軍事地質(zhì)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(zhì)學 3
1.1.2 軍事地質(zhì)要素系統(tǒng) 3
1.1.3 地質(zhì)體與軍事地質(zhì)體 4
1.1.4 軍事地質(zhì)遙感解譯與遙感智能解譯 4
1.2 軍事地質(zhì)體智能解譯遙感數(shù)據(jù)獲取進展 5
1.2.1 高空間分辨率光學遙感數(shù)據(jù) 5
1.2.2 高光譜分辨率遙感數(shù)據(jù) 9
1.2.3 SAR遙感數(shù)據(jù) 11
1.2.4 地形數(shù)據(jù) 12
1.3 軍事地質(zhì)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(zhì)體遙感智能解譯研究進展 15
1.3.3 軍事地質(zhì)體遙感智能解譯發(fā)展趨勢 19
1.4 軍事地質(zhì)體遙感智能解譯的難點和挑戰(zhàn) 19
1.4.1 軍事地質(zhì)體遙感智能解譯的難點 19
1.4.2 軍事地質(zhì)體遙感智能解譯的挑戰(zhàn) 21
1.5 軍事地質(zhì)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(zhì)體影像塊數(shù)據(jù)集構建 27
2.1 遙感影像塊數(shù)據(jù)集概述 29
2.2 軍事地質(zhì)體影像塊數(shù)據(jù)集構建方法 30
2.2.1 軍事地質(zhì)體遙感解譯標志 31
2.2.2 數(shù)據(jù)集構建過程 59
2.2.3 巖體影像塊數(shù)據(jù)集 60
2.2.4 不良地質(zhì)體影像塊數(shù)據(jù)集 60
第3章 軍事地質(zhì)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(tǒng)機器學習算法 68
3.2.1 參數(shù)學習算法 68
3.2.2 非參數(shù)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(jīng)網(wǎng)絡 75
3.3.2 深度置信網(wǎng)絡 75
3.3.3 深度自編碼網(wǎng)絡 77
3.3.4 深度卷積神經(jīng)網(wǎng)絡 79
3.3.5 遷移學習 83
3.3.6 深度神經(jīng)網(wǎng)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(tǒng)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(tǒng)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(tǒng)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(tǒng)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(zhì)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(zhì)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(tǒng)計檢驗 111
5.2 基于中層視覺特征的不良地質(zhì)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(tǒng)計檢驗 113
5.3 基于深度特征的不良地質(zhì)體遙感智能解譯 114
5.3.1 結果分析 114
5.3.2 統(tǒng)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