如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

高光谱遥感图像异常目标检测研究PDF电子书下载

其他书籍

• 作 者：成宝芝
• 出 版 社：
• 出版年份：2019
• ISBN：
• 页数：0 页

图书介绍： 查看图书目录点击购买PDF全本电子书 上一篇：蛟湖诗钞遗篇下一篇：Excel统计分析与应用教程 《高光谱遥感图像异常目标检测研究》目录 标签：遥感 图像 检测 目标 研究

第1章 绪论1

1.1 高光谱异常检测的背景及研究的目的和意义1

1.2 高光谱图像特点及成像技术发展2

1.3 高光谱图像异常检测技术研究现状5

1.4 本书的主要研究内容和章节安排11

参考文献13

第2章 高光谱图像基础与核函数分析17

2.1 引言17

2.2 高光谱图像成像机理17

2.3 高光谱图像数据源20

2.4 高光谱图像特性分析22

2.5 核函数分析28

2.6 本章小结31

参考文献32

第3章 基于光谱维变换和空域滤波的高光谱异常检测34

3.1 引言34

3.2 高光谱图像降维技术34

3.3 光谱维变换35

3.4 空域滤波41

3.5 RX异常检测算法43

3.6 基于光谱维变换和空域滤波的异常检测算法46

3.7 仿真实验与结果分析48

3.8 本章小结58

参考文献59

第4章 基于四阶累积量的高光谱图像波段子集异常检测61

4.1 引言61

4.2 非高斯程度的度量61

4.3 核RX异常检测算法63

4.4 基于四阶累积量的波段子集异常检测算法66

4.5 仿真实验与结果分析68

4.6 本章小结76

参考文献77

第5章 结合光谱解混的高光谱图像异常检测SVDD算法79

5.1 引言79

5.2 光谱解混79

5.3 约束非负矩阵分解的解混算法86

5.4 支持向量数据描述方法93

5.5 结合光谱解混的异常检测SVDD算法实现97

5.6 仿真实验与结果分析98

5.7 本章小结104

参考文献105

第6章 基于空谱联合稀疏表示的高光谱异常目标检测108

6.1 引言108

6.2 局部线性嵌入重构权值矩阵的核协同表示优化108

6.3 基于LLE稀疏差异指数的高光谱异常检测111

6.4 线性局部切空间排列和背景共同稀疏表示126

6.5 基于空谱联合BJSR的高光谱异常检测128

6.6 本章小结143

参考文献144

第7章 基于低秩稀疏分解的空谱联合高光谱异常目标检测146

7.1 引言146

7.2 高光谱图像的低秩稀疏矩阵分解模型146

7.3 基于空谱联合低秩稀疏分解的高光谱异常检测147

7.4 基于低秩稀疏分解和空谱联合栈式自编码器的高光谱异常检测160

7.5 本章小结172

参考文献172

第8章 基于张量分析的高光谱异常目标检测174

8.1 引言174

8.2 高光谱图像张量分解理论175

8.3 基于张量分解稀疏差异指数的高光谱异常目标检测176

8.4 基于张量分解局部马氏距离的高光谱异常检测185

8.5 基于张量自适应子空间的高光谱异常目标检测193

8.6 本章小结202

参考文献202

相关图书

• 《红色旅游的社会效应研究》吴春焕着 2019
• 《汉语词汇知识与习得研究》邢红兵主编 2019
• 《生物质甘油共气化制氢基础研究》赵丽霞 2019
• 《东北民歌文化研究及艺术探析》（中国）杨清波 2019
• 《联吡啶基钌光敏染料的结构与性能的理论研究》李明霞 2019
• 《异质性条件下技术创新最优市场结构研究 以中国高技术产业为例》千慧雄 2019
• 《《国语》和《战国策》词汇比较研究》陈长书着 2017
• 《中国制造业绿色供应链发展研究报告》中国电子信息产业发展研究院 2019
• 《行政保留研究》门中敬着 2019
• 《新课标背景下英语教学理论与教学活动研究》应丽君 2018

作者其它书籍

• 《广西近代专业音乐研究》李昂责任编辑；（中国）杨柳成 2019
• 《21世纪普通高校计算机公共课程规划教材 大学计算机基础 Windows7+Office2010 第3版》张开成，陈东升，蒋传健，王宁，杨军，杨巧梅，崔婷婷 2018
• 《教师怎样说理才有效》李进成着 2019
• 《当代高师钢琴教育的理念与演奏艺术研究》成晓春责任编辑；（中国）王诗莹 2019
• 《单片机原理与应用及C51程序设计》谢维成，杨加国主编 2019
• 《数学在哪里 小学二年级 上》唐彩斌，彭翕成主编 2020
• 《碳排放转移》孙立成着 2019
• 《计算方法》李桂成编着 2019
• 《随机延迟动力学及其应用》曾春华，易鸣，梅冬成编着 2020
• 《钢琴演奏表现力探究》成晓春责任编辑；（中国）袁文静 2019

出版社其它书籍

本类热门

• 1变通 受用一生的学问
• 2额尔古纳河右岸
• 3易经真的很容易
• 4海蒂怀孕大百科 全新第4版
• 5八次危机 中国的真实经验1949-2009
• 6法治的细节
• 7你是你吃出来的
• 8蛤蟆先生的希望
• 9杀死一只知更鸟
• 10天幕红尘

摘要：本文以“高光谱遥感图像异常目标检测研究.pdf电子书版文档下载”为中心，详细探讨了高光谱遥感图像异常目标检测的研究现状、方法、应用及发展趋势。通过对该文档的深入分析，本文旨在为相关领域的研究者和工程师提供有益的参考和启示。

1、研究背景

随着遥感技术的不断发展，高光谱遥感图像在资源调查、环境监测、军事侦察等领域得到了广泛应用。然而，高光谱遥感图像数据量大、特征复杂，给异常目标检测带来了巨大挑战。因此，研究高光谱遥感图像异常目标检测方法具有重要的理论意义和应用价值。

高光谱遥感图像具有丰富的光谱信息，能够反映地表物质的细微差异。然而，由于高光谱图像数据量大，传统的图像处理方法难以有效提取异常目标。因此，研究高光谱遥感图像异常目标检测方法，对于提高遥感图像处理效率和准确性具有重要意义。

近年来，随着人工智能、深度学习等技术的发展，高光谱遥感图像异常目标检测方法取得了显著进展。本文将重点介绍高光谱遥感图像异常目标检测的研究现状、方法、应用及发展趋势。

2、研究方法

高光谱遥感图像异常目标检测方法主要包括以下几种：

（1）基于特征提取的方法：通过提取高光谱图像的特征，如光谱特征、纹理特征等，对异常目标进行检测。

（2）基于机器学习的方法：利用机器学习算法，如支持向量机（SVM）、随机森林（RF）等，对高光谱图像进行异常目标检测。

（3）基于深度学习的方法：利用深度学习算法，如卷积神经网络（CNN）、循环神经网络（RNN）等，对高光谱图像进行异常目标检测。

这些方法各有优缺点，在实际应用中需要根据具体情况进行选择。

3、应用领域

高光谱遥感图像异常目标检测在多个领域具有广泛的应用，主要包括：

（1）资源调查：利用高光谱遥感图像异常目标检测技术，可以有效地识别矿产资源、农作物等目标，提高资源调查的准确性和效率。

（2）环境监测：通过高光谱遥感图像异常目标检测，可以监测环境污染、植被变化等环境问题，为环境保护提供科学依据。

（3）军事侦察：高光谱遥感图像异常目标检测技术在军事侦察领域具有重要作用，可以用于识别敌方目标、评估战场态势等。

4、发展趋势

随着遥感技术和人工智能技术的不断发展，高光谱遥感图像异常目标检测方法将呈现以下发展趋势：

（1）多源数据融合：将高光谱遥感图像与其他遥感数据（如光学图像、雷达图像等）进行融合，提高异常目标检测的准确性和可靠性。

（2）深度学习算法的优化：针对高光谱遥感图像的特点，优化深度学习算法，提高异常目标检测的性能。

（3）智能化检测：结合人工智能技术，实现高光谱遥感图像异常目标检测的智能化，提高检测效率和准确性。

总结：

本文对高光谱遥感图像异常目标检测研究进行了综述，分析了研究背景、方法、应用及发展趋势。随着遥感技术和人工智能技术的不断发展，高光谱遥感图像异常目标检测方法将取得更大的突破，为相关领域的研究和应用提供有力支持。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料，专业的咨询