高光譜遙感影像智能處理

第 1 章 緒論
1.1 遙感電磁輻射原理
1.2 高光譜遙感基本理論
1.3 高光譜遙感發(fā)展歷史
第 2 章 星 - 空 - 地高光譜傳感器與平臺(tái)
2.1 高光譜成像原理
2.2 高光譜遙感觀測(cè)平臺(tái)
2.2.1 星載 - 高光譜遙感系統(tǒng)
2.2.2 機(jī)載 - 高光譜遙感系統(tǒng)
2.2.3 無(wú)人機(jī) - 高光譜遙感系統(tǒng)
2.2.4 地面 - 高光譜遙感系統(tǒng)
2.2.5 深空探測(cè) - 高光譜系統(tǒng)
2.3 主要發(fā)展趨勢(shì)
第 3 章 高光譜影像去噪技術(shù)
3.1 高光譜影像噪聲問(wèn)題
3.1.1 高光譜影像噪聲類型與機(jī)理
3.1.2 高光譜混合噪聲分布特性分析
3.2 基于正則化模型的高光譜影像去噪
3.2.1 基本原理
3.2.2 全變分先驗(yàn)?zāi)Ｐ?br />3.2.3 稀疏先驗(yàn)?zāi)Ｐ?br />3.2.4 低秩先驗(yàn)?zāi)Ｐ?br />3.3 深度學(xué)習(xí)高光譜影像去噪
3.3.1 基本原理
3.3.2 有監(jiān)督高光譜影像去噪網(wǎng)絡(luò)
3.3.3 無(wú)監(jiān)督高光譜影像去噪網(wǎng)絡(luò)
3.4 實(shí)驗(yàn)分析
3.4.1 實(shí)驗(yàn)設(shè)計(jì)
3.4.2 模擬數(shù)據(jù)實(shí)驗(yàn)
3.4.3 真實(shí)數(shù)據(jù)實(shí)驗(yàn)
3.4.4 實(shí)驗(yàn)分析與討論
3.5 本章小結(jié)
第 4 章 高光譜混合像元分析
4.1 混合像元概述
4.1.1 混合像元問(wèn)題
4.1.2 混合模型
4.2 高光譜分解基準(zhǔn)數(shù)據(jù)集和精度評(píng)價(jià)指標(biāo)
4.2.1 航空高光譜影像分解基準(zhǔn)數(shù)據(jù)集
4.2.2 地面高光譜影像分類基準(zhǔn)數(shù)據(jù)集
4.2.4 精度評(píng)價(jià)指標(biāo)
4.3 無(wú)監(jiān)督混合像元分解方法
4.3.1 兩步式解混：端元提取 - 豐度反演方法
4.3.2 一步式解混：混合像元盲分解方法
4.3.3 基于深度學(xué)習(xí)的混合像元分解
4.4 半監(jiān)督混合像元分解方法
4.4.1 高光譜遙感影像的稀疏表達(dá)
4.5 實(shí)驗(yàn)分析
4.5.1 端元光譜提取實(shí)驗(yàn)與分析
4.5.2 盲分解實(shí)驗(yàn)與分析
4.5.3 半監(jiān)督混合像元分解實(shí)驗(yàn)與分析
4.6 混合像元分解典型應(yīng)用
4.6.1 礦物填圖
4.6.2 物證鑒定
4.6.3 深空探測(cè)
第 5 章 高光譜分類技術(shù)
5.1 高光譜影像分類的基本原理
5.1.1 高光譜影像分類概述
5.1.2 高光譜影像數(shù)據(jù)特點(diǎn)
5.1.3 高光譜影像分類挑戰(zhàn)
5.2 分類基準(zhǔn)數(shù)據(jù)集和精度評(píng)價(jià)指標(biāo)
5.2.1 星載高光譜影像分類基準(zhǔn)數(shù)據(jù)集
5.2.2 航空高光譜影像分類基準(zhǔn)數(shù)據(jù)集
5.2.3 無(wú)人機(jī)高空間高光譜影像分類基準(zhǔn)數(shù)據(jù)集
5.2.4 高光譜影像分類精度評(píng)價(jià)指標(biāo)
5.3 基于光譜特征的高光譜分類技術(shù)
5.3.1 基于光譜特征匹配的高光譜影像分類
5.3.2 基于影像統(tǒng)計(jì)模型的高光譜影像分類
5.3.3 基于支持向量機(jī)的高光譜影像分類
5.3.4 基于人工神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.4 光譜 - 空間特征聯(lián)合的高光譜分類技術(shù)
5.4.1 基于紋理特征輔助的高光譜影像分類
5.4.2 基于面向?qū)ο蟮母吖庾V影像分類
5.4.3 基于上下文信息感知的高光譜影像分類
5.4.4 基于稀疏表達(dá)的高光譜影像分類
5.5 深度學(xué)習(xí)高光譜分類前沿
5.5.1 基于自編碼器的高光譜影像分類
5.5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.5.3 基于圖卷積神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.5.4 基于生成對(duì)抗網(wǎng)絡(luò)的高光譜影像分類
5.5.5 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的高光譜影像分類
5.5.6 高光譜影像遷移分類技術(shù)
5.6 實(shí)驗(yàn)分析
5.6.1 高光譜數(shù)據(jù)增強(qiáng)
5.6.2 實(shí)驗(yàn)設(shè)置
5.6.3 實(shí)驗(yàn)結(jié)果對(duì)比分析
5.7 高光譜分類典型應(yīng)用
5.7.1 自然資源監(jiān)測(cè)
5.7.2 農(nóng)作物精細(xì)識(shí)別
5.7.3 工業(yè)視覺(jué)
第 6 章 高光譜目標(biāo)探測(cè)技術(shù)
6.1 目標(biāo)探測(cè)概述
6.1.1 概念與內(nèi)涵
6.1.2 高光譜目標(biāo)探測(cè)理論基礎(chǔ)
6.2 目標(biāo)探測(cè)基準(zhǔn)數(shù)據(jù)集和精度評(píng)價(jià)指標(biāo)
6.2.1 公開(kāi)高光譜目標(biāo)探測(cè)基準(zhǔn)數(shù)據(jù)集
6.2.2 高光譜目標(biāo)探測(cè)精度評(píng)價(jià)體系
6.3 無(wú)監(jiān)督高光譜異常探測(cè)技術(shù)
6.3.1 無(wú)監(jiān)督高光譜異常探測(cè)理論基礎(chǔ)
6.3.2 經(jīng)典 RX 異常探測(cè)算法
6.3.3 基于核映射的異常探測(cè)算法
6.3.4 基于低秩先驗(yàn)的異常探測(cè)算法
6.4 半監(jiān)督高光譜目標(biāo)探測(cè)技術(shù)
6.4.1 半監(jiān)督高光譜目標(biāo)探測(cè)理論基礎(chǔ)
6.4.2 基于統(tǒng)計(jì)的目標(biāo)探測(cè)算法
6.4.3 基于核函數(shù)的目標(biāo)探測(cè)算法
6.4.4 基于稀疏表示的目標(biāo)探測(cè)算法
6.5 深度學(xué)習(xí)高光譜目標(biāo)探測(cè)前沿
6.5.1 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)探測(cè)算法
6.5.2 基于自編碼器的目標(biāo)探測(cè)算法
6.5.3 基于全卷積網(wǎng)絡(luò)的目標(biāo)探測(cè)算法
6.6 實(shí)驗(yàn)分析
6.6.1 無(wú)監(jiān)督高光譜異常探測(cè)實(shí)驗(yàn)與分析
6.6.3 半監(jiān)督高光譜目標(biāo)探測(cè)實(shí)驗(yàn)與分析
6.7 高光譜目標(biāo)探測(cè)典型應(yīng)用
6.7.1 入侵物種探測(cè)
6.7.2 軍事目標(biāo)識(shí)別
第 7 章 總結(jié)與展望
第 8 章 附錄
參考文獻(xiàn)