遥感图像智能检索技术

图书标准信息

• 作者 程起敏 著
• 出版社 武汉大学出版社
• 出版时间 2021-03
• 版次 1
• ISBN 9787307221390
• 定价 90.00元
• 装帧 平装
• 开本 其他
• 页数 271页
• 字数 0.426千字

【内容简介】

遥感大数据的智能检索既是科学研究的前沿，也是遥感领域各类应用提出的迫切需求。本书作者在遥感图像处理和分析领域已有多年的研究积累，本书围绕遥感图像智能检索技术的核心理论方法（遥感图像深度特征提取、深度度量学习模型、深度哈希、分布式深度学习、遥感图像描述生成等）进行系统性阐述，并给出实际应用案例，为遥感图像的智能化信息提取和知识挖掘提供理论方法指导和科学工具支撑。本书既注重理论分析，又注重实验验证，图文并茂，可读性强；既可作为遥感领域及信息处理领域相关专业方向的研究生或高年级本科生的教材或参考书，也可作为相关工程技术人员与研究人员的参考用书。

【作者简介】

程起敏，女，华中科技大学副教授，中国科学院遥感所理学博士。主要研究方向包括深度学习、计算机视觉、高分辨率遥感图像处理和分析等。承担和参与包括重点研发计划和国家自然科学基金在内的多项科研项目，在国内外学术期刊和靠前会议公开发表多篇学术论文，已出版专著《遥感图像检索技术》（武汉大学出版社）。

【目录】

第1章  绪论
  1.1  遥感大数据时代图像检索的意义
  1.2  遥感图像检索技术的起源和发展
    1.2.1  从文本到内容
    1.2.2  从传统到智能
    1.2.3  大数据时代遥感图像检索的智能化体现
  1.3  遥感图像智能检索的关键技术
    1.3.1  遥感图像内容的多层次表达模型
    1.3.2  基于深度度量学习的遥感图像智能检索
    1.3.3  遥感大数据的多模态学习和跨模态检索
    1.3.4  基于深度哈希的遥感图像智能检索
    1.3.5  分布式环境下的大规模遥感图像智能检索
第2章  遥感图像检索基础理论和体系架构
  2.1  图像检索的理论基础
    2.1.1  检索行为、内容和相似性
    2.1.2  图像内容的多层次表达模型
  2.2  图像检索系统体系架构
    2.2.1  图像特征提取
    2.2.2  相似性度量
    2.2.3  相关反馈
    2.2.4  图像检索性能评价指标
  2.3  标准遥感图像数据集
  2.4  典型遥感图像检索系统
第3章  基于人工设计特征的遥感图像检索
  3.1  人工设计的视觉特征描述子
  3.2  基于全局特征的遥感图像检索
    3.2.1  基于光谱特征的遥感图像检索
    3.2.2  基于纹理特征的遥感图像检索
    3.2.3  基于形状特征的遥感图像检索
    3.2.4  基于空间关系的遥感图像检索
  3.3  基于局部特征的遥感图像检索
    3.3.1  基于LBP特征的遥感图像检索
    3.3.2  基于SIFT特征的遥感图像检索
    3.3.3  基于BoVW特征的遥感图像检索
第4章  基于学习特征的遥感图像智能检索
  4.1  人工神经网络模型和算法
    4.1.1  神经元模型
    4.1.2  感知器和多层神经网络
    4.1.3  反向传播算法
  4.2  基于无监督特征学习的遥感图像检索
    4.2.1  稀疏编码模型
    4.2.2  自编码器网络
    4.2.3  基于浅层网络的遥感图像检索
  4.3  基于深层神经网络的遥感图像检索
    4.3.1  卷积神经网络结构
    4.3.2  经典的卷积神经网络
    4.3.3  影响深层神经网络遥感图像检索性能的主要因素
    4.3.4  基于卷积神经网络的遥感图像检索系统设计与买现
第5章  基于度量学习的遥感图像智能检索
  5.1  度量学习模型
    5.1.1  度量空间和度量函数
    5.1.2  度量学习问题的本质和难点
    5.1.3  基于马氏距离的度量学习
  5.2  传统的度量学习模型
    5.2.1  传统的度量学习模型分类
    5.2.2  典型的传统度量学习模型
  5.3  基于深度度量学习模型的遥感图像智能检索
    5.3.1  深度度量学习模型
    5.3.2  影响深度度量学习模型性能的主要因素
    5.3.3  基于深度度量学习的遥感图像检索系统设计与实现
第6章  分布式环境下的遥感图像智能检索
  6.1  分布式平台及分布式深度学习框架
    6.1.1  Hacloop平台
    6.1.2  spark计算引擎
    6.1.3  分布式深度学习框架BigDL
  6.2  大规模遥感图像的数据组织和管理
    6.2.1  基于规则区域的遥感图像分块组织策略
    6.2.2  基于同质区域的遥感图像分割算法
    6.2.3  基于目标检测的遥感图像数据管理
  6.3  基于分布式平台的遥感图像数据存储及处理
    6.3.1  基于HDFS的遥感图像及特征分布式存储
    6.3.2  基于MapReduce／Spark的遥感数据并行处理
    6.3.3  基于BigDL的分布式深度学习训练算法
  6.4  分布式环境下的遥感图像检索系统的设计与实现
第7章  基于哈希学习的遥感图像智能检索
  7.1  基于哈希的最近邻搜索概述
    7.1.1  最近邻搜索和近似最近邻搜索
    7.1.2  哈希和基于二值哈希的近似最近邻搜索
    7.1.3  量化和基于量化的近似最近邻搜索
  7.2  哈希方法分类
    7.2.1  数据独立哈希方法和数据依赖哈希方法
    7.2.2  基于投影.量化的哈希编码和深度哈希学习
    7.2.3  哈希排序方法
  7.3  基于深度哈希的遥感图像智能检索
    7.3.1  基于哈希学习的遥感图像检索研究进展
    7.3.2  基于语义排序哈希的遥感图像检索
    7.3.3  基于深度监督哈希的遥感图像检索
    7.3.4  基于二进制哈希码的遥感图像检索
    7.3.5  基于语义保持深度哈希网络的遥感图像检索
第8章  基于图像描述生成的遥感图像智能检索
  8.1  图像描述生成概述
    8.1.1  图像描述生成的起源及发展
    8.1.2  数据集及性能评价
  8.2  基于传统方法的图像描述生成
    8.2.1  基于模板的方法
    8.2.2  基于检索的方法
  8.3  基于深度学习的图像描述生成方法
    8.3.1  基于深度学习的图像描述生成方法的分类
    8.3.2  基于编.解码架构的图像描述生成
    8.3.3  基于多模态机器学习的图像描述生成
    8.3.4  基于注意力机制的图像描述生成
    8.3.5  基于生成对抗网络的图像描述生成
  8.4  基于深度学习的遥感图像描述生成
    8.4.1  难点及研究现状
    8.4.2  遥感图像描述生成标准数据集
    8.4.3  基于多尺度和上下文注意力机制的遥感图像描述生成
  8.5  基于图像描述生成的遥感图像检索系统设计与 

内容摘要
 本书是作者在遥感图像处理和分析领域多年的研究积累，围绕遥感图像智能检
索技术的核心理论方法：包括遥感图像深度特征提取、
深度度量学习模型、深度哈希、分布式深度学习、遥感
图像描述生成等方面进行了系统性阐述，并结合实际应用案例，为遥感图像的智能化信息提取和知识挖掘提供了理论方法指导和科学工具支撑。本书既注重理论分析，又注重实验验证，图文并茂，可读性强。本书既可作为遥感领域及信息处理领域
相关专业方向的研究生或高年级本科生的教材或参考书，也可作为感兴趣工程技术人员与研究人员的参考用书。