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
2.1 高光譜成像原理
2.2 高光譜遙感觀測平臺
2.2.1 星載 - 高光譜遙感系統(tǒng)
2.2.2 機載 - 高光譜遙感系統(tǒng)
2.2.3 無人機 - 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 - 高光譜系統(tǒng)
2.3 主要發(fā)展趨勢
第 3 章 高光譜影像去噪技術
3.1 高光譜影像噪聲問題
3.1.1 高光譜影像噪聲類型與機理
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 全變分先驗模型
3.2.3 稀疏先驗模型
3.2.4 低秩先驗模型
3.3 深度學習高光譜影像去噪
3.3.1 基本原理
3.3.2 有監(jiān)督高光譜影像去噪網(wǎng)絡
3.3.3 無監(jiān)督高光譜影像去噪網(wǎng)絡
3.4 實驗分析
3.4.1 實驗設計
3.4.2 模擬數(shù)據(jù)實驗
3.4.3 真實數(shù)據(jù)實驗
3.4.4 實驗分析與討論
3.5 本章小結
第 4 章 高光譜混合像元分析
4.1 混合像元概述
4.1.1 混合像元問題
4.1.2 混合模型
4.2 高光譜分解基準數(shù)據(jù)集和精度評價指標
4.2.1 航空高光譜影像分解基準數(shù)據(jù)集
4.2.2 地面高光譜影像分類基準數(shù)據(jù)集
4.2.4 精度評價指標
4.3 無監(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 基于深度學習的混合像元分解
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
4.5 實驗分析
4.5.1 端元光譜提取實驗與分析
4.5.2 盲分解實驗與分析
4.5.3 半監(jiān)督混合像元分解實驗與分析
4.6 混合像元分解典型應用
4.6.1 礦物填圖
4.6.2 物證鑒定
4.6.3 深空探測
第 5 章 高光譜分類技術
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
5.1.3 高光譜影像分類挑戰(zhàn)
5.2 分類基準數(shù)據(jù)集和精度評價指標
5.2.1 星載高光譜影像分類基準數(shù)據(jù)集
5.2.2 航空高光譜影像分類基準數(shù)據(jù)集
5.2.3 無人機高空間高光譜影像分類基準數(shù)據(jù)集
5.2.4 高光譜影像分類精度評價指標
5.3 基于光譜特征的高光譜分類技術
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)計模型的高光譜影像分類
5.3.3 基于支持向量機的高光譜影像分類
5.3.4 基于人工神經網(wǎng)絡的高光譜影像分類
5.4 光譜 - 空間特征聯(lián)合的高光譜分類技術
5.4.1 基于紋理特征輔助的高光譜影像分類
5.4.2 基于面向對象的高光譜影像分類
5.4.3 基于上下文信息感知的高光譜影像分類
5.4.4 基于稀疏表達的高光譜影像分類
5.5 深度學習高光譜分類前沿
5.5.1 基于自編碼器的高光譜影像分類
5.5.2 基于卷積神經網(wǎng)絡的高光譜影像分類
5.5.3 基于圖卷積神經網(wǎng)絡的高光譜影像分類
5.5.4 基于生成對抗網(wǎng)絡的高光譜影像分類
5.5.5 基于循環(huán)神經網(wǎng)絡的高光譜影像分類
5.5.6 高光譜影像遷移分類技術
5.6 實驗分析
5.6.1 高光譜數(shù)據(jù)增強
5.6.2 實驗設置
5.6.3 實驗結果對比分析
5.7 高光譜分類典型應用
5.7.1 自然資源監(jiān)測
5.7.2 農作物精細識別
5.7.3 工業(yè)視覺
第 6 章 高光譜目標探測技術
6.1 目標探測概述
6.1.1 概念與內涵
6.1.2 高光譜目標探測理論基礎
6.2 目標探測基準數(shù)據(jù)集和精度評價指標
6.2.1 公開高光譜目標探測基準數(shù)據(jù)集
6.2.2 高光譜目標探測精度評價體系
6.3 無監(jiān)督高光譜異常探測技術
6.3.1 無監(jiān)督高光譜異常探測理論基礎
6.3.2 經典 RX 異常探測算法
6.3.3 基于核映射的異常探測算法
6.3.4 基于低秩先驗的異常探測算法
6.4 半監(jiān)督高光譜目標探測技術
6.4.1 半監(jiān)督高光譜目標探測理論基礎
6.4.2 基于統(tǒng)計的目標探測算法
6.4.3 基于核函數(shù)的目標探測算法
6.4.4 基于稀疏表示的目標探測算法
6.5 深度學習高光譜目標探測前沿
6.5.1 基于卷積神經網(wǎng)絡的目標探測算法
6.5.2 基于自編碼器的目標探測算法
6.5.3 基于全卷積網(wǎng)絡的目標探測算法
6.6 實驗分析
6.6.1 無監(jiān)督高光譜異常探測實驗與分析
6.6.3 半監(jiān)督高光譜目標探測實驗與分析
6.7 高光譜目標探測典型應用
6.7.1 入侵物種探測
6.7.2 軍事目標識別
第 7 章 總結與展望
第 8 章 附錄
參考文獻