海洋智能感知：基于計算機視覺的新技術(shù)與應(yīng)用

定　價：￥120.00

作　者：	宋巍, 賀琪, 杜艷玲
出版社：	上?？茖W(xué)技術(shù)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥98.20)

ISBN：	9787547862438	出版時間：	2023-07-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書基于上海海洋大學(xué)“數(shù)字海洋研究所”相關(guān)科研積累，重點考慮了計算機視覺技術(shù)在海洋智能感知中數(shù)據(jù)分析方面的創(chuàng)新與應(yīng)用。本書從空中衛(wèi)星遙感影像、岸基視頻分析、水下光學(xué)圖像，以及大數(shù)據(jù)可視分析四個方面，詳細闡述了海洋領(lǐng)域的計算機視覺關(guān)鍵技術(shù)，并通過海洋渦旋、海洋鋒、海浪要素檢測、水下機器視覺增強、多視圖海洋異常模式挖掘等具體應(yīng)用案例闡明了計算機視覺技術(shù)的應(yīng)用潛力。本書內(nèi)容有助于推進人工智能與智慧海洋交叉領(lǐng)域的研究，加速智能技術(shù)在海洋領(lǐng)域的應(yīng)用創(chuàng)新，助力海洋科技發(fā)展。

作者簡介

　　宋巍，教授，澳大利亞昆士蘭科技大學(xué)博士，上海市“東方學(xué)者”特聘教授；澳大利亞格里菲斯大學(xué)客座研究員，ACM和IEEE會員；發(fā)表學(xué)術(shù)論文40余篇（SCI檢索15篇，CCF推薦A/B/C類15篇）；英文專著一部，Information Fusion、IEEE Access等國際期刊評審。近年來致力于海洋信息交叉學(xué)科研究，在基于海洋大數(shù)據(jù)的海洋現(xiàn)象識別、海冰識別、水下圖像增強等方向取得最新成果，發(fā)表多篇國內(nèi)外重要期刊和會議論文，包括：IEEE Trans. Broadcasting、Information Fusion、Remote Sensing、模式識別與人工智能、中國計算機協(xié)會CCF推薦重要國際會議ICDM2018、MMM2018、PCM2018等；目前承擔(dān)國家自然科學(xué)基金項目2項和上海省部級項目1項；與荷蘭、澳大利亞、意大利等大學(xué)教授共建“智能感知國際合作實驗室”。賀琪，副教授，碩士生導(dǎo)師，復(fù)旦大學(xué)計算機軟件與理論博士，中國計算機學(xué)會（CCF）會員代表。主要研究方向包括：遙感影像分類，海洋大數(shù)據(jù)分析及可視計算等。近年在多模態(tài)海洋遙感影像分類、海洋時序數(shù)據(jù)分析等方面取得新的成果，發(fā)表在《Compters，Materials & Continua》《計算機研究與發(fā)展》等期刊，以及APWeb（CCF C類）和IJCNN（CCF C類）等國際會議上；作為主要參與人，參與國家重點研發(fā)計劃項目、國家自然基金面上項目；獲得上海市教學(xué)成果獎二等獎1項，浦東新區(qū)科技進步獎一等獎1項、二等獎1項。杜艷玲，國家海洋局東海預(yù)報中心博士后，主要從事遙感影像分類與識別，海洋中尺度渦現(xiàn)象提取與追蹤研究。主持國家自然科學(xué)基金青年項目：復(fù)雜海況環(huán)境下多源數(shù)據(jù)協(xié)同的海洋渦旋檢測與動態(tài)軌跡追蹤新方法；主持國家博士后基金1項，以項目骨干參與省部級以上項目10余項。發(fā)表論文10余篇，獲“領(lǐng)跑者5000中國精品科技期刊頂尖學(xué)術(shù)論文”，上海市科技進步獎等省部級以上獎勵3項。

圖書目錄

第1章　緒　論 1
1.1　海洋智能感知概述 1
1.1.1　基本概念 1
1.1.2　發(fā)展歷程 2
1.1.3　海洋智能感知中計算機視覺技術(shù)的作用 5
1.2　計算機視覺技術(shù)概述 6
1.2.1　發(fā)展歷程 6
1.2.2　主要研究方向 7
1.3　計算機視覺技術(shù)在海洋領(lǐng)域的應(yīng)用 10
1.3.1　數(shù)據(jù)來源及類型 11
1.3.2　計算機視覺技術(shù)的海洋應(yīng)用場景 12
1.3.3　計算機視覺技術(shù)海洋領(lǐng)域應(yīng)用的挑戰(zhàn) 16
參考文獻 19
第2章　基于衛(wèi)星遙感影像的海洋中尺度現(xiàn)象
識別和時空分析 20
2.1　中尺度現(xiàn)象概況 20
2.2　中尺度現(xiàn)象的識別與檢測方法 21
2.2.1　中尺度渦的識別與檢測方法 21
2.2.2　海洋鋒的識別與檢測方法 26
2.3　海洋中尺度現(xiàn)象識別案例 36
2.3.1　中尺度渦的識別案例 36
2.3.2　中尺度鋒的識別案例 48
2.4　海洋中尺度現(xiàn)象時空分析 59
2.4.1　中尺度渦軌跡時空分析 59
2.4.2　中尺度海洋鋒時空分析 68
參考文獻 75
第3章　基于岸基視頻分析的海浪要素檢測技術(shù) 77
3.1　海浪監(jiān)測技術(shù)概況 77
3.1.1　人工目測法 77
3.1.2　浮標(biāo)測波法 78
3.1.3　雷達測波法 79
3.1.4　衛(wèi)星測波法 80
3.2　基于圖像 / 視頻的海浪監(jiān)測技術(shù) 80
3.2.1　基于立體攝影的測量法 80
3.2.2　基于圖像 / 視頻特征的海浪要素檢測法 82
3.2.3　基于深度學(xué)習(xí)特征提取的海浪等級檢測模型 82
3.3　視頻時空分析的海浪要素檢測技術(shù)案例 85
3.3.1　案例 1——時空特征多級融合的海浪有效浪高檢測模型 85
3.3.2　案例 2——時空特征協(xié)同的海浪周期檢測模型 94
參考文獻 99
第4章　面向海洋探測的水下光學(xué)圖像增強技術(shù) 101
4.1　水下圖像增強技術(shù)概況 101
4.1.1　水下圖像增強的必要性 101
4.1.2　水下圖像成像原理 102
4.1.3　簡化的水下圖像成像模型 104
4.2　傳統(tǒng)水下圖像的增強方法 106
4.2.1　直方圖均衡化增強算法 107
4.2.2　基于融合的水下圖像增強方法 110
4.2.3　Retinex 增強算法 112
4.2.4　基于暗通道先驗的水下圖像復(fù)原方法 113
4.2.5　傳統(tǒng)方法效果對比 116
4.3　基于深度學(xué)習(xí)的水下圖像增強方法 117
4.3.1　基于 CNN 的水下圖像增強方法 118
4.3.2　基于 GAN 的水下圖像增強方法 119
4.3.3　深度學(xué)習(xí)方法效果對比 120
4.4　水下圖像增強技術(shù)及其應(yīng)用案例 121
4.4.1　案例 1——基于雙生成器 GAN 的水下圖像增強 121
4.4.2　案例 2——模糊水下圖像的增強混合魚類檢測方法 129
參考文獻 136
第5章　海洋大數(shù)據(jù)的可視分析技術(shù) 140
5.1　可視分析技術(shù)概況 140
5.1.1　可視分析基本概念 141
5.1.2　可視分析技術(shù)在海洋領(lǐng)域中的應(yīng)用 144
5.2　多維海洋數(shù)據(jù)可視分析技術(shù) 145
5.2.1　投影 146
5.2.2　散點圖 147
5.2.3　平行坐標(biāo) 149
5.2.4　聚類 151
5.3　海洋時空數(shù)據(jù)可視分析 153
5.3.1　靜態(tài)可視化 154
5.3.2　動態(tài)可視化 155
5.3.3　時空數(shù)據(jù)可視化的實現(xiàn)技術(shù) 155
5.3.4　海洋結(jié)構(gòu)可視分析 157
5.4　海洋大數(shù)據(jù)可視分析案例 158
5.4.1　案例 1——基于多視圖的多維數(shù)據(jù)關(guān)聯(lián)關(guān)系分析方法 159
5.4.2　案例 2——基于多視圖的海洋異常模式發(fā)現(xiàn)可視分析方法 166
參考文獻 171