| | | 合成孔徑雷達圖像智能解譯 | 該商品所屬分類:圖書 -> 冶金、地質 | 【市場價】 | 1721-2496元 | 【優惠價】 | 1076-1560元 | 【作者】 | 徐豐王海鵬金亞秋 | 【出版社】 | 科學出版社 | 【ISBN】 | 9787030659910 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
出版社:科學出版社 ISBN:9787030659910 商品編碼:10023650481274 品牌:文軒 出版時間:2020-09-01 代碼:198 作者:徐豐,王海鵬,金亞秋
" 作 者:徐豐,王海鵬,金亞秋 著 定 價:198 出 版 社:科學出版社 出版日期:2020年09月01日 頁 數:476 裝 幀:精裝 ISBN:9787030659910 ●目錄 叢書序 前言 第1章 緒論 1 1.1 SAR信息獲取 2 1.2 深度學習技術 9 1.3 SAR智能解譯與微波視覺 15 參考文獻 21 第2章 SAR圖像解譯基礎 27 2.1 SAR成像原理 27 2.1.1 雷達測距與脈衝壓縮技術 27 2.1.2 合成孔徑與方位向壓縮 28 2.2 SAR極化信息 34 2.2.1 極化電磁波 34 2.2.2 接近極化波與相干散射 36 2.2.3 部分極化波與非相干散射 37 2.2.4 雷達極化測量 40 2.2.5 目標分解與地表分類 46 2.3 SAR圖像統計模型 55 2.3.1 Rayleigh相干斑模型 55 2.3.2 乘積模型 56 2.3.3 SAR圖像統計模型 57 2.4 SAR圖像處理方法 59 2.4.1 SAR圖像濾波 59 2.4.2 SAR圖像目標檢測與識別 65 2.4.3 SAR圖像分割與分類 66 參考文獻 68 第3章 深度學習基礎 70 3.1 人工神經網絡 70 3.1.1模型 70 3.1.2 神經網絡模型 72 3.1.3 神經網絡學習 77 3.1.4 神經網絡的訓練技巧 80 3.2 深度神經網絡 85 3.2.1 深度卷積網絡 85 3.2.2 深度循環網絡 88 3.3 計算機視覺 91 3.3.1 圖像分類 91 3.3.2 目標檢測 94 3.3.3 圖像分割 96 參考文獻 99 第4章 SAR地面目標智能識別 102 4.1 全卷積網絡(AConvNets) 102 4.2 網絡的訓練方式 107 4.3 車輛目標檢測與識別 109 4.4 飛機目標檢測與識別 120 4.5 小波散狀網絡 129 附錄 實例代碼——AConvNets目標分類 137 參考文獻 140 第5章 SAR海面目標智能識別 143 5.1 SAR海面目標識別現狀 143 5.2 全球海陸數據庫輔助的精細海陸分割 145 5.3 復雜海陸環境中的船舶目標檢測 157 5.4 SAR-AIS船舶目標數據庫 168 5.5 SAR船舶目標鋻別與識別 175 參考文獻 180 第6章 少樣本SAR目標識別 183 6.1 SAR目標表征空間與少樣本學習 183 6.2 電磁仿真數據輔助的少樣本學習 194 6.3 自動對抗編碼器與少樣本學習 201 附錄 實例代碼——零樣本目標識別 214 參考文獻 217 第7章 極化SAR地表分類 219 7.1 基於實數卷積網絡的地表分類 219 7.2 地表分類網絡的普適性 229 7.3 復數卷積網絡(CV-CNN) 234 7.4 基於復數卷積網絡的地表分類 243 附錄 實例代碼——復數卷積網絡(CV-CNN) 255 參考文獻 260 第8章 多極化SAR圖像重構 262 8.1 多極化SAR 262 8.2 稀疏重構全極化SAR圖像 265 8.3 基於深度學習的極化SAR圖像重構 278 附錄 實例代碼——SAR圖像上色網絡(colorization-nets) 293 參考文獻 297 第9章 極化SAR因子分解 300 9.1 極化SAR因子分解理論 300 9.2 極化SAR因子分解算法 306 9.3 實驗驗證與結果分析 310 附錄 實例代碼——極化SAR因子分解 320 參考文獻 322 第10章 極化干涉SAR植被參數反演 324 10.1 極化干涉SAR樹高反演 324 10.2 極化干涉SAR繫統參數 329 10.3 極化干涉SAR誤差模型 331 10.4 CV-CNN樹高反演 349 附錄 實例代碼——CV-CNN極化干涉SAR樹高反演 358 參考文獻 362 第11章 SAR相干斑仿真與濾波網絡 364 11.1 相干斑仿真 364 11.2 相干斑濾波網絡 375 11.3 仿真與實驗 383 附錄 實例代碼——去相干斑網絡(Despeckling-NN) 399 參考文獻 406 第12章 虛擬場景重建與SAR圖像仿真 409 12.1 場景重建 409 12.2 光學遙感影像地表分類 412 12.3 光學遙感影像對建築物的重構 420 12.4 虛擬城市三維場景重建 423 12.5 SAR圖像仿真 427 參考文獻 430 第13章 SAR與光學圖像互譯 433 13.1 SAR和光學圖像的互譯 433 13.2 雙向翻譯網絡 436 13.3 實驗分析 442 附錄 實例代碼——級聯殘差對抗網絡(CRAN) 456 參考文獻 461 本書總結了作者近5年來在合成孔徑雷達(SAR)圖像智能解譯方面的研究成果。本書共分13章。第1~3章主要介紹SAR圖像解譯的研究背景和現狀、深度學習新技術的發展以及深度學習基本原理。第4~6章主要介紹基於深度學習技術的SAR圖像智能目標識別研究,包括地面目標識別、海面目標識別以及目標特征表征學習等。第7~10章介紹極化SAR圖像的智能解譯技術研究,包括基於深度學習的極化SAR地表分類、多極化SAR圖像重構、極化SAR圖像因子分解以及極化干涉SAR植被參數反演。第11章介紹SAR圖像統計建模和基於深度學習的SAR相干斑濾波。第12章介紹基於深度學習的虛擬場景重建。第13章介紹基於深度學習的SAR圖像與光學圖像相互翻譯。主要章節均附有實例代碼。
" | | | | | |