1 引言 8.2 近邻传播聚类算法 8.3 基于正则化三元互信息的近邻传播聚类方法 8.3.1 基于正则化三元互信息和正则化互信息的波段相关性 8.3.2 基于熵和互信息的波段偏向 8.3.3 自动噪声波段移除 8.3.4 RNTMIAP算法步骤 8.3.5 RNTMIAP算法时间复杂度分析 8.4 实验结果与分析 8.4.1 高光谱图像地物分类结果与分析 8.4.2 所选波段分析 8.5 本章小结 参考文献第9章 稀疏约束的广义双线性高光谱遥感影像解混 9.1 高光谱中的解混问题 9.1.1 大气校正 9.1.2 降维 9.1.3 解混 9.2 高光谱解混模型 9.2.1 线性光谱混合模型 9.2.2 非线性光谱混合模型 9.3 广义双线性模型 9.4 稀疏约束的半非负矩阵分解 9.4.1 稀疏约束 9.4.2 L1／2正则化半非负矩阵分解 9.4.3 多步内循环迭代 9.5 实验结果与分析 9.6 本章小结 参考文献第10章 基于多核学习的不平衡高光谱遥感影像分类 10.1 引言 10.2 核学习 10.3 多核学习的发展历史及研究现状 10.3.1 半定规划求解多核学习 10.3.2 二阶锥形规划求解多核学习 10.3.3 基于切平面的交替优化求解多核学习 10.3.4 基于梯度下降的交替优化求解多核学习 10.3.5 基于解析优化的交替优化求解多核学习 10.4 传统分类器与经典的不平衡分类器 10.4.1 传统分类器与不平衡数据 10.4.2 经典的不平衡分类器 10.5 基于多核学习的不平衡分类器 10.5.1 *大ma唱in准则 10.5.2 *大margin的分类器集成 10.5.3 基于多核学习的*大margin分类器求解 10.6 实验结果与分析 10.7 本章小结 参考文献第11章 基于均值漂移和组稀疏编码的高光谱遥感影像空谱域分类 11.1 稀疏表示理论 11.2 组稀疏编码 11.2.1 组编码 11.2.2 组稀疏编码的字典学习 11.2.3 组稀疏编码算法与传统的稀疏编码算法的比较 11.3 基于组稀疏编码的高光谱图像分类及结果分析 11.4 基于均值漂移和组稀疏编码的高光谱图像空谱域分类 11.4.1 高光谱图像分割 11.4.2 均值漂移聚类 11.4.3 基于均值漂移聚类和组稀疏编码的高光谱图像空谱域分类 11.5 实验结果与分析 11.6 本章小结 参考文献第12章 基于多特征联合与稀疏表示学习的高光谱遥感影像分类 12.1 引言 12.2 空谱域多特征提取 12.3 基于多特征联合的稀疏表示分类方法 12.3.1 基于多特征的稀疏表示分类 12.3.2 基于多特征的联合稀疏表示分类 12.4 实验结果与分析 12.5 本章小结 参考文献第13章 基于类级稀疏表示学习的高光谱影像空谱联合分类 13.1 集成学习理论基础 13.1.1 集成学习的定义和系统结构 13.1.2 集成学习的应用 13.2 基于稀疏集成学习的空谱联合分类方法 13.2.1 稀疏集成分类方法 13.2.2 空谱联合的稀疏集成分类方法 13.2.3 交替方向乘子法 13.3 实验结果与分析 13.4 本章小结 参考文献