高分辨率遙感影像場景智能理解

目錄
第1章 緒論　1
1.1 國內外研究進展　1
1.2 本書的研究內容　4
第2章 多特征自動分級聚合引導的快速遙感影像場景標記　5
2.1 概述　5
2.2 研究方法　6
2.2.1 遙感影像的多特征表達　7
2.2.2 基于分層相似性擴散的樣本自動聚合　9
2.2.3 基于樣本庫自動聚合的關鍵樣本自動挑選　11
2.3 實驗結果與分析　11
2.3.1 實驗數(shù)據(jù)集與評價指標　11
2.3.2 重要參數(shù)的敏感性分析　12
2.3.3 分層擴散的有效性分析　14
2.3.4 與已有方法的對比分析　14
2.4 本章小結　16
第3章 基于單模態(tài)深度哈希網(wǎng)絡的同源遙感影像場景檢索　17
3.1 概述　17
3.2 研究方法　17
3.2.1 單模態(tài)深度哈希網(wǎng)絡優(yōu)化　17
3.2.2 基于單模態(tài)深度哈希網(wǎng)絡的同源遙感影像場景檢索算法　20
3.3 實驗結果與分析　21
3.3.1 實驗設置與評價指標　21
3.3.2 基于有限標記樣本數(shù)據(jù)集的實驗結果分析　21
3.3.3 基于充足標記樣本數(shù)據(jù)集的實驗結果分析　26
3.4 本章小結　29
第4章 基于跨模態(tài)深度哈希網(wǎng)絡的跨源遙感影像場景檢索　31
4.1 概述　31
4.2 研究方法　31
4.2.1 跨模態(tài)深度哈希網(wǎng)絡優(yōu)化　32
4.2.2 基于跨模態(tài)深度哈希網(wǎng)絡的跨源遙感影像場景檢索算法　34
4.3 實驗結果與分析　35
4.3.1 實驗數(shù)據(jù)集與評價指標　35
4.3.2 約束項的有效性分析　35
4.3.3 重要參數(shù)的敏感性分析　37
4.3.4 目標函數(shù)的收斂性分析　38
4.3.5 與已有方法的對比分析　40
4.4 本章小結　43
第5章 基于容錯性深度學習的遙感影像場景分類　45
5.1 概述　45
5.2 研究方法　46
5.2.1 多特征協(xié)同表示分類器　46
5.2.2 面向遙感影像場景分類的容錯性深度學習方法　50
5.2.3 基于噪聲標簽的遙感影像場景分類網(wǎng)絡優(yōu)化　52
5.3 實驗結果與分析　53
5.3.1 實驗數(shù)據(jù)集與評價指標　53
5.3.2 在仿真噪聲數(shù)據(jù)集上的實驗結果分析　54
5.3.3 在真實噪聲數(shù)據(jù)集上的實驗結果分析　57
5.4 本章小結　59
第6章 知識圖譜表示學習驅動零樣本遙感影像場景分類　60
6.1 概述　60
6.2 研究方法　61
6.2.1 知識圖譜的構建　61
6.2.2 知識圖譜的表示學習　67
6.2.3 零樣本遙感影像場景分類　70
6.3 實驗結果與分析　73
6.3.1 實驗數(shù)據(jù)集與評價指標　73
6.3.2 重要參數(shù)的敏感性分析　74
6.3.3 與已有方法的對比分析　75
6.4 本章小結　78
第7章 基于場景標簽約束深度學習的遙感影像目標檢測　79
7.1 概述　79
7.2 研究方法　79
7.2.1 基于場景級標簽監(jiān)督的深度網(wǎng)絡優(yōu)化　80
7.2.2 基于深度網(wǎng)絡的多類別遙感影像目標檢測　81
7.3 實驗結果與分析　83
7.3.1 實驗數(shù)據(jù)集與評價指標　83
7.3.2 類激活圖的可視化結果分析　84
7.3.3 重要參數(shù)的敏感性分析　85
7.3.4 與已有方法的對比分析　87
7.4 本章小結　88
第8章 聯(lián)合深度學習和知識推理的遙感影像場景語義分割　89
8.1 概述　89
8.2 研究方法　89
8.2.1 推理單元的建立　90
8.2.2 地學知識的推理　91
8.2.3 深度語義分割網(wǎng)絡的優(yōu)化方法　94
8.3 實驗結果與分析　95
8.3.1 實驗數(shù)據(jù)集與評價指標　95
8.3.2 重要參數(shù)的敏感性分析　95
8.3.3 中間過程的可視化結果分析　96
8.3.4 與已有方法的對比分析　98
8.4 本章小結　100
第9章 知識圖譜引導的大幅面遙感影像場景圖生成　102
9.1 概述　102
9.2 研究方法　103
9.2.1 知識圖譜引導的目標關系搜索優(yōu)選　104
9.2.2 知識圖譜引導的目標關系預測　104
9.3 實驗結果與分析　105
9.3.1 實驗數(shù)據(jù)集與評價指標　105
9.3.2 重要參數(shù)的敏感性分析　106
9.3.3 與已有方法的對比分析　107
9.4 本章小結　108
第10章 總結與展望　109
10.1 總結　109
10.2 展望　109
參考文獻　110