復雜地質環(huán)境遙感影像智能解譯理論與方法
復雜地質環(huán)境主要體現(xiàn)在景觀類型復雜、地形地貌復雜、地質背景復雜等方面。復雜地質環(huán)境遙感影像智能解譯對地理國情監(jiān)測、災害調查與監(jiān)測及軍事戰(zhàn)場環(huán)境分析與作戰(zhàn)等均具有重要的意義。本書首先介紹復雜地質環(huán)境場景的遙感影像特征、遙感影像分類尤其是遙感影像場景分類的相關研究基礎及遙感影像場景數(shù)據(jù)集，然后結合注意力、多尺度、深度學習、度量學習等理論與技術分別對不同類型的復雜地質環(huán)境遙感影像智能解譯展開研究。本書通過對理論、方法、模型、數(shù)據(jù)、實驗的詳細描述與分析，充分介紹當前復雜地質環(huán)境遙感影像智能解譯中的各種新理論與新方法。
更多科學出版社服務，請掃碼獲取。
目錄
第1章復雜地質環(huán)境遙感影像場景分類概述1
1.1遙感影像場景概念1
1.2遙感影像場景分類概念及難點分析2
1.2.1概念2
1.2.2難點分析2
1.3復雜地質環(huán)境遙感影像場景特征及應用3
1.4國內外研究進展4
1.4.1基于底層特征提取的遙感影像場景分類方法4
1.4.2基于中層特征提取的遙感影像場景分類方法4
1.4.3基于深度學習的遙感影像場景分類方法5
第2章遙感影像智能分類理論與關鍵問題8
2.1相關理論8
2.1.1卷積神經(jīng)網(wǎng)絡理論8
2.1.2主流卷積神經(jīng)網(wǎng)絡13
2.2精度評價方法17
2.3遙感影像智能分類關鍵問題19
第3章遙感影像場景數(shù)據(jù)集20
3.1公開的遙感影像場景數(shù)據(jù)集20
3.1.1UCM數(shù)據(jù)集20
3.1.2AID數(shù)據(jù)集21
3.1.3NWPU-RESISC45數(shù)據(jù)集21
3.2植被覆蓋區(qū)地貌遙感影像場景數(shù)據(jù)集制作22
3.2.1數(shù)據(jù)集制作區(qū)域基本情況22
3.2.2數(shù)據(jù)集地貌成因標簽解譯流程24
3.2.3數(shù)據(jù)集制作方法28
3.2.4數(shù)據(jù)集描述30
3.3山區(qū)景觀遙感影像場景數(shù)據(jù)集制作31
3.3.1數(shù)據(jù)區(qū)域及數(shù)據(jù)源31
3.3.2數(shù)據(jù)集制作流程32
3.3.3山區(qū)地理遙感影像場景數(shù)據(jù)集制作34
第4章基于注意力和多尺度特征融合的遙感影像場景分類35
4.1模型構建36
4.1.1多尺度特征融合網(wǎng)絡36
4.1.2通道注意力模塊38
4.1.3基于注意力和多尺度特征融合的遙感影像場景分類網(wǎng)絡39
4.2實驗設置40
4.3實驗結果與分析41
4.3.1UCM數(shù)據(jù)集實驗結果與分析41
4.3.2AID數(shù)據(jù)集實驗結果與分析43
4.3.3NWPU-RESISC45數(shù)據(jù)集實驗結果與分析44
第5章基于深度度量學習的遙感影像場景分類48
5.1模型構建49
5.1.1k最近鄰49
5.1.2近鄰成分分析49
5.1.3可擴展近鄰成分分析51
5.1.4基于深度度量學習的遙感影像場景分類網(wǎng)絡52
5.2實驗設置52
5.3實驗結果與分析53
5.3.1AID數(shù)據(jù)集實驗結果與分析53
5.3.2NWPU-RESISC45數(shù)據(jù)集實驗結果與分析55
第6章基于自適應學習的遙感影像場景分類59
6.1模型構建59
6.1.1多尺度密集連接網(wǎng)絡59
6.1.2基于自適應學習的遙感影像場景分類網(wǎng)絡62
6.2模型性能優(yōu)化63
6.2.1預算批分類63
6.2.2實時預測64
6.3實驗設置64
6.4實驗結果與分析65
6.4.1AID數(shù)據(jù)集實驗結果與分析65
6.4.2NWPU-RESISC45數(shù)據(jù)集實驗結果與分析67
6.4.3模型復雜度及輕量級分析68
6.4.4預算批分類設置下實驗結果與分析69
6.4.5實時預測設置下實驗結果與分析70
6.4.6預測可視化分析70
第7章基于特征通道注意力的遙感影像場景分類72
7.1模型構建73
7.1.1密集連接網(wǎng)絡73
7.1.2基于標簽平滑的損失函數(shù)74
7.1.3基于特征通道注意力的遙感影像場景分類網(wǎng)絡75
7.2實驗設置76
7.3實驗結果與分析76
7.3.1山區(qū)遙感影像場景數(shù)據(jù)集實驗結果與分析76
7.3.2UCM數(shù)據(jù)集實驗結果與分析77
7.3.3AID數(shù)據(jù)集實驗結果與分析79
7.3.4NWPU-RESISC45數(shù)據(jù)集實驗結果與分析80
7.4實驗討論83
7.4.1特征通道注意力機制的熱力圖可視化83
7.4.2FCA網(wǎng)絡的消融實驗84
第8章基于全局上下文信息的遙感影像場景分類85
8.1模型構建85
8.1.1基于Mixup的對抗性數(shù)據(jù)增強85
8.1.2基于全局上下文空間注意力的遙感影像場景分類網(wǎng)絡設計86
8.2實驗設置89
8.3實驗結果與分析90
8.3.1山區(qū)遙感影像場景數(shù)據(jù)集實驗結果與分析90
8.3.2UCM數(shù)據(jù)集實驗結果與分析91
8.3.3AID數(shù)據(jù)集實驗結果與分析92
8.3.4NWPU-RESISC45數(shù)據(jù)集實驗結果與分析95
8.4實驗討論96
8.4.1山區(qū)遙感影像場景數(shù)據(jù)集的預測結果96
8.4.2GCSA網(wǎng)絡的消融實驗97
第9章地貌遙感影像場景智能分類98
9.1地貌遙感影像場景分類概述98
9.2基于多模態(tài)深度學習網(wǎng)絡的地貌遙感影像場景分類100
第10章礦山開發(fā)占地類型遙感影像智能分類105
10.1模型構建106
10.1.1總體技術路線106
10.1.2模型構建過程109
10.2實驗結果與分析114
10.2.1基于多尺度思想的多流卷積神經(jīng)網(wǎng)絡分類114
10.2.2基于深度置信網(wǎng)絡的多尺度特征融合的多層次分類116
10.3實驗討論119
10.3.1與可變形卷積神經(jīng)網(wǎng)絡的比較分析119
10.3.2最優(yōu)模型的全研究區(qū)制圖及分析120
參考文獻122
書單推薦
