新書推薦：
《
Fundamental of Physics（7th Edition） 基础物理学（第7版）（改编版）
》
售價：HK$
104.7
《
全2册历史不忍细看一本书读懂中国史中华上下五千年历史知识现代史通史书中小学生青少年课外书中国史历史类书籍
》
售價：HK$
96.6
《
再见杨德昌：台湾电影人访谈纪事
》
售價：HK$
112.7
《
彩色图解传习录：彩书馆（16开四色平装）
》
售價：HK$
63.3
《
彩色图解第二次世界大战全史：彩书馆（16开四色平装）
》
售價：HK$
63.3
《
全彩图说中华典故：彩书馆（16开四色平装）
》
售價：HK$
63.3
《
舌尖上的中国：中华美食的前世今生（生活养生）
》
售價：HK$
51.8
《
相泽沙呼作品集（心灵侦探城塚翡翠+城塚翡翠倒叙集）（共2册）
》
售價：HK$
204.7
|
| 編輯推薦： |
本书从生物机理、数学分析等角度详细论述遥感脑的背景意义、理论基础、感知与解译应用等，运用科学的态度和数学分析的方法，阐明遥感脑背后的科学技术原理，内容丰富且涵盖面广。旨在帮助人工智能、遥感解译等领域学者更全面深入地了解遥感脑系统。
通过本书，读者可以：
·系统了解遥感脑的理论基础、感知与解译应用及遥感脑系统；
·借鉴了解大脑及自然启发方法、视觉感知机理和脑认知机理，实现遥感脑智能建模；
·通过对高分辨压缩信息的获取（“感”），建立多尺度几何分析的建模（“知”），完成特征的学习和分析（“用”）。
|
| 內容簡介： |
针对海量、动态、多维、异构的高分辨率卫星遥感观测数据，通过对高分辨压缩信息的获取（“感”），建立多尺度几何分析的建模（“知”），完成特征的学习和分析（“用”），从而提高对地观测系统的综合利用能力，这已成为遥感技术发展的必然趋势。
全书共十五章，系统地论述了遥感脑的理论基础、感知与解译应用及遥感脑系统。至第四章主要介绍遥感技术和类脑启发的研究背景及意义，压缩感知基础、遥感成像机理与特性、深度神经网络的进展等；第五至第十二章主要介绍作者团队在遥感脑感知与解译两方面的具体相关应用成果；第十三至第十四章主要介绍作者团队研发的遥感脑系统；第十五章主要是展望和总结该领域的主要公开问题。以此抛砖引玉，希望本书能为读者呈现出遥感脑理论和应用等较为全面的脉络、趋势和图景。
本书适应于涉及深度学习和图像处理类高年级本科生、研究生，以及广大科技工作者。
|
| 關於作者： |
|
焦李成，华山领军教授、欧洲科学院院士、俄罗斯自然科学院院士、 科技委学部委员、中国人工智能学会副理事长、 人工智能科技创新专家组专家、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席、IEEE GRSS西安分会主席，IEEE TCYB、IEEE TGRS副主编、 “长江学者支持计划”创新团队首席专家，IEEE Fellow、IET Fellow、CAAI Fellow、CCF Fellow、CIE Fellow、CAA Fellow，PC of NeurlPS、ICML、CVPR、AAAI、IJCAI and ICCV， 连续七年入选爱思唯尔高被引学者榜单。国务院学位委员会学科评议组成员，人社部博士后管委会评议组专家，曾任第八届全国人大代表。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程（、二层次），陕西省首批“三五人才”层次。当选为全国模范教师、陕西省突出贡献专家和陕西省师德标兵。
|
| 目錄：
|
第1章遥感脑的研究背景及意义
1．1遥感技术
1．2遥感数据特性
1．3类脑生物特性
1．3．1稀疏性
1．3．2学习性
1．3．3选择性
1．3．4方向性
1．4遥感脑模型
参考文献
第2章压缩感知基础
2．1稀疏编码与字典学习
2．1．1稀疏编码
2．1．2字典学习
2．2压缩测量矩阵
2．2．1非确定性矩阵
2．2．2确定性矩阵
2．3压缩优化重建
2．3．1贪婪迭代算法
2．3．2迭代阈值算法
2．3．3凸松弛重构
2．3．4非凸重构
2．3．5进化算法
2．3．6深度学习重构算法
参考文献
第3章遥感成像机理与特性
3．1高光谱遥感影像
3．1．1高光谱成像原理
3．1．2常用高光谱数据集
3．2SAR影像
3．2．1SAR成像原理
3．2．2SAR影像特性
3．2．3常用SAR影像数据集
3．3极化SAR影像
3．3．1极化SAR成像原理
3．3．2极化SAR影像特性
3．3．3常用极化SAR影像数据集
3．4机载LiDAR点云影像
3．4．1机载LiDAR成像原理
3．4．2机载LiDAR影像特性
3．4．3常用机载LiDAR数据集
3．5遥感光学影像
3．5．1场景分类数据集
3．5．2常用变化检测数据集
3．5．3常用语义分割数据集
3．5．4常用目标检测数据集
3．6遥感视频
3．6．1遥感视频原理
3．6．2遥感视频特性
3．6．3常用遥感视频数据集
参考文献
第4章脑启发的深度神经网络
4．1神经网络的发展历史
4．2自编码器
4．2．1一般自编码器
4．2．2稀疏自编码器
4．2．3变分自编码器
4．2．4图自编码器
4．2．5遥感领域中的应用
4．3深度生成网络
4．3．1贝叶斯网络
4．3．2深度置信网络
4．3．3卷积深度置信网络
4．3．4判别深度置信网络
4．3．5遥感领域中的应用
4．4浅层卷积神经网络
4．4．1LeNet
4．4．2AlexNet
4．4．3ZFNet
4．4．4全卷积网络
4．4．5UNet
4．4．6SegNet
4．4．7VGG网络
4．4．8GoogLeNet
4．4．9遥感领域中的应用
4．5类残差网络
4．5．1ResNet
4．5．2ResNeXt
4．5．3DenseNet
4．5．4DPN网络
4．5．5Inception网络
4．5．6遥感领域中的应用
4．6递归神经网络
4．6．1循环神经网络
4．6．2LSTM网络
4．6．3GRU网络
4．6．4ConvLSTM网络
4．6．5遥感领域中的应用
4．7生成对抗网络
4．7．1GAN基础
4．7．2CGAN
4．7．3DCGAN
4．7．4CycleGAN
4．7．5WGAN
4．7．6遥感领域中的应用
4．8胶囊网络
4．8．1胶囊网络原理
4．8．2矩阵胶囊网络
4．8．3堆叠胶囊自编码器
4．8．4遥感领域中的应用
4．9图卷积神经网络
4．9．1图的基本定义
4．9．2图信号处理
4．9．3GCN
4．9．4遥感领域中的应用
参考文献
第5章脑与自然启发的学习优化
5．1多尺度学习
5．1．1多尺度学习原理
5．1．2SSD网络
5．1．3FPNet
5．1．4PANet
5．1．5ThunderNet
5．1．6Libra RCNN
5．1．7遥感领域中的应用
5．2注意力学习
5．2．1注意力学习原理
5．2．2STN
5．2．3SENet
5．2．4SKNet
5．2．5遥感领域中的应用
5．3Siamese协同学习
5．3．1Siamese协同学习原理
5．3．2MatchNet
5．3．3Siamese FC网络
5．3．4CFNet
5．3．5Siamese RPN
5．3．6遥感领域中的应用
5．4强化学习
5．4．1强化学习原理
5．4．2面向值函数的深度强化学习
5．4．3面向策略梯度的深度强化学习
5．4．4遥感领域中的应用
5．5迁移学习
5．5．1迁移学习原理
5．5．2迁移学习分类
5．5．3遥感领域中的应用
5．6联邦学习
5．6．1联邦学习原理
5．6．2联邦学习分类
5．6．3联邦学习与神经网络学习之间的差异
5．6．4联邦学习与分布式学习之间的差异
5．6．5遥感领域中的应用
参考文献
第6章遥感影像重建
6．1基于边缘信息指导的压缩感知影像重建
6．1．1边缘信息的提取方法
6．1．2基于边缘信息指导的MP算法
6．1．3实验结果与分析
6．2基于进化正交匹配追踪的压缩感知影像重构
6．2．1编码与解码
6．2．2进化正交匹配策略
6．2．3实验结果与分析
6．3本章小结
参考文献
第7章遥感影像配准
7．1基于深度特征表示的遥感影像配准
7．1．1特征表示匹配网络模型
7．1．2基于空间关系的局部特征匹配策略
7．1．3实验结果与分析
7．2基于双支路的卷积深度置信网的遥感影像匹配
7．2．1自适应领域的样本选择策略
7．2．2双支路卷积深度置信网络框架
7．2．3实验结果与分析
7．3本章小结
参考文献
第8章遥感影像分割
8．1基于稀疏结构表示的SAR影像素描模型
8．1．1初始素描模型
8．1．2初始素描图提取方法
8．1．3SAR影像素描模型
8．1．4SAR影像素描图提取方法
8．2基于素描模型和高阶邻域MRF的SAR影像分割
8．2．1SAR影像素描模型
8．2．2基于MRF模型的影像分割
8．2．3基于素描模型和MRF的SAR影像分割架构
8．2．4创建势能函数
8．2．5实验结果与分析
8．3基于深度紧密神经网络和栅格地图的三维点云语义分割
8．3．1尺度不变特征变换的网络模块
8．3．2深度紧密PointNet 网络
8．3．3实验结果与分析
8．4基于注意力网络的三维点云分割方法
8．4．1全局点注意力模块
8．4．2PointSIFTGPA网络
8．4．3实验结果及分析
8．5本章小结
参考文献
第9章遥感影像分类
9．1基于生成式模型的双层字典学习与影像分类
9．1．1基于生成式模型的双层字典学习框架
9．1．2实验结果与分析
9．2基于脊波卷积神经网络的高光谱影像分类
9．2．1基于脊波卷积神经网络算法
9．2．2实验结果与分析
9．3基于全卷积网络空间分布预测的高光谱影像分类
9．3．1基于FCN8s的HSI空间分布预测
9．3．2基于空谱特征的融合分类
9．3．3实验结果与分析
9．4基于多尺度自适应深度融合残差网的多光谱遥感影像分类
9．4．1重要样本选择策略
9．4．2多尺度自适应深度残差网络
9．4．3实验结果与分析
9．5基于深度极化卷积神经网络的极化SAR影像分类
9．5．1基于深度极化卷积的网络框架
9．5．2实验结果与分析
9．6基于深度生成判别混合框架的极化SAR影像分类
9．6．1基于生成式模型的极化目标分解学习模型
9．6．2深度生成判别混合网络模型
9．6．3实验结果与分析
9．7本章小结
参考文献
第10章遥感影像融合
10．1基于低秩张量分解和空谱图正则的多源影像融合
10．1．1低秩张量融合模型
10．1．2空间光谱图正则与融合
10．1．3增广拉格朗日优化
10．1．4实验结果与分析
10．2基于压缩超分辨重构和多字典学习的多光谱和全色影像融合
10．2．1压缩超分辨重构融合
10．2．2基于初始素描模型的区域划分和多字典学习
10．2．3实验结果与分析
10．3基于深度多示例学习的全色和多光谱影像空谱融合分类
10．3．1DCNN空域示例分类
10．3．2深度堆栈自编码网络的谱域示例分类
10．3．3基于深度多示例学习的空谱特征融合分类
10．3．4实验结果与分析
10．4基于双支路注意融合网络下的多分辨率遥感影像分类
10．4．1自适应中心偏移采样策略
10．4．2空道注意模块
10．4．3双支路注意融合深度网
10．4．4实验结果与分析
10．5本章小结
参考文献
第11章遥感目标检测
11．1基于混合稀疏显著融合模型的目标检测
11．1．1小跨距
11．1．2混合稀疏融合模型
11．1．3目标级协同滤波器
11．1．4实验结果与分析
11．2基于层次显著性滤波的SAR目标检测
11．2．1基于随机森林的分层稀疏建模
11．2．2基于CFAR的动态轮廓显著性建模
11．2．3实验结果与分析
11．3基于深度自适应区域建议网络的遥感影像目标检测
11．3．1深度自适应区域建议网络框架
11．3．2实验结果及分析
11．4基于多尺度影像块级全卷积网络的光学遥感影像目标检测
11．4．1多尺度影像块级全卷积网络框架
11．4．2实验结果与分析
11．5本章小结
参考文献
第12章遥感视频目标跟踪
12．1基于深度学习滤波器的遥感视频目标跟踪
12．1．1深度连续卷积滤波器
12．1．2深度学习滤波器
12．1．3实验结果与分析
12．2基于孪生网络的遥感视频目标跟踪
12．2．1孪生网络
12．2．2基于前后一致性验证的孪生网络
12．2．3实验结果与分析
12．3本章小结
参考文献
第13章类脑SAR影像解译系统
13．1类脑SAR系统
13．1．1SAR成像系统
13．1．2类脑SAR解译系统
13．1．3输出展示系统
13．2PolSAR数据处理及解译系统
13．3InSAR数据处理及解译系统
13．4硬件设备设计与实现
13．4．1ADSPTS201处理器
13．4．2DE5Net FPGA芯片
13．4．3VPXGPU系统
13．5本章小结
参考文献
第14章遥感大数据智能解译平台
14．1总体结构设计
14．2影像信息可视化平台体系
14．3功能模块设计
14．3．1遥感大数据智能解译平台可视化系统
14．3．2遥感数据管理工具
14．3．3遥感影像解译服务
14．4遥感大数据智能解译平台
14．4．1具体功能展示
14．4．2遥感影像解译任务示例
14．5本章小结
参考文献
第15章公开问题
15．1遥感任务的新挑战
15．2遥感数据的新特性
15．3算法框架的新思路
参考文献
|
| 內容試閱：
|
遥感技术是一种非接触的、远距离的探测技术，始于20世纪60年代，一般指利用搭载在遥感平台上的传感器或遥感器，对目标的电磁波辐射、反射特性进行探测，并依据其特征对目标进行分析的理论、方法和应用的科学技术，实现的是对目标定量的观测与描述。作为一种重要的对地观测技术，遥感技术能够通过航空、航天传感器在不直接接触地物表面的情况下获取地物的信息。遥感影像是遥感技术的主要分支之一，具有“三多”(多平台、多角度、多传感器)和“三高”(高空间分辨率、高时相分辨率、高光谱分辨率)的特点。遥感影像的这些特点为其广泛应用提供了可能。但这些遥感影像结构各异、成像复杂，既让问题本质结构的析出和解译变得极为困难，又备受信息冗余问题的困扰。这使得传统的数据分析和处理的方法通常难以满足对遥感影像处理质量、效率的要求，对于复杂数据的重要结构信息，诸如视觉数据中的空间结构、隐含的语义概念之间的关联结构、由环境所造成的多场景、多数据源结构等，通常不能有效表达。
“天赐智能春花放，巧夺天工更有香”。从《列子》中“千变万化，惟意所适”为周穆王献舞的机器演员，到晋人张湛所述的“机关生人灵”； 从诸葛亮的木牛流马到唐朝皇后梳妆打扮的自动梳妆台； 从达·芬奇设计出史上个机器人，到图灵有限状态自动机的提出。千百年来，人类对于智能的思考和探索从未停止。直到数字计算机的出现，为人工智能的实现提供了广阔的天地。
人工智能是利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得结果的理论、方法、技术和应用系统。人工智能企图了解智能的实质，其核心问题包括推理、知识、规划、学习、交流、感知、移动和操作物体的能力，领域研究包括机器人、语音识别、图像识别、自然语言处理、专家系统等。人工智能不是人的智能，而是能像人那样思考、也可能超过人的智能。通过分析、模拟人脑的认知机理和自然系统的智能行为与机制，构造相应的学习与优化模型，借助先进的计算工具实现高效的计算智能方法，并用于解决实际工程问题，一直是人工智能研究的重要途径。自2017年始，人工智能已连续四年被写入《政府工作报告》。2020年的报告指出，应加大人工智能新型基础设施的构建和部署，加强人工智能基础和应用人才培养，大力推进智能经济发展。2020年9月11日， 亲自主持科学家座谈会并在会上指出，科研工作要坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，不断向科学技术广度和深度进军，要坚持需求导向和问题导向。国务院颁布的《新一代人工智能发展规划》指出，要实现2020年同步、2025年部分领先、2030年AI创新中心的三步走战略，面向构建科技创新体系、把握科技属性和社会属性高度融合、“三位一体”推进、支撑国家发展的四大任务，确定大数据智能、跨媒体感知计算理论、混合增强智能理论、群体智能理论、自主无人系统五大智能技术方向。国家相继建设15家新一代人工智能开放创新平台，覆盖自动驾驶(百度)、城市大脑(阿里云)、医疗影像(腾讯)、智能语音(科大讯飞)、智能视觉(商汤集团)、视觉计算(依图科技)、营销智能(明略科技)、基础软硬件(华为)、普惠金融(中国平安)、视频感知(海康威视)、智能供应链()、图像感知(旷视科技)、安全大脑(360奇虎)、智慧教育(好未来)、智能家居(小米)等多个领域的应用场景。新一代人工智能正在蓬勃兴起，为经济社会发展注入了新动能，成为科技创新的“超级风口”。
作为人工智能的核心算法，深度学习凭借其在海量复杂数据中高效提取特征的能力，已不可阻挡地渗透到遥感领域的各种应用中。作为计算智能方法的代表，起源于20世纪40年代的人工神经网络经历了五六十年代的繁荣，70年代的低潮，80年代的再次复苏，到近十年的广泛关注，如今已经成为理论日趋完善，应用逐步发展的前沿方向。
从生物学角度来讲，人脑作为一个高智能体，具有多模感知、分层表征、因果归纳、多源融合、并行处理和快速推理等能力。传统的遥感影像解译方法通过人为的分步骤或划分子问题的方式解决复杂问题，而深度类脑计算是数据驱动的，完全交由搭建的神经网络直接学习从原始输入到期望输出的映射。同时通过模拟人脑高级感知决策问题，能够很好地加入各种先验信息作为辅助决策手段。通过逐层的特征学习，能够得到比传统浅层模型更抽象、更本质的特征。相比传统策略，端对端的学习具有协同增效的优势，有更大的可能获取全局上更优的解，具有满足在轨实时处理需求的潜力。
遥感数据的类脑解译，是在众多复杂的非结构化环境中对获取的各种高分辨率多源遥感海量数据自动进行有效处理，通过先进的人工智能技术和信号处理技术去认知环境，采集数据，处理信息，达到目标环境的稳定、可认可、可认知、可描述，实现非结构化环境中的结构化信息获取和智能感知，为解译和目标识别提供可靠的手段，同时这也是一个海量数据中的信息有效挖掘问题。它不仅是有噪的、不完全的、模糊的，也是非高斯的、非平稳的。因此，针对海量、动态、多维、异构的高分辨率卫星遥感观测数据，通过对高分辨压缩信息的获取(“感”)，建立多尺度几何分析的建模(“知”)，完成特征的学习和分析(“用”)，从而提高对地观测系统的综合利用能力，这已成为遥感技术发展的必然趋势。
基于此，作者团队在多年的研究基础上，面向资源勘测、灾害评估、成像侦察、地理测绘等领域对卫星在轨遥感影像感知与解译的迫切需求，针对遥感影像解译的奇异性建模与表示、高维数据学习与理解等若干瓶颈问题，借鉴视觉感知机理和脑认知机理，实现遥感脑智能建模，在遥感影像的感知、认知、推理、决策等方面构建系统的遥感脑解译理论和方法。通过对脑信息处理的稀疏性，构建遥感影像的知识感知和高效描述方法； 通过脑信息处理的学习性，构建遥感影像的知识学习和推理决策模型； 通过脑信息处理的选择性，建立遥感影像的知识提取和语义表征方法； 通过脑信息处理的方向性，建立遥感影像的知识传递和精准定位模型，并终通过软硬件协同处理，实现遥感影像的在轨实时处理。
全书共15章，系统地论述了遥感脑系统的理论基础、感知与解译应用。第1~4章主要介绍遥感技术和类脑启发的研究背景及意义，压缩感知基础、遥感成像机理与特性、深度神经网络的进展等； 第5~12章主要介绍作者团队在遥感脑感知与解译两方面的具体相关应用成果； 第13、14章主要介绍作者团队研发的遥感脑系统； 第15章主要展望和总结该领域的主要公开问题。以此抛砖引玉，希望本书能为读者呈现出遥感脑理论和应用等较为全面的脉络、趋势和图景。
作者团队依托西安电子科技大学“智能感知与图像理解” 重点实验室、“智能感知与计算” 国际联合实验室、国家“111”计划创新引智基地及国家“2011”信息感知协同创新中心，感谢集体中的每一位同仁的奉献。特别感谢陈洁、高捷、李晓童、杨晓岩、杨育婷、张若浛、张欣、赵嘉璇、耿雪莉、王嘉荣、宋雪、李云、胡冰楠、张艳等同学在写作过程中付出的辛勤劳动与努力，同时感谢文载道、石程、段一平、武杰、武娇、张思博、王仕刚、张凯、梁苗苗、赵暐、刘旭、孙其功、张俊、李阁、程林、黄钟健等老师和同学的支持与帮助。
同时，本团队的工作也得到了西安电子科技大学领导及国家“973”计划(2013CB329402、2006CB705707)、国家自然科学基金创新研究群体科学基金(61621005)、国家自然科学基金重点项目(61836009、60133010、60703107、60703108、60872548和60803098)及面上项目(61272279、61473215、61371201、61373111、61303032、61271301、61203303、61522311、61573267、61473215、61571342、61572383、61501353、61502369、61271302、61272282、61202176、61573267、61473215、61573015、60073053、60372045和60575037)，重大研究计划(91438201和91438103)等科研项目的支持，特此感谢。感谢书中所有被引用文献的作者。
由于作者水平有限，书中不妥之处在所难免，恳请读者批评指正。
著者2023年1月
|
|
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
