基于统计的深空遥感数据智能解译
全新正版 假一赔十 可开发票
￥ 63.58 7.2折 ￥ 88 全新
库存8件
北京东城
认证卖家担保交易快速发货售后保障
作者郑晨
出版社科学出版社
ISBN9787030776709
出版时间2024-03
装帧平装
开本其他
定价88元
货号1203234208
上书时间2024-10-26
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录
前言
第一部分 基础理论篇
第1章 绪论 3
1.1 研究背景与数据基础 3
1.2 深空遥感数据特点 6
1.3 关键问题 8
1.4 具体研究内容 8
第2章 聚类表示与地貌识别的基础知识 12
2.1 聚类的概念 12
2.2 深空影像数据聚类识别方法的研究现状.13
2.2.1 人工识别 13
2.2.2 基于地形信息的分析算法 14
2.2.3 机器学习方法 17
2.3 聚类相关基础知识 19
第二部分 基于经典统计方法的深空数据解译篇
第3章 基于嫦娥三号极紫外影像的地心定标 27
3.1 任务背景与极紫外数据介绍 27
3.2 极紫外数据特征分析 30
3.3 圆形差分方法 33
3.4 地心定标结果 37
3.5 结论 42
附录 388幅发布的EUV影像的初步地心定标结果 42
第4章 基于嫦娥二号影像数据的Toutatis小行星(4179)的形貌探索 46
4.1 Toutatis小行星介绍 46
4.2 基于梯度分析与区域约束的形貌自动判读 48
4.2.1 梯度分析提取形貌种子点 48
4.2.2 基于区域约束的形貌单元自动标识.51
4.2.3 实验分析 53
4.2.4 自动提取方法的相关结论 55
4.3 基于Toutatis影像数据的增强技术及形貌的分层分类分析 55
4.3.1 分层分类分析方法 56
4.3.2 分层分类结果与分析 59
4.3.3 分层分类方法讨论 65
4.4 结论 66
第5章 基于随机场的影像低对比度区域形貌分析 67
5.1 基于马尔可夫随机场模型的聚类方法 67
5.2 冯？卡门撞击坑形貌分析 73
5.2.1 实验数据 74
5.2.2 实验结果 75
5.2.3 结论分析 84
5.3 小天体形貌分析 84
5.3.1 实验分析 86
5.3.2 形貌判读 88
5.3.3 讨论分析 91
第三部分 基于深度学习方法的深空数据解译篇
第6章 深度学习基本理论知识 95
6.1 CNN介绍 95
6.1.1 CNN发展历史 95
6.1.2 CNN基本概念 95
6.1.3 基于CNN的深层神经网络介绍 116
6.2 深度神经网络的应用 119
6.2.1 常见的影像语义分割模型 120
6.2.2 常用的目标检测模型 122
6.3 深度学习常用的评价指标介绍.125
第7章 基于深度学习的撞击坑判读 128
7.1 引言 128
7.2 研究基础 128
7.2.1 研究数据类型及来源 128
7.2.2 撞击坑目录 130
7.3 深度学习在撞击坑识别中的发展 130
7.3.1 撞击坑识别中的问题 130
7.3.2 撞击坑识别算法步骤 132
7.3.3 撞击坑识别算法效果对比 135
7.4 经典语义分割网络实验介绍——以UNet为例 136
7.4.1 数据集准备 136
7.4.2 实验流程介绍 139
7.4.3 实验结果分析 140
7.4.4 部分实验Python代码 142
参考文献 149
内容摘要
近几十年来，不断开展的太空探测活动使我们能够近距离地观测如月球、火星、小行星等天体，特别是我国开展的嫦娥系列探月工程，为人类获取了大量珍贵的深空遥感影像数据。但是，基于人工的影像数据判读不仅要面临复杂的深空环境，而且也难以满足海量数据的解译需求。这造成了深空遥感数据的资源浪费，还了影像数据在天文研究中的进一步应用。 影像处理和人工智能技术近年来的迅猛发展，为深空遥感影像数据解译带来了新的机遇。因此，本书采用以统计分析为主的影像处理技术，针对深空遥感影像的特点，研究了嫦娥系列任务获取的影像数据的信息提取与解译问题。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价