注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計算機(jī)/網(wǎng)絡(luò)信息系統(tǒng)高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究

高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究

高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究

定 價:¥48.00

作 者: 杜培軍,譚琨,夏俊士 編著
出版社: 科學(xué)出版社
叢編項:
標(biāo) 簽: 地理信息管理系統(tǒng)

ISBN: 9787030330857 出版時間: 2012-03-01 包裝: 平裝
開本: 16開 頁數(shù): 160 字?jǐn)?shù):  

內(nèi)容簡介

  高光譜遙感是當(dāng)前遙感科學(xué)與技術(shù)發(fā)展的熱點領(lǐng)域之一,而高光譜遙感影像分類則是高光譜遙感影像處理最重要的任務(wù)?!兜厍蛐畔⒖茖W(xué)基礎(chǔ)叢書:高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究》在介紹高光譜遙感影像分類基礎(chǔ)知識和常用方法的基礎(chǔ)上,重點對基于支持向量機(jī)的高光譜遙感影像分類進(jìn)行深入探討。全書首先介紹高光譜遙感影像常用的分類器,詳細(xì)探討高光譜遙感影像分類中的降維處理與特征提取方法,包括主成分分析、獨立成分分析、最大噪聲分離等降維方法以及常用特征選擇算法、光譜和紋理特征提取方法等;通過介紹支持向量機(jī)的基本原理及其用于高光譜遙感影像分類的策略,重點研究支持向量機(jī)核函數(shù)設(shè)計方法,構(gòu)建一種再生核Hilbert空間的小波核函數(shù)用于高光譜遙感影像分類;針對多類問題的特點,在比較分析各種多類支持向量機(jī)實現(xiàn)方案的基礎(chǔ)上,提出一種基于JM距離的二叉樹多類支持向量機(jī);最后探討支持向量機(jī)分類器中多種特征的綜合應(yīng)用,重點研究基于多核支持向量機(jī)組合光譜和空間紋理特征的支持向量機(jī)分類方法?!兜厍蛐畔⒖茖W(xué)基礎(chǔ)叢書:高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究》可供高等學(xué)校和科研機(jī)構(gòu)從事高光譜遙感、遙感信息工程方向研究的教師、研究生和高年級本科生參考,同時也可供從事高光譜遙感應(yīng)用工作的專業(yè)人員參考。

作者簡介

暫缺《高光譜遙感影像分類與支持向量機(jī)應(yīng)用研究》作者簡介

圖書目錄


前言
第1章 高光譜遙感概述
 1.1 高光譜遙感的基本概念
 1.1.1 高光譜遙感的定義
 1.1.2 高光譜遙感的發(fā)展現(xiàn)狀
 1.2 高光譜遙感影像處理
 1.2.1 高光譜遙感影像的構(gòu)成與特點
 1.2.2 高光譜遙感數(shù)據(jù)處理的特點
 1.2.3 高光譜遙感影像處理的主要內(nèi)容
 1.3 高光譜遙感影像分類
 1.3.1 高光譜遙感影像分類的基本概念和原理
 1.3 2 高光譜遙感影像分類的主要策略
 1.3.3 高光譜遙感影像分類中的若干關(guān)鍵技術(shù)
 1.3.4 高光譜遙感影像分類的技術(shù)流程
 1.4 本書試驗數(shù)據(jù)
 1.4.1 OMISⅡ高光譜數(shù)據(jù)
 1.4.2 ROSIS高光譜數(shù)據(jù)
 1.4.3 AVIRIS數(shù)據(jù)
 1.4.4 Hyperion高光譜數(shù)據(jù)
第2章 高光譜遙感影像常用分類方法
 2.1 常規(guī)監(jiān)督分類方法
 2.1.1 最小距離分類法
 2.1.2 最大似然分類法
 2.1.3 平行多面體分類
 2.2 基于光譜相似性度量的分類方法
 2.2.1 光譜角制圖
 2.2.2 光譜信息散度
 2.2.3 光譜相關(guān)度量
 2.2.4 其他光譜匹配方法
 2.3 人工神經(jīng)網(wǎng)絡(luò)分類器
 2.3.1 人工神經(jīng)網(wǎng)絡(luò)概述
 2.3.2 BPNN的應(yīng)用
 2.3.3 基于RBF神經(jīng)網(wǎng)絡(luò)的高光譜遙感影像分類
 2.3.4 基于ARTMAP神經(jīng)網(wǎng)絡(luò)的高光譜遙感影像分類
 2.3.5 其他人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
 2.3.6 基于人工神經(jīng)網(wǎng)絡(luò)的高光譜遙感影像分類實例
 2.4 決策樹分類器
 2.4.1 決策樹分類的基本原理
 2.4.2 決策樹的構(gòu)建
 2.4.3 實例分析
 2.5 面向?qū)ο蠓诸?br /> 2.5.1 面向時象高光譜遙感分類基本步驟
 2.5.2 面向?qū)ο蟾吖庾V遙感分類的關(guān)鍵問題
 2.5.3 面向?qū)ο蟾吖庾V遙感分類實例
 2.6 基于信息融合的高光譜遙感影像分類
 2.6.1 以分類為應(yīng)用目標(biāo)的高光譜遙感信息融合
 2.6.2 基于像素級融合的高光譜遙感影像分類
 2.6.3 基于特征級融合的高光譜遙感影像分類
 2.6.4 基于決策級融合的高光譜遙感影像分類
 2.6.5 基于數(shù)據(jù)層信息融合的高光譜遙感影像分類實例
 2.6.6 基于決策級融合的高光譜遙感影像分類實例
 2.7 非監(jiān)督分類
 2.7.1 基本概念
 2.7.2 K均值聚類法
 2.7.3 ISODATA分類法
 2.7.4 用于高光譜遙感影像的SAALT聚類算法
第3章 高光譜遙感影像降維與特征提取
 3.1 基于波段選擇的降維
 3.2 基于特征提取的降維
 3.2.1 代數(shù)運算法
 3.2.2 光譜導(dǎo)數(shù)法
 3.2.3 主成分分析
 3.2.4 線性判別分析
 3.2.5 獨立成分分析
 3.2.6 最大噪聲分離
 3.2.7 投影尋蹤
 3.2.8 正交子空間投影
 3.2.9 核線性判別分析
 3.2.10 核主成分分析
 3.2.11 多維尺度變換
 3.3 流形學(xué)習(xí)——一種新的非線性降維方法
 3.3.1 等距映射
 3.3.2 局部線性嵌人
 3.3.3 拉普拉斯映射
 3.3.4 局部切空間排列
 3.3 5 實例分析
 3.4 紋理特征提取
 3.4.1 統(tǒng)計方法
 3.4.2 結(jié)構(gòu)方法
 3.4 3 基于模型的方法
 3.4.4 頻域變換法
第4章 基于支持向量機(jī)的高光譜遙感影像分類
 4.1 支持向量機(jī)的基本原理
 4.2 影響支持向量機(jī)分類器性能的因素
 4.2.1 多類分類器
 4.2.2 核函數(shù)和核參數(shù)選擇
 4.3 SVM分類的試驗與分析
 4.3.1 OMISII高光譜數(shù)據(jù)的試驗
 4.3.2 ROSIS高光譜數(shù)據(jù)的試驗
第5章 支持向量機(jī)核函數(shù)設(shè)計與優(yōu)化
 5.1 再生核Hilbert空間的小波核函數(shù)
 5.1.1 支持向量機(jī)基本核函數(shù)
 5.1.2 規(guī)則化和再生核Hilhert空間的小波核函數(shù)支持向量機(jī)
 5.2 試驗結(jié)果與分析
 5.2.1 OMISII高光譜數(shù)據(jù)的試驗
 5.2.2 ROSIS數(shù)據(jù)試驗
 5.3 本章小結(jié)
第6章 多類支持向量機(jī)的設(shè)計和實現(xiàn)
 6.1 常用多類支持向量機(jī)算法
 6.1.1 一類對余類SVM(1—A—R SVM)
 6.1.2 一類對一類SVM(1—A—1 SVM)
 6.1.3 有向無環(huán)圖SVM
 6.1.4 二叉樹SVM
 6.1.5 多類SVM的分類速度
 6.2 基于J—M距離的層次多類支持向量機(jī)實現(xiàn)
 6.3 試驗結(jié)果
 6.3 1 OMISII高光譜影像試驗
 6.3.2 Hypenon數(shù)據(jù)試驗
 6.3.3 AVIRIS數(shù)據(jù)試驗
第7章 支持向量機(jī)分類器中多種特征的綜合應(yīng)用
 7.1 多核支持向量機(jī)(Multiple Kernel SVM)
 7.2 光譜特征與小波紋理特征的綜合應(yīng)用
 7.3 小波紋理的提取與分類
 7.4 光譜特征和結(jié)構(gòu)特征的綜合應(yīng)用
 7.5 試驗結(jié)果與分析
 7.5.1 組合光譜特征和小波紋理特征的高光譜數(shù)據(jù)試驗
 7.5.2 組合光譜特征和數(shù)學(xué)形態(tài)學(xué)結(jié)構(gòu)的高光譜數(shù)據(jù)試驗
第8章 混合像元分解
 8.1 端元選擇
 8.1.1 端元類型與數(shù)目
 8.1.2 端元選擇算法
 8.2 混合像元分解模型
 8.2.1 線性光譜混合模型
 8.2.2 非線性混合模型
 8.2.3 神經(jīng)網(wǎng)絡(luò)混合模型
 8.2.4 支持向量機(jī)
 8.2.5 基于光譜差異的分解模型
 8.3 混合像元分解實例
參考文獻(xiàn)
彩圖

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號