新書推薦：
《
吴哥王朝兴亡史（方尖碑）
》
售價：HK$
79.4
《
夜幕之下.6：神祸降临
》
售價：HK$
63.3
《
叶锦添自传：向前迈进的日子（奥斯卡艺术指导获得者 叶锦添 50多年的人生经历，近40年的从业经历，向前迈进，步履不停）
》
售價：HK$
148.4
《
四十自述：中国现代传记文学的名篇代表之作（胡适回顾自己前四十年的成长轨迹与心路历程）
》
售價：HK$
78.2
《
特权与焦虑：全球化时代的韩国中产阶级
》
售價：HK$
90.9
《
供应链金融（第4版）
》
售價：HK$
113.9
《
人人都想当网红？新媒体与注意力博弈
》
售價：HK$
78.2
《
对话的力量，风靡全球的教练式沟通
》
售價：HK$
67.9
|
| 內容簡介： |
|
《遥感数据质量提升理论与方法（第二版）》针对遥感数据中出现的各种质量问题，例如噪声、模糊、阴影、薄云、厚云、死像元、时空谱分辨率粗糙等，全面系统地阐明遥感数据质量提升理论基础、方法体系和技术路线。《遥感数据质量提升理论与方法（第二版）》分为四篇进行分层论述，第一篇系统阐述对地观测传感器平台特点及成像系统与降质模型，第二篇主要从数学理论与信息处理模型方面阐述遥感数据质量提升理论基础与遥感图像模型，第三篇针对遥感数据出现的具体降质问题，全面阐述遥感数据质量提升方法，第四篇阐述遥感图像质量提升应用，主要包括定量遥感数据产品质量提升及战场环境信息应用。
|
| 目錄：
|
目录第一篇 对地观测传感器成像系统与模型第1章 遥感平台与成像系统 21.1 遥感平台的种类及轨道特点 21.1.1 遥感平台的种类 21.1.2 遥感平台的轨道特点 41.2 传感器 61.2.1 传感器的结构 61.2.2 传感器的分类 71.3 摄影成像类传感器 81.3.1 框幅式摄影机 81.3.2 缝隙式摄影机 91.3.3 全景式摄影机 91.3.4 多光谱摄影机 91.4 扫描成像类传感器 101.4.1 垂直航迹扫描相机 101.4.2 沿航迹扫描相机 111.4.3 成像光谱仪 121.5 合成孔径雷达 14第2章 对地观测成像模型与降质模型 172.1 遥感图像成像模型 172.1.1 遥感与电磁波理论 172.1.2 地物波谱特性及其变化规律 182.1.3 遥感图像成像数学模型 182.2 遥感图像分辨率 202.2.1 空间分辨率 202.2.2 光谱分辨率 202.2.3 时相分辨率 212.2.4 辐射分辨率 212.2.5 角分辨率 222.3 遥感图像降质因素 232.3.1 传感器降晰因素 232.3.2 地物目标影响因素 242.3.3 图像获取过程的外部干扰因素 242.4 观测模型及数学描述 242.4.1 观测模型 242.4.2 数学描述 26第二篇 质量提升理论基础与遥感图像模型第3章 稀疏表征与压缩感知 303.1 压缩感知理论 303.2 小波与滤波器组 323.3 稀疏字典 33第4章 随机场理论 364.1 随机过程 364.1.1 随机过程的基本概念 364.1.2 随机过程的有限维分布函数族 364.1.3 随机过程的数字特征 374.1.4 随机过程的特征函数 374.2 高斯过程 384.2.1 平稳高斯过程概述 384.2.2 平稳高斯过程的核函数 384.2.3 各向同性与各向异性核函数 394.2.4 非平稳核函数 394.3 马尔可夫过程 404.3.1 马尔可夫过程的概念 404.3.2 马尔可夫过程的有限维分布族 40第5章 变分与偏微分方程 425.1 变分原理 425.2 各向异性扩散 425.2.1 加权梯度散度 435.2.2 常见的权重函数 435.3 Mumford-Shah泛函 445.4 张量与多维数据 445.4.1 张量概念 445.4.2 多维数据 45第6章 卷积神经网络与深度学习模型 486.1 卷积神经网络 486.1.1 基础操作与基础单元 486.1.2 高效卷积运算 526.1.3 随机或无监督特征 536.1.4 卷积神经网络的神经科学基础 536.1.5 卷积神经网络与深度学习历史 546.2 循环和递归神经网络 546.2.1 循环神经网络 546.2.2 双向循环神经网络 556.2.3 深度循环神经网络 556.2.4 递归神经网络 566.2.5 长期依赖挑战 576.2.6 渗透单元与其他多时间尺度策略 576.2.7 长短时记忆与其他门控循环神经网络 586.3 自编码器 596.3.1 欠完备自编码器 596.3.2 正则自编码器 596.3.3 表征能力、层的大小和深度 606.4 深度生成模型 606.4.1 玻尔兹曼机与受限玻尔兹曼机 606.4.2 深度置信网络 616.4.3 深度玻尔兹曼机 626.4.4 有向生成网络 62第7章 边缘保持型滤波 637.1 双边滤波 637.2 引导滤波 637.3 均值漂移 647.4 加权最小二乘滤波 64第三篇 遥感数据质量提升方法第8章 遥感图像噪声去除 668.1 高光谱图像条带噪声去除 668.1.1 矩匹配方法 678.1.2 改进的矩匹配方法 688.2 SAR图像斑点噪声去除 688.2.1 Forst滤波 698.2.2 Kuan滤波 698.2.3 Lee滤波 708.2.4 Gamma Map滤波 708.3 常见加性去噪方法 708.3.1 全变分 708.3.2 小波 728.3.3 双边滤波 748.3.4 三维块匹配滤波 758.3.5 低秩 778.3.6 图像块似然对数期望 798.3.7 稀疏表征 808.4 同步噪声理论 848.4.1 基于同步噪声选择非线性扩散的停止时间 848.4.2 基于同步噪声优化的非局部平均去噪 86第9章 遥感图像薄云去除 909.1 基于大气散射模型的方法 909.1.1 暗通道先验法 919.1.2 颜色衰减先验法 939.1.3 基于卷积神经网络的介质传播图获取 969.2 光谱混合分析 989.3 滤波方法 1009.3.1 同态滤波 1009.3.2 小波变换 1039.4 薄云最优化变换方法 106第10章 遥感图像阴影检测与去除 10910.1 阴影概述 10910.1.1 阴影的属性 10910.1.2 阴影的利弊 11010.2 阴影检测方法 11010.2.1 基于物理模型的方法 11010.2.2 基于颜色空间模型的方法 11110.2.3 基于阈值分割的方法 11310.2.4 基于种子区域生长的方法 11410.2.5 基于几何模型的方法 11510.2.6 阴影检测方法对比 11710.3 阴影去除方法 11810.3.1 基于颜色恒常性的方法 11810.3.2 基于Retinex图像的方法 11910.3.3 基于HSI色彩空间的方法 12110.3.4 基于同态滤波的方法 12210.3.5 基于马尔可夫场的方法 12410.3.6 阴影去除方法对比 125第11章 遥感图像修复 12611.1 问题描述 12611.2 基于空域的修复方法 12811.2.1 插值方法 12811.2.2 基于变分的修复方法 12811.2.3 样例填充的方法 12911.3 基于谱域的修复方法 13011.4 基于时域的修复方法 13311.4.1 时域替代法 13411.4.2 时域滤波器 13611.4.3 时域学习模型 13811.4.4 定量数据的重建 13911.5 混合方法 14011.5.1 联合时空方法 14011.5.2 联合时谱方法 14211.5.3 联合时空谱方法 143第12章 遥感图像复原 14612.1 遥感图像模糊的形成 14612.1.1 散焦模糊 14612.1.2 运动模糊 14712.1.3 大气模糊 14812.1.4 高斯模糊 14912.2 已知模糊核函数的图像复原 15012.2.1 基本的变换域图像复原 15012.2.2 基本的空域图像复原 15412.2.3 规整化方法 15512.2.4 多通道图像复原 15912.3 未知模糊核函数的盲复原 15912.3.1 早期方法 16012.3.2 变分贝叶斯盲复原 162第13章 遥感图像融合 16713.1 光谱融合 16713.1.1 多光谱和全色图像融合方法 16713.1.2 多光谱和高光谱图像融合方法 17213.2 时空融合 17713.2.1 基于权重函数的时空融合方法 17813.2.2 基于像元解混的时空融合方法 18413.2.3 基于贝叶斯估计的时空融合方法 18613.2.4 基于学习的时空融合方法 18713.2.5 基于卡尔曼滤波的时空融合方法 18713.2.6 多种方法混合的时空融合方法 18813.3 时空谱角融合 18913.3.1 多角度模型构建 19013.3.2 时空关系构建 19013.3.3 空谱关系构建 19013.3.4 时空谱角一体化融合模型 19013.4 光学图像与SAR图像融合 19313.4.1 像素级图像融合 19313.4.2 特征级图像融合 19413.4.3 决策级图像融合 19413.5 融合结果比较及评价 19413.5.1 光谱保真性评价 19413.5.2 空间结构评价 19513.5.3 综合评价 196第14章 超分辨率图像重建 19714.1 观测模型 19914.2 超分辨率图像重建算法 20214.2.1 非均匀插值方法 20214.2.2 频域方法 20414.2.3 规整化的超分辨率重建方法 20514.2.4 凸集投影法 20814.2.5 极大似然-凸集投影重建方法 21014.2.6 其他超分辨率重建方法 21114.3 超分辨率中的其他难题 21214.3.1 考虑配准错误的超分辨率 21214.3.2 盲超分辨率图像重建 21414.3.3 计算效率高的超分辨率算法 21414.4 基于样例的超分辨率重建 21514.4.1 局部自相似性 21514.4.2 非二进制滤波器 21614.4.3 滤波器设计 21714.5 基于卷积神经网络的超分辨率重建 21814.5.1 基于SRCNN的超分辨率重建 22014.5.2 基于SRGAN的超分辨率重建 22314.5.3 遥感图像SR模型 225第四篇 遥感图像质量提升应用第15章 定量遥感数据产品质量提升 23415.1 地表温度产品质量提升 23415.1.1 地表温度产品概述 23415.1.2 地表温度产品重建 23615.1.3 地表温度产品时空分辨率提升 23715.2 植被指数产品质量提升 23815.2.1 NDVI数据产品概述 23815.2.2 NDVI时间序列数据产品重建方法 24015.3 土壤水分产品质量提升 24115.3.1 土壤水分产品概述 24115.3.2 土壤水分产品降尺度方法 24315.4 大气臭氧产品质量提升 24415.4.1 大气臭氧产品概述 24415.4.2 大气臭氧产品缺失信息重建方法 24515.5 积雪产品质量提升 24615.5.1 积雪产品概述 24615.5.2 积雪产品去云方法 247
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
