基于特征的光學(xué)與SAR遙感圖像配準簡(jiǎn)介，目錄書(shū)摘
2019-11-20 14:11
來(lái)源：京東
作者：京東
基于特征的光學(xué)與SAR遙感圖像配準
暫無(wú)報價(jià)
40+評論
100%好評
編輯推薦:
內容簡(jiǎn)介: 《基于特征的光學(xué)與SAR遙感圖像配準》針對光學(xué)與SAR影像存在輻射、幾何差異，造成影像上缺乏可靠的同名特征，導致難以匹配等問(wèn)題，從多特征（幾何特征、視覺(jué)特征、灰度特征等）、多測度（改進(jìn)的SIFT匹配、形狀曲線(xiàn)、Voroni圖與譜圖結合的匹配等）、多層次（由粗到精的匹配策略）等方面，闡述了光學(xué)與SAR圖像配準的自動(dòng)和半自動(dòng)方法。
《基于特征的光學(xué)與SAR遙感圖像配準》可作為遙感圖像處理及相關(guān)學(xué)科的教材，也可作為各類(lèi)專(zhuān)業(yè)技術(shù)人員進(jìn)行科學(xué)研究、生產(chǎn)和管理等工作的參考書(shū)。
《基于特征的光學(xué)與SAR遙感圖像配準》可作為遙感圖像處理及相關(guān)學(xué)科的教材，也可作為各類(lèi)專(zhuān)業(yè)技術(shù)人員進(jìn)行科學(xué)研究、生產(chǎn)和管理等工作的參考書(shū)。
作者簡(jiǎn)介:
目錄:序
前言
第1章 緒論
1．1 研究背景及意義
1．2 遙感影像配準的國內外研究現狀
1．2．1 基于灰度的配準方法
1．2．2 基于特征的配準方法
1．3 現有問(wèn)題及發(fā)展趨勢
第2章 遙感圖像配準基本方法
2．1 圖像配準的原理
2．1．1 基本原理
2．1．2 常用的幾何變換模型
2．1．3 圖像配準方法的一般框架
2．2 典型的圖像配準方法
2．2．1 互信息法
2．2．2 交叉累積剩余熵法
2．2．3 尺度不變特征檢測與匹配算法（SIFT）
2．3 圖像配準評價(jià)準則
2．3．1 客觀(guān)評價(jià)準則
2．3．2 主觀(guān)評價(jià)標準
第3章 基于多尺度水平集的遙感圖像分割方法
3．1 水平集方法基本理論
3．2 基于多尺度CV模型的光學(xué)影像分割方法
3．2．1 基于單水平集CV模型的光學(xué)影像分割
3．2．2 基于多水平集模型的光學(xué)影像分割
3．3 基于統計模型的單水平集SAR影像分割方法
3．3．1 基于Gamma分布的多尺度單水平集分割模型
3．3．2 自適應的零水平集初始化方法
3．4 基于統計模型的非監督多層水平集SAR影像分割方法
3．4．1 基于Gamma模型的多層水平集分割模型
3．4．2 自適應的多水平層策略
3．5 實(shí)驗結果及分析
3．5．1 單水平集SAR影像分割
3．5．2 多層水平集SAR影像分割
3．5．3 多尺度水平集模型的光學(xué)影像分割
第4章 顧及馬爾可夫隨機場(chǎng)的線(xiàn)特征提取方法
4．1 遙感圖像邊緣檢測研究現狀及問(wèn)題
4．1．1 SAR影像邊緣特性
4．1．2 現有的邊緣檢測方法
4．1．3 閾值選擇方法研究
4．1．4 實(shí)驗與分析
4．2 基于貝葉斯決策和馬爾可夫隨機場(chǎng)的線(xiàn)特征優(yōu)化
4．2．1 馬爾可夫隨機場(chǎng)理論
4．2．2 線(xiàn)特征優(yōu)化的雙層馬爾可夫場(chǎng)模型
4．2．3 基于最小錯誤率的貝葉斯決策的線(xiàn)特征優(yōu)化
4．2．4 后驗能量最小化的優(yōu)化搜索算法
4．2．5 線(xiàn)檢測響應與方向的更新
4．2．6 實(shí)驗與分析
4．3 基于隨機Hou曲變換的直線(xiàn)目標提取
4．3．1 霍夫變換
4．3．2 隨機霍夫變換原理
4．3．3 利用直線(xiàn)方向信息的隨機霍夫變換
4．3．4 隨機霍夫變換在直線(xiàn)提取中的實(shí)驗與分析
第5章 逐步求精策略下的光學(xué)與SAR影像半自動(dòng)配準方法
5．1 直線(xiàn)特征提取與匹配
5．1．1 直線(xiàn)段提取
5．1．2 直線(xiàn)交點(diǎn)生成
5．1．3 直線(xiàn)段匹配
5．2 基于HOPC-NCC相似測度的影像精配準
5．2．1 均勻分布的特征點(diǎn)提取
5．2．2 HOPC-NCC相似測度
5．3 實(shí)驗結果及分析
5．3．1 實(shí)驗數據
5．3．2 實(shí)驗結果與分析
第6章 光學(xué)與SAR影像分割與配準一體化方法
6．1 基于迭代反饋的水平集分割與SIFT配準方法
6．1．1 改進(jìn)的SIFT算法
6．1．2 自適應參數調整與迭代策略
6．2 基于全局約束的三角網(wǎng)優(yōu)化配準方法
6．2．1 基于分割的配準方法存在的問(wèn)題
6．2．2 三角網(wǎng)優(yōu)化配準方法
6．3 誤差剔除
6．4 實(shí)驗及分析
6．4．1 實(shí)驗數據
6．4．2 配準結果及與其他方法比較
6．4．3 精度分析
第7章 迭代反饋的光學(xué)與SAR影像多尺度線(xiàn)特征自動(dòng)配準方法
7．1 自適應的參數調整與迭代策略
7．2 基于VSPM算法的光學(xué)與SAR影像配準
7．2．1 經(jīng)典的Shapiro和Brady譜圖匹配算法
7．2．2 結合Voronoi圖的譜圖匹配算法
7．3 基于KNN圖的誤差剔除
7．3．1 同名直線(xiàn)段判斷
7．3．2 基于KNN圖的差異點(diǎn)剔除
7．4 實(shí)驗與分析
7．4．1 實(shí)驗數據
7．4．2 配準結果及與其他方法的比較
第8章 基于視覺(jué)顯著(zhù)特征的快速粗配準方法
8．1 基于TW-Itti視覺(jué)注意模型的顯著(zhù)區域提取
8．1．1 經(jīng)典的Itti視覺(jué)注意模型
8．1．2 TW-Itti視覺(jué)注意模型
8．2 基于顯著(zhù)區域特征的影像粗配準
8．2．1 顯著(zhù)區域特征提取
8．2．2 基于形狀曲線(xiàn)的顯著(zhù)區域特征配準
8．3 基于顯著(zhù)結構特征的影像粗配準
8．4 實(shí)驗結果與分析
8．4．1 實(shí)驗數據
8．4．2 顯著(zhù)模型的比較
8．4．3 基于顯著(zhù)區域特征影像粗配準
8．4．4 基于顯著(zhù)結構特征的影像粗配準
參考文獻
前言
第1章 緒論
1．1 研究背景及意義
1．2 遙感影像配準的國內外研究現狀
1．2．1 基于灰度的配準方法
1．2．2 基于特征的配準方法
1．3 現有問(wèn)題及發(fā)展趨勢
第2章 遙感圖像配準基本方法
2．1 圖像配準的原理
2．1．1 基本原理
2．1．2 常用的幾何變換模型
2．1．3 圖像配準方法的一般框架
2．2 典型的圖像配準方法
2．2．1 互信息法
2．2．2 交叉累積剩余熵法
2．2．3 尺度不變特征檢測與匹配算法（SIFT）
2．3 圖像配準評價(jià)準則
2．3．1 客觀(guān)評價(jià)準則
2．3．2 主觀(guān)評價(jià)標準
第3章 基于多尺度水平集的遙感圖像分割方法
3．1 水平集方法基本理論
3．2 基于多尺度CV模型的光學(xué)影像分割方法
3．2．1 基于單水平集CV模型的光學(xué)影像分割
3．2．2 基于多水平集模型的光學(xué)影像分割
3．3 基于統計模型的單水平集SAR影像分割方法
3．3．1 基于Gamma分布的多尺度單水平集分割模型
3．3．2 自適應的零水平集初始化方法
3．4 基于統計模型的非監督多層水平集SAR影像分割方法
3．4．1 基于Gamma模型的多層水平集分割模型
3．4．2 自適應的多水平層策略
3．5 實(shí)驗結果及分析
3．5．1 單水平集SAR影像分割
3．5．2 多層水平集SAR影像分割
3．5．3 多尺度水平集模型的光學(xué)影像分割
第4章 顧及馬爾可夫隨機場(chǎng)的線(xiàn)特征提取方法
4．1 遙感圖像邊緣檢測研究現狀及問(wèn)題
4．1．1 SAR影像邊緣特性
4．1．2 現有的邊緣檢測方法
4．1．3 閾值選擇方法研究
4．1．4 實(shí)驗與分析
4．2 基于貝葉斯決策和馬爾可夫隨機場(chǎng)的線(xiàn)特征優(yōu)化
4．2．1 馬爾可夫隨機場(chǎng)理論
4．2．2 線(xiàn)特征優(yōu)化的雙層馬爾可夫場(chǎng)模型
4．2．3 基于最小錯誤率的貝葉斯決策的線(xiàn)特征優(yōu)化
4．2．4 后驗能量最小化的優(yōu)化搜索算法
4．2．5 線(xiàn)檢測響應與方向的更新
4．2．6 實(shí)驗與分析
4．3 基于隨機Hou曲變換的直線(xiàn)目標提取
4．3．1 霍夫變換
4．3．2 隨機霍夫變換原理
4．3．3 利用直線(xiàn)方向信息的隨機霍夫變換
4．3．4 隨機霍夫變換在直線(xiàn)提取中的實(shí)驗與分析
第5章 逐步求精策略下的光學(xué)與SAR影像半自動(dòng)配準方法
5．1 直線(xiàn)特征提取與匹配
5．1．1 直線(xiàn)段提取
5．1．2 直線(xiàn)交點(diǎn)生成
5．1．3 直線(xiàn)段匹配
5．2 基于HOPC-NCC相似測度的影像精配準
5．2．1 均勻分布的特征點(diǎn)提取
5．2．2 HOPC-NCC相似測度
5．3 實(shí)驗結果及分析
5．3．1 實(shí)驗數據
5．3．2 實(shí)驗結果與分析
第6章 光學(xué)與SAR影像分割與配準一體化方法
6．1 基于迭代反饋的水平集分割與SIFT配準方法
6．1．1 改進(jìn)的SIFT算法
6．1．2 自適應參數調整與迭代策略
6．2 基于全局約束的三角網(wǎng)優(yōu)化配準方法
6．2．1 基于分割的配準方法存在的問(wèn)題
6．2．2 三角網(wǎng)優(yōu)化配準方法
6．3 誤差剔除
6．4 實(shí)驗及分析
6．4．1 實(shí)驗數據
6．4．2 配準結果及與其他方法比較
6．4．3 精度分析
第7章 迭代反饋的光學(xué)與SAR影像多尺度線(xiàn)特征自動(dòng)配準方法
7．1 自適應的參數調整與迭代策略
7．2 基于VSPM算法的光學(xué)與SAR影像配準
7．2．1 經(jīng)典的Shapiro和Brady譜圖匹配算法
7．2．2 結合Voronoi圖的譜圖匹配算法
7．3 基于KNN圖的誤差剔除
7．3．1 同名直線(xiàn)段判斷
7．3．2 基于KNN圖的差異點(diǎn)剔除
7．4 實(shí)驗與分析
7．4．1 實(shí)驗數據
7．4．2 配準結果及與其他方法的比較
第8章 基于視覺(jué)顯著(zhù)特征的快速粗配準方法
8．1 基于TW-Itti視覺(jué)注意模型的顯著(zhù)區域提取
8．1．1 經(jīng)典的Itti視覺(jué)注意模型
8．1．2 TW-Itti視覺(jué)注意模型
8．2 基于顯著(zhù)區域特征的影像粗配準
8．2．1 顯著(zhù)區域特征提取
8．2．2 基于形狀曲線(xiàn)的顯著(zhù)區域特征配準
8．3 基于顯著(zhù)結構特征的影像粗配準
8．4 實(shí)驗結果與分析
8．4．1 實(shí)驗數據
8．4．2 顯著(zhù)模型的比較
8．4．3 基于顯著(zhù)區域特征影像粗配準
8．4．4 基于顯著(zhù)結構特征的影像粗配準
參考文獻
熱門(mén)推薦文章
相關(guān)優(yōu)評榜
1
杰士派
相關(guān)排行榜
相關(guān)產(chǎn)品
4
古爾古隆
8
拉曼光譜
10
吸塵器的結構
11
哲學(xué)相對論
14
高等統計物理
15
中外物理
16
物理光子學(xué)
17
等離子體物理原理
18
脈沖控制與同步
19
熱物理學(xué)
21
京公網(wǎng)安備 11000002000088號
