遙感數(shù)據(jù)智能處理方法與程序設(shè)計(jì)

內(nèi)容概要

本書是作者十余年來(lái)跟蹤國(guó)際前沿，密切結(jié)合應(yīng)用需求，將統(tǒng)計(jì)學(xué)、智能算法與遙感信息機(jī)理密切結(jié)合，在學(xué)科交叉過(guò)程尋找突破口所取得的一些新進(jìn)展和成果總結(jié)。本書主要內(nèi)容包括多波段遙感數(shù)據(jù)的變換與分割、貝葉斯網(wǎng)絡(luò)、進(jìn)化計(jì)算、神經(jīng)網(wǎng)絡(luò)、模糊聚類、容差粗糙集等空間統(tǒng)計(jì)分析方法，書后給出部分算法的C／C++源程序代碼。 　　本書適合廣大從事遙感技術(shù)、遙感信息機(jī)理與應(yīng)用和遙感圖像處理的本科生使用，同時(shí)可供從事智能處理的軟件開(kāi)發(fā)技術(shù)人員參考。

書籍目錄

序前言第一章　緒論  1.1　衛(wèi)星遙感系統(tǒng)與任務(wù)  1.2　遙感數(shù)據(jù)處理任務(wù)與方法    1.2.1　傳統(tǒng)遙感數(shù)據(jù)處理方法與系統(tǒng)    1.2.2　遙感數(shù)據(jù)智能處理方法    1.2.3　遙感數(shù)據(jù)處理的物理模型方法  1.3　本章小結(jié)  主要參考文獻(xiàn)第二章  多波段遙感數(shù)據(jù)的變換與分割  2.1  引言  2.2　GIVENS旋轉(zhuǎn)變換與分解  2.3　Gram-Schmidt向量空間投影變換  2.4　小波高頻局部高頻融合    2.4.1  小波變換與IHS變換結(jié)合進(jìn)行局部替代的方法    2.4.2　基于小波變換進(jìn)行局部替代的融合算法    2.4.3　試驗(yàn)和數(shù)據(jù)分析  2.5　判別函數(shù)與超平面  2.6　本章小結(jié)  主要參考文獻(xiàn)第三章　貝葉斯網(wǎng)絡(luò)　3.1  引言  3.2　貝葉斯基礎(chǔ)  3.3　貝葉斯網(wǎng)絡(luò)推理與分類器 　 3.3.1　貝葉斯網(wǎng)絡(luò)推理    3.3.2　貝葉斯網(wǎng)絡(luò)基本分類器    3.3.3　一種綜合性的貝葉斯網(wǎng)絡(luò)分類器  3.4　遙感數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)分類    3.4.1　貝葉斯網(wǎng)絡(luò)分類    3.4.2　基于貝葉斯網(wǎng)絡(luò)分類的遙感數(shù)據(jù)變化檢測(cè)    3.4.3　ASTER數(shù)據(jù)的多層貝葉斯網(wǎng)絡(luò)分類    3.4.4　航空影像的貝葉斯網(wǎng)絡(luò)分類  3.5  貝葉斯網(wǎng)絡(luò)分類方法與最大似然分類方法的對(duì)比    3.5.1　學(xué)習(xí)機(jī)制對(duì)比    3.5.2　方法選擇    3.5.3　實(shí)驗(yàn)的技術(shù)流程與分類結(jié)果對(duì)比  3.6　本章小結(jié)  主要參考文獻(xiàn)第四章　遺傳算法  4.1  引言  4.2　遺傳算法基礎(chǔ)  4.3　遺傳算法的進(jìn)化規(guī)則    4.3.1　規(guī)則1——編解碼變換與遺傳算子設(shè)計(jì)    4.3.2　規(guī)則2——群體設(shè)定和初始化    4.3.3　規(guī)則3——適應(yīng)度函數(shù)設(shè)計(jì)  4.4　遙感數(shù)據(jù)處理中應(yīng)用的遺傳算法類型    4.4.1　遙感數(shù)據(jù)的特征    4.4.2　遺傳算法的類型    4.4.3　遺傳一超平面分類  4.5　超平面模型及其分類原理    4.5.1　超平面方程    4.5.2　遙感多維圖像數(shù)據(jù)的超平面分類原理  4.6　遺傳超平面分類器原理    4.6.1　點(diǎn)模式的描述及其匹配統(tǒng)計(jì)    4.6.2　遺傳算子    4.6.3　適應(yīng)度值的計(jì)算  4.7　參數(shù)編解碼及其實(shí)現(xiàn)    4.7.1　二進(jìn)制編碼    4.7.2　二進(jìn)制解碼  4.8　EOS/MODIS圖像數(shù)據(jù)分類實(shí)驗(yàn)    4.8.1　簡(jiǎn)單參數(shù)的分類實(shí)驗(yàn)    4.8.2　實(shí)驗(yàn)結(jié)果及其分析  4.9　ETM+數(shù)據(jù)分類實(shí)驗(yàn)    4.9.1　參數(shù)選擇實(shí)驗(yàn)與分析    4.9.2　分類結(jié)果及其分析  4.10　遺傳-匹配    4.10.1　遙感圖像匹配    4.10.2　模板匹配與遺傳算法    4.10.3　圖像目標(biāo)匹配定位的數(shù)學(xué)模型    4.10.4　遺傳優(yōu)化的圖像定位方法　……第五章　神經(jīng)網(wǎng)絡(luò)第六章　模糊聚類第七章　粗糙集與容差粗糙集附錄彩圖

章節(jié)摘錄

　　第一章 緒論　　根據(jù)遙感衛(wèi)星數(shù)據(jù)處理的目的將遙感衛(wèi)星數(shù)據(jù)處理劃分為系統(tǒng)處理和應(yīng)用處理兩大部分。隨著遙感衛(wèi)星傳感器探測(cè)目標(biāo)的專一化，空間數(shù)據(jù)的積累和應(yīng)用不斷地?cái)U(kuò)大以及遙感衛(wèi)星獲取技術(shù)與資源、環(huán)境和地球系統(tǒng)科學(xué)的密切結(jié)合等，對(duì)遙感應(yīng)用處理提出了新的要求和更高的標(biāo)準(zhǔn)，遙感應(yīng)用處理也出現(xiàn)兩個(gè)明顯的發(fā)展模式：第一，傳統(tǒng)的統(tǒng)計(jì)計(jì)算模式。遙感應(yīng)用處理系統(tǒng)中新方法在不斷增加，特別是注意吸收線性、非線性算法，而算法復(fù)雜程度也在增加。第二，以生物物理反演模型為基礎(chǔ)的“自然模式”。加強(qiáng)傳感器、地物特性與輻射傳輸特征的物理模型研究，經(jīng)過(guò)一個(gè)模型將遙感數(shù)據(jù)直接轉(zhuǎn)變?yōu)榉从车匚锾匦缘奈锢砹俊！　”緯辛宋覀兘陙?lái)線性、非線性處理算法以及算法組合方面探索的成果，反映了遙感應(yīng)用處理智能方法研究的最新進(jìn)展?！　?.1 衛(wèi)星遙感系統(tǒng)與任務(wù)　　遙感對(duì)地觀測(cè)系統(tǒng)與資源、環(huán)境和地球科學(xué)研究與應(yīng)用的密切結(jié)合經(jīng)歷了三個(gè)階段的探測(cè)過(guò)程。20世紀(jì)70年代初期開(kāi)始的以探測(cè)地球資源為目標(biāo)的空間計(jì)劃、美國(guó)Land—sat陸地衛(wèi)星MSS—TM—ETM+、法國(guó)SPOT1—5衛(wèi)星、歐洲地球資源衛(wèi)星（ERS）、日本地球資源衛(wèi)星（JERS）以及后來(lái)中國(guó)與巴西聯(lián)合研制的資源衛(wèi)星（CBERS 1-2）都沿用了資源衛(wèi)星的傳感器有效載荷和指標(biāo)體系?！　　?/pre>








圖書封面






評(píng)論、評(píng)分、閱讀與下載



還沒(méi)讀過(guò)(27)
勉強(qiáng)可看(197)
一般般(337)
內(nèi)容豐富(1399)
強(qiáng)力推薦(114)


 


    遙感數(shù)據(jù)智能處理方法與程序設(shè)計(jì) PDF格式下載