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:

  • ECOGNITION基于对象影像分析教程 关元秀 等 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 关元秀 等著
    • 出版社: 科学出版社
    • 出版时间:2019-03-01 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: 关元秀 等著
    • 出版社:科学出版社
    • 出版时间:2019-03-01 00:00:00
    • 版次:1
    • 印刷时间:2020-06-18
    • 字数:410000
    • 页数:276
    • 开本:其他
    • 装帧:平装
    • ISBN:9787030608673
    • 国别/地区:中国
    • 版权提供:科学出版社

    ECOGNITION基于对象影像分析教程

    作  者:关元秀 等 著
    定  价:128
    出 版 社:科学出版社
    出版日期:2019年03月01日
    页  数:276
    装  帧:平装
    ISBN:9787030608673
    主编推荐

    内容简介

    本书在eCognition软件初、不错培训教材的基础上,集作者多年基于对象影像分析研究和实践经验编著而成。系统介绍了基于对象影像分析原理和影像分析方法,除了传统的基于规则的影像分类方法外,着重介绍了近年来比较流行的机器学习分类方法。全书分为理论篇、基础篇和不错篇3篇,共16章。理论篇分3章,主要介绍基于对象影像分析技术产生的背景、发展历程、常用软件、核心技术及原理;基础篇分7章,内容包括规则集开发术语和界面操作,常用的分割、分类方法和精度评价等基本的基于对象分析内容;不错篇分6章,主要介绍基于对象规则集开发PDCA环,以建筑物、不透水区、水体提取和变化检测为例,详细介绍了影像分析过程,涵盖规则集改善技术、形状修整技术、自动化批处理等不错规则集开发技术。

    作者简介

    精彩内容

        理论篇
        章 引言
        1.1 基于对象影像分析
        基于对象影像分析(object-based image analysis,OBIA)模仿人类目视解译过程,不是以单个像素,而是以均质像素组成的影像对象为分析单元。不像基于像素的分类,只能依靠像素的光谱信息,影像对象除了具有光谱信息,还增加了形状信息、纹理信息和上下文信息。基于对象影像分析技术核心是分割和分类,首先将影像分割成有意义的影像对象,并赋予影像对象各种特征属性,然后基于特征空间对影像进行分类(Hay and Castilla,2006)。
        基于对象影像分析一直以来在我国翻译为“面null

    目录
    目录
    前言
    理论篇
    章 引言 3
    1.1 基于对象影像分析 3
    1.2 高分辨率影像分析需求 4
    1.3 空间地理信息快速更新需求 5
    1.4 常用基于对象影像分析软件 6
    第2章 遥感影像分析 15
    2.1 遥感影像分析层次 15
    2.2 遥感影像分析本质 16
    2.3 遥感影像分析框架 18
    第3章 eCognition 基于对象影像分析 25
    3.1 模拟人类认知过程 25
    3.2 多源数据融合 27
    3.3 知识表达体系 28
    3.4 算法概述 33
    3.5 影像分割 38
    3.6 特征概述 44
    3.7 对象分类 50
    3.8 对象修整 64
    3.9 矢量处理 65
    3.10 精度评价 67
    基础篇
    第4章 规则集开发界面 73
    4.1 界面视图 73
    4.2 常用工具栏 74
    4.3 常用视图 75
    第5章 影像分割 77
    5.1 创建工程 77
    5.2 创建分割进程 79
    5.3 保存规则集和工程 92
    第6章 阈值分类 93
    6.1 创建工程 93
    6.2 影像分割 95
    6.3 区分水体和非水体 95
    6.4 区分植被和非植被 100
    6.5 合并同类对象 103
    6.6 去除小图斑 104
    6.7 平滑 105
    第7章 隶属度分类 109
    7.1 创建工程 109
    7.2 影像分割 110
    7.3 区分水体和非水体 110
    7.4 区分植被和非植被 113
    7.5 阈值分类和隶属度分类比较 117
    第8章 最邻近分类 119
    8.1 创建工程 119
    8.2 影像分割 120
    8.3 样本选择 120
    8.4 最邻近分类 124
    第9章 机器学习分类器 127
    9.1 创建工程 127
    9.2 影像分割 128
    9.3 查看样本文件 129
    9.4 矢量转化为样本 129
    9.5 使用CART 分类器分类 131
    0章 精度评价 135
    10.1 创建工程 135
    10.2 结合矢量分割 136
    10.3 验证点转化为样本 137
    10.4 精度评价与结果导出 140
    不错篇
    1章 简单建筑物提取 145
    11.1 规则集开发过程 145
    11.2 项目分析 148
    11.3 创建工程 149
    11.4 评估数据内容 149
    11.5 创建影像对象 150
    11.6 分类具有高度的对象 151
    11.7 基于DSM 的细化 153
    11.8 基于光谱信息的细化 155
    11.9 基于上下文的细化 156
    11.10 基于形状的细化 158
    2章 复杂建筑物提取 160
    12.1 项目分析 160
    12.2 创建工程 161
    12.3 滤波技术挖掘DSM 数据的深层信息 161
    12.4 创建影像对象 164
    12.5 分类陡坡 166
    12.6 分类地面 167
    12.7 分类建筑 170
    12.8 精细化建筑分类 172
    12.9 清理陡坡对象 173
    12.10 清理建筑对象 182
    12.11 准备导出 185
    12.12 导出矢量文件 187
    3章 城市地表不透水区制图 189
    13.1 项目分析 189
    13.2 创建工程 190
    13.3 结合地块矢量的分割 190
    13.4 地块分类 191
    13.5 不透水区分类 192
    13.6 地块不透水区占比分析 196
    13.7 统计数据导出 197
    13.8 矢量数据导出 200
    13.9 提高效率和改善质量 201
    4章 种子增长法提取水体边界 206
    14.1 水体的种子对象分类 207
    14.2 为种子对象创建候选对象缓冲区 209
    14.3 使用Mean Difference to 特征增长水体 212
    14.4 整理分类结果和消除尺寸过小的对象 215
    14.5 使用变量改善规则集的可移植性 216
    14.6 自动化处理 219
    5章 基于卷积神经网络的十字符号提取 223
    15.1 卷积神经网络 223
    15.2 从分类热度图到精度评价 229
    6章 变化检测 233
    16.1 创建工程 234
    16.2 复制地图 234
    16.3 分别分类 236
    16.4 同步地图 241
    16.5 变化检测 245
    7章 对象形状修整 248
    17.1 区域增长 248
    17.2 基于像素的对象修整:边界平滑和规整化 250
    17.3 基于像素的对象修整:光谱特征规整化 255
    17.4 影像对象融合 257
    参考文献 260
    附录1 获取更多帮助和信息 262
    附录2 基本概念和术语 263

    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