基于深度神经网络的遥感图像分割电子书

封面页

书名页

版权页

内容简介

前言

目录

第1章　绪论

1.1　引言

1.2　高分辨率遥感图像

1.3　高分辨率遥感图像目标分割的关键问题

1.3.1　高分辨率遥感图像特定目标分割问题的描述

1.3.2　高分辨率遥感图像目标分割的挑战性问题

1.4　遥感图像目标分割方法概述

1.4.1　传统的遥感图像目标分割方法

1.4.2　基于学习的遥感图像目标分割方法

1.4.3　基于深度神经网络的遥感图像目标分割方法

1.5　本书的内容及组织

参考文献

第2章　主动轮廓模型在遥感图像分割中的应用

2.1　CV主动轮廓模型

2.1.1　主动轮廓模型封闭曲线进化原理

2.1.2　CV模型的水平集进化方法

2.1.3　CV主动轮廓模型的实现

2.2　遥感图像的特性表示

2.2.1　灰度共生矩阵

2.2.2　纹理特征

2.2.3　灰度共生矩阵纹理特征实现

2.3　局部图像熵主动轮廓模型

2.3.1　遥感图像的熵

2.3.2　局部图像熵能量泛函

2.3.3　局部图像熵主动轮廓模型的实现

2.4　全局图像熵主动轮廓模型

2.4.1　全局图像熵能量泛函

2.4.2　全局图像熵进化原理

2.4.3　全局图像熵主动轮廓模型的实现

2.5　遥感图像水域分割对比实验

2.5.1　性能评价指标

2.5.2　实验及结果分析

2.6　本章小结

2.7　附录：K-means水域分割程序

参考文献

第3章　深度神经网络基础

3.1　人工神经网络

3.2　神经网络的训练

3.3　深度神经网络

3.3.1　深度神经网络的基本要素

3.3.2　深度神经网络的结构

3.3.3　优化性能指标

3.4　深度神经网络的TensorFlow实现

3.5　本章小结

参考文献

第4章　全卷积神经网络建筑物语义分割

4.1　全卷积深度神经网络

4.1.1　全卷积

4.1.2　反卷积

4.2　VGG全卷积神经网络

4.2.1　VGG的卷积层

4.2.2　全卷积层

4.2.3　反卷积层

4.3　遥感图像建筑物分割

4.3.1　实验数据资源

4.3.2　实验平台

4.3.3　数据预处理及结果评价指标

4.3.4　IAILD数据集制作及管理

4.3.5　VGG全卷积神经网络的实现

4.3.6　实验及结果分析

4.4　本章小结

参考文献

第5章　Encoder-Decoder网络建筑物分割

5.1　Encoder-Decoder深度神经网络语义分割架构

5.2　ResNet构建Encoder

5.2.1　ResNet的基本结构

5.2.2　ResNet的前馈通道

5.3　Decoder构建与建筑物分割

5.4　批量规范化技术

5.4.1　卷积神经网络输出的数据特征

5.4.2　批量规范化原理

5.5　基于ResNet的Encoder-Decoder

5.5.1　ResNet模型

5.5.2　TensorFlow图及运行文件

5.6　实验及结果分析

5.7　本章小结

参考文献

第6章　条件随机场深度神经网络建筑物分割

6.1　条件随机场

6.1.1　概率无向图模型

6.1.2　条件随机场

6.2　深度神经网络与条件随机场建筑物分割

6.2.1　整体架构

6.2.2　全连接条件随机场模型

6.3　基于Encoder-Decoder的一元势函数值估计

6.3.1　ResNet的Encoder结构

6.3.2　ResNet的Decoder结构

6.4　成对势函数的均值场估计

6.4.1　成对势函数的构建

6.4.2　条件概率的均值场逼近

6.4.3　均值场算法的RNN实现机制

6.5　条件随机场深度神经网络建筑物分割的实现

6.5.1　条件随机场的实现

6.5.2　条件随机场深度神经网络的实现

6.6　实验及结果分析

6.6.1　分割对比实验

6.6.2　复杂建筑物分割对比实验

6.6.3　多分辨率遥感图像分割实验

6.7　本章小结

参考文献