返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 面向对象遥感影像分析理论与方法 马磊 等 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 马磊 等著
    • 出版社: 科学出版社
    • 出版时间:2020-03-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 马磊 等著
    • 出版社:科学出版社
    • 出版时间:2020-03-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2020-03-01
    • 字数:340000
    • 页数:220
    • 开本:16开
    • 装帧:平装
    • ISBN:9787030645098
    • 国别/地区:中国
    • 版权提供:科学出版社

    面向对象遥感影像分析理论与方法

    作  者:马磊 等 著
    定  价:119
    出 版 社:科学出版社
    出版日期:2020年03月01日
    页  数:220
    装  帧:平装
    ISBN:9787030645098
    主编推荐

    内容简介

    《面向对象遥感影像分析理论与方法》是一本全面系统论述面向对象遥感影像分析的不确定性及其模型优化的基础理论著作。《面向对象遥感影像分析理论与方法》共12章,包括两大部分内容。第一部分:第1~6章及第12章为不确定性分析。重点阐述面向对象遥感影像分析在分割、特征选择、监督分类、变化检测等方面的不确定性机理,并介绍面向对象遥感影像分析的研究进展,定量分析相关的监督分类文献。第二部分:第7~11章为分类模型优化方法。主要阐述主动学习、深度学习等前沿技术在面向对象监督分类中的应用,并介绍精度评估方法和面向对象非监督分类方法。

    作者简介

    精彩内容

    目录
    前言
    第1章绪论1
    1.1高分遥感数据的发展及传统像素方法的问题1
    1.1.1高分遥感影像数据及其应用增加1
    1.1.2像素遥感影像分析发展中遇到的瓶颈2
    1.2面向对象遥感影像分析的相关理论与方法研究2
    1.2.1面向对象遥感影像分析的发展现状与挑战3
    1.2.2面向对象遥感影像分析中不确定性因素的相关研究6
    1.2.3面向对象的信息提取技术相关研究9
    1.2.4面向对象的变化检测技术相关研究12
    1.2.5面向对象遥感影像分析不确定性的本质14
    1.2.6研究现状评述及问题的提出15
    1.3不确定性理论与模型优化方法研究16
    1.3.1面向对象遥感影像分析不确定性研究16
    1.3.2面向对象高分遥感影像分类模型优化研究16
    参考文献17
    第2章多尺度分割不确定性与分割优化27
    2.1研究区与数据集介绍27
    2.1.1分类研究数据集27
    2.1.2变化检测数据集29
    2.2多尺度分割29
    2.3分割结果评估指标30
    2.3.1内部一致性测度30
    2.3.2对象空间自相关31
    2.3.3指标联合分析32
    2.4自顶向下对象分解32
    2.5分割精度验证方法32
    2.6实验讨论33
    2.6.1各指标随尺度变化33
    2.6.2多尺度分割结果精度指标分析38
    2.6.3基于自相关测度自顶向下分解40
    2.6.4单尺度与多尺度分解结果比较41
    2.7本章小结42
    参考文献43
    第3章面向对象的特征与尺度效应分析45
    3.1采样方法与训练样本评估45
    3.1.1分层随机采45
    3.1.2训练本评估46
    3.2特征评估与选择方法47
    3.2.1特征计算47
    3.2.2信息增益率50
    3.2.3基于相关的特征选择50
    3.3随机森林分类器51
    3.4基于面积精度评估方法53
    3.5实验分析54
    3.5.1训练样本尺寸评估54
    3.5.2特征的尺度响应56
    3.5.3分类精度的尺度响应64
    3.6本章小结69
    参考文献70
    第4章特征选择方法的不确定性研究72
    4.1概述72
    4.2监督特征选择算法73
    4.2.1卡方检验算法73
    4.2.2基于支持向量机的递归特征删除方法74
    4.2.3基于特征权重的特征选择74
    4.2.4随机森林特征选择74
    4.2.5基于封装的特征选择75
    4.3分类过程75
    4.4实验讨论75
    4.5本章小结81
    参考文献82
    第5章面向对象监督分类方法不确定性研究84
    5.1常用监督分类方法概述84
    5.1.1支持向量机84
    5.1.2最近邻分类85
    5.1.3决策树85
    5.1.4提升树85
    5.1.5朴素贝叶斯分类器86
    5.1.6惩罚线性判别分析86
    5.2统计测试方法86
    5.3实验结果87
    5.3.1分类对尺度响应87
    5.3.2筛选的特征与全部特征分类比较92
    5.3.3训练集大小对各分类器的影响93
    5.3.4同质和异质对象的影响94
    5.4分析讨论100
    5.4.1分类器的综合比较100
    5.4.2分类器的尺度敏感性分析101
    5.4.3特征选择对分类器的影响102
    5.4.4分类器的训练样本尺寸敏感性分析102
    5.4.5混合对象对分类器影响103
    5.5本章小结103
    参考文献104
    第6章面向对象变化检测不确定性研究108
    6.1概述108
    6.2数据预处理109
    6.3产生对象单元与特征110
    6.4常用非监督变化检测方法110
    6.4.1原始特征直接差分111
    6.4.2均值和标准差信号112
    6.4.3多元变化检测112
    6.4.4主成分分析113
    6.5精度评估113
    6.6实验结果与分析113
    6.6.1实验结果113
    6.6.2分析讨论119
    6.7本章小结120
    参考文献121
    第7章面向对象非监督分类方法探索123
    7.1基于三角网的信息提取基本思想123
    7.2三角网构建124
    7.3三角网聚类方法提取耕地信息125
    7.3.1点群分布范围聚类126
    7.3.2优化聚类辅助信息提取128
    7.4实验与分析130
    7.4.1实验区1130
    7.4.2实验区2136
    7.4.3实验区3137
    7.5本章小结138
    参考文献139
    第8章面向对象影像分析的精度评估方法140
    8.1经典精度评价框架140
    8.1.1抽样设计141
    8.1.2响应设计143
    8.1.3精度分析144
    8.2基于多边形的精度评价框架144
    8.2.1基本介绍144
    8.2.2抽样设计146
    8.2.3响应设计147
    8.2.4精度分析147
    8.3分割精度评估148
    8.4本章小结151
    参考文献152
    第9章基于主动学习的训练样本对象优化156
    9.1基于信息熵的分割对象分类不确定性评估156
    9.2基于主动学习的训练样本优化方法157
    9.3实验与分析158
    9.3.1实验数据158
    9.3.2利用分类不确定性划分对象158
    9.3.3评估不同对象类型对分类结果的影响160
    9.3.4评估基于主动学习的采样结果162
    9.4本章小结165
    参考文献165
    第10章基于封装的对象特征选择方法167
    10.1基于封装的对象特征选择方法的问题167
    10.2基于面积的交叉验证的封装特征优化方法168
    10.3实验与分析168
    10.3.1实验数据168
    10.3.2不同特征选择方法下的分类结果比较169
    10.3.3特征选择结果比较170
    10.4本章小结172
    参考文献172
    第11章基于深度学习的对象分类方法模型173
    11.1卷积神经网络在对象分类中的问题173
    11.2基于CNN的面向对象分类174
    11.2.1分割对象图像块的生成174
    11.2.2卷积神经网络175
    11.3实验与分析177
    11.3.1实验数据177
    11.3.2基于传统分类器的OBIA分类与基于CNN的OBIA分类的比较179
    11.3.3图像块与分割对象之间的关系181
    11.3.4基于CNN的OBIA分类对混合对象分类的影响185
    11.4本章小结188
    参考文献188
    第12章面向对象监督分类的文献萃取分析与发展趋势预测191
    12.1概述191
    12.2萃取分析方法193
    12.2.1数据收集193
    12.2.2数据库构建194
    12.2.3萃取分析195
    12.3萃取分析结果196
    12.3.1研究的一般特征196
    12.3.2不同传感器影像的分类表现199
    12.3.3分割尺度与空间分辨率的关系200
    12.3.4训练样本大小对精度的影响201
    12.3.5监督分类方法与模糊分类方法202
    12.3.6分类类型对分类结果的影响203
    12.4面向对象监督分类方法的问题与发展前景205
    12.4.1分类方法的发展205
    12.4.2采样方法的发展207
    12.4.3分割尺度优化207
    12.4.4特征选择方法的研究209
    12.4.5对象标签和精度评估211
    12.5面向对象监督分类的不确定性212
    12.6本章小结213
    参考文献214

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购