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(lèi)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(lèi)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(lèi)技術(shù)
5.1 高光譜影像分類(lèi)的基本原理
5.1.1 高光譜影像分類(lèi)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(lèi)挑戰(zhàn)
5.2 分類(lèi)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(lèi)基準(zhǔn)數(shù)據(jù)集
5.2.2 航空高光譜影像分類(lèi)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(lèi)基準(zhǔn)數(shù)據(jù)集
5.2.4 高光譜影像分類(lèi)精度評(píng)價(jià)指標(biāo)
5.3 基于光譜特征的高光譜分類(lèi)技術(shù)
5.3.1 基于光譜特征匹配的高光譜影像分類(lèi)
5.3.2 基于影像統(tǒng)計(jì)模型的高光譜影像分類(lèi)
5.3.3 基于支持向量機(jī)的高光譜影像分類(lèi)
5.3.4 基于人工神經(jīng)網(wǎng)絡(luò)的高光譜影像分類(lèi)
5.4 光譜 - 空間特征聯(lián)合的高光譜分類(lèi)技術(shù)
5.4.1 基于紋理特征輔助的高光譜影像分類(lèi)
5.4.2 基于面向?qū)ο蟮母吖庾V影像分類(lèi)
5.4.3 基于上下文信息感知的高光譜影像分類(lèi)
5.4.4 基于稀疏表達(dá)的高光譜影像分類(lèi)
5.5 深度學(xué)習(xí)高光譜分類(lèi)前沿
5.5.1 基于自編碼器的高光譜影像分類(lèi)
5.5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜影像分類(lèi)
5.5.3 基于圖卷積神經(jīng)網(wǎng)絡(luò)的高光譜影像分類(lèi)
5.5.4 基于生成對(duì)抗網(wǎng)絡(luò)的高光譜影像分類(lèi)
5.5.5 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的高光譜影像分類(lèi)
5.5.6 高光譜影像遷移分類(lèi)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(lèi)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)