机读格式显示(MARC)

• 000 02158nam 2200301 450

• 001 0000373913

• 005 20210713093300.0

• 010 __ |a 978-7-5635-6037-0 |d CNY38.00

• 100 __ |a 20200721d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 曲波特征加权遥感图像统计分割原理与方法 |A qu bo te zheng jia quan yao gan tu xiang tong ji fen ge yuan li yu fang fa |f 王玉 ... [等] 编著

• 210 __ |a 北京 |c 北京邮电大学出版社 |d 2020

• 215 __ |a 183页 |c 图 |d 26cm

• 225 2_ |a 遥感科学与技术丛书 |A yao gan ke xue yu ji shu cong shu

• 304 __ |a 题名页题: 王玉, 周国清, 刘立龙, 李猛猛编著

• 320 __ |a 有书目 (第166-177页)

• 330 __ |a 本书以多尺度分析与统计建模相结合的高分辨率遥感图像分割方法理论与实践为主线, 重点阐述贝叶斯框架下和能量框架下的特征加权分割模型、光谱特征分割模型和无权重特征分割模型以及各类分割模型的最优分割解, 并对每类分割问题给出相应的高分辨率遥感图像分割实例, 以体现其分割模型的有效性和实用性。针对上述内容, 本书共5章, 涉及高分辨率遥感图像分割问题、基础理论、关键技术和应用范例, 具体的章节安排如下。第1章介绍了星载高分辨率遥感卫星的技术发展, 论述了高分辨率遥感图像的特点及其分割问题, 并根据高分辨率遥感图像的特征综述了目前高分辨率遥感图像的分割方法。第2章介绍了本书涉及的基础理论知识, 包括多尺度分析理论中的小波变换和曲波变换、特征选择中的过滤方法和封装方法、统计建模中的贝叶斯定理和能量函数、统计模拟中的MC方法和MCMC方法等。第3章重点围绕高分辨率遥感图像中光谱、纹理和边缘这3个基本特征的提取方法进行展开, 并对各方法给出相应的高分辨率遥感图像特征提取实例。第4章从建立高分辨率遥感图像分割模型的贝叶斯定理视角出发, 重点讨论了结合多尺度分析的特征加权分割方法、基于光谱特征的分割方法和无权重特征分割方法。第5章介绍了能量函数框架下基于多尺度分析的特征加权分割方法、基于光谱特征的分割方法和基于多尺度分析的无权重特征分割方法, 并对比分析了特征和特征权重在高分辨率遥感图像分割中的作用。

• 410 _0 |1 2001 |a 遥感科学与技术丛书

• 606 0_ |a 遥感图象 |A yao gan tu xiang |x 图象分割

• 690 __ |a TP751 |v 5

• 701 _0 |a 王玉 |A wang yu |4 编著

• 701 _0 |a 周国清 |A zhou guo qing |4 编著

• 701 _0 |a 刘立龙 |A liu li long |4 编著

• 801 _0 |a CN |b AUSTL |c 20210713

• 905 __ |a AUSTL |d TP751/W934