軍事地質體遙感智能解譯技術

目錄
第1章 緒論 1
1.1 相關概念與術語 3
1.1.1 軍事地質學 3
1.1.2 軍事地質要素系統 3
1.1.3 地質體與軍事地質體 4
1.1.4 軍事地質遙感解譯與遙感智能解譯 4
1.2 軍事地質體智能解譯遙感數據獲取進展 5
1.2.1 高空間分辨率光學遙感數據 5
1.2.2 高光譜分辨率遙感數據 9
1.2.3 SAR遙感數據 11
1.2.4 地形數據 12
1.3 軍事地質體遙感智能解譯研究進展及發(fā)展趨勢 14
1.3.1 遙感影像解譯理論與方法研究進展 14
1.3.2 軍事地質體遙感智能解譯研究進展 15
1.3.3 軍事地質體遙感智能解譯發(fā)展趨勢 19
1.4 軍事地質體遙感智能解譯的難點和挑戰(zhàn) 19
1.4.1 軍事地質體遙感智能解譯的難點 19
1.4.2 軍事地質體遙感智能解譯的挑戰(zhàn) 21
1.5 軍事地質體遙感智能解譯需求分析 22
1.5.1 地下探測 22
1.5.2 工事構筑評價 22
1.5.3 巖體抗爆打擊評價 23
1.5.4 越野機動通行評價 24
1.5.5 野戰(zhàn)給水保障評價 25
第2章 軍事地質體影像塊數據集構建 27
2.1 遙感影像塊數據集概述 29
2.2 軍事地質體影像塊數據集構建方法 30
2.2.1 軍事地質體遙感解譯標志 31
2.2.2 數據集構建過程 59
2.2.3 巖體影像塊數據集 60
2.2.4 不良地質體影像塊數據集 60
第3章 軍事地質體遙感智能解譯方法 63
3.1 特征提取方法 65
3.1.1 人工設計特征 65
3.1.2 中層視覺特征 66
3.1.3 無監(jiān)督學習特征 67
3.1.4 深度特征 67
3.2 傳統機器學習算法 68
3.2.1 參數學習算法 68
3.2.2 非參數學習算法 69
3.2.3 集成學習算法 70
3.2.4 不平衡學習算法 72
3.3 深度學習方法 75
3.3.1 深度前饋神經網絡 75
3.3.2 深度置信網絡 75
3.3.3 深度自編碼網絡 77
3.3.4 深度卷積神經網絡 79
3.3.5 遷移學習 83
3.3.6 深度神經網絡融合方法 84
3.4 智能解譯結果評價 84
3.4.1 通用精度評價指標 84
3.4.2 類不平衡精度評價指標 85
3.4.3 統計檢驗 86
第4章 巖體遙感智能解譯實驗 89
4.1 基于人工設計特征的巖體遙感智能解譯 91
4.1.1 基于SVM算法的結果分析 91
4.1.2 基于ANN算法的結果分析 92
4.1.3 統計檢驗 94
4.2 基于中層視覺特征的巖體遙感智能解譯 95
4.2.1 基于SVM算法的結果分析 95
4.2.2 基于ANN算法的結果分析 96
4.2.3 統計檢驗 98
4.3 基于深度特征的巖體遙感智能解譯 99
4.3.1 結果分析 99
4.3.2 統計檢驗 101
4.4 分類結果對比 101
4.5 花崗巖識別結果對比 102
第5章 不良地質體遙感智能解譯實驗 105
5.1 基于人工設計特征的不良地質體遙感智能解譯 107
5.1.1 基于SVM算法的結果分析 107
5.1.2 基于ANN算法的結果分析 108
5.1.3 統計檢驗 111
5.2 基于中層視覺特征的不良地質體遙感智能解譯 111
5.2.1 基于ANN算法的結果分析 111
5.2.2 統計檢驗 113
5.3 基于深度特征的不良地質體遙感智能解譯 114
5.3.1 結果分析 114
5.3.2 統計檢驗 116
5.4 分類結果對比 116
5.5 滑坡識別結果對比 117
參考文獻 119