作者：张强等著
页数：256
出版社：中国宇航出版社
出版日期：2020
ISBN：9787515918020
电子书格式：pdf/epub/txt
内容简介
随着计算机算力的大幅提升，各种新算法的提出和优化，以及数据获取越来越便捷，人工智能技术得到了迅猛的发展。特别是在计算机视觉方面，基于神经网络的图像识别、目标提取等应用越来越广泛。卫星遥感可以快速获取大范围的图像数据，支持国土调查、资源普查、环保监测、海洋观测、应急减灾、路网规划等众多领域的发展。随着遥感卫星空间分辨率、光谱分辨率的不断提升，以及遥感卫星数量的持续增长，地面将获取到海量的遥感观测数据，如何快速、自动、准确解译这些数据，并从数据中智能提取信息成为制约遥感应用的新问题。本书在研究神经网络技术的基础上，以我国高分专项卫星为例，探索了人工智能技术对高分遥感影像的自动化处理，包括目标提取、语义分割、变化检测等，通过将遥感技术与人工智能技术的结合，为海量遥感数据的处理提出了新的有效的解决思路。
作者简介
张强，男，1982年12月生，山西山阴人，2010年8月参加工作，2004年11月加入中国共产党，研究生学历，工学博士，高级工程师。曾任中国空间技术研究院总体部运营与应用事业部副部长，现任中国空间技术研究院总体部空间安全与在轨维护总体室副主任。从事卫星总体设计、卫星应用等方面的研究工作。
目录
第1章概述1
11遥感的基本概念1
12遥感的主要方式2
13遥感的应用方向3
14遥感图像解译及应用5
15本书的组织结构6第2章我国高分专项遥感卫星7
21光学高分遥感卫星7
211高分一号系列8
212高分二号9
213高分四号14
214高分五号19
215高分六号21
22微波高分遥感卫星23
23高分遥感卫星数据格式28第3章神经网络技术30
31神经网络技术发展综述30
311神经网络概述 30
312神经网络发展历程31
313深度学习33
32卷积神经网络的基本概念38
321卷积神经网络的构成39
322卷积核的计算方式40
323非线性变换40
324池化过程42
33基于卷积神经网络的图像处理任务44
331图像分类44
332目标检测47
333图像语义分割51
34适用于遥感图像处理的神经网络 54第4章遥感图像智能解译系统56
41典型任务分析56
42环境配置57
421安装NVIDIA驱动57
422安装Docker及NVIDIA-Docker环境59
423安装基于NVIDIADocker的TensorFlow框架60
43网络结构设计60
431VGGNet61
432Inception系列62
433ResNet和Inception v465
434DenseNet68
435SENet70
436网络结构的Python代码实现71
44样本标记80
45系统建模83
451数据预处理83
452网络模型选择90
453损失函数设计92
454后处理94
46模型训练94
461梯度下降95
462反向传播95
47模型优化96
471超参数优化96
472网络结构优化98
48模型评估101第5章地物分类遥感应用104
51地物分类任务104
52全卷积网络和语义分割105
53基于UNet的遥感图像地物分类107
531UNet原理107
532UNet处理实例109
54基于DeepLab的遥感图像地物分类112
541DeepLabv3原理112
542DeepLabv3+原理114
543DeepLabv3+处理实例117
55高分数据的地物分类案例119第6章变化检测遥感应用124
61变化检测任务124
62基于多时相语义分割的变化检测方法126
63基于RNN和CNN的多光谱遥感图像的变化检测128
64高分数据的变化检测案例132第7章目标识别遥感应用136
71目标识别任务136
72基于区域提议的目标识别方法136
721RCNN137
722Fast RCNN138
723Faster RCNN139
724R2CNN142
73高分数据的目标识别案例149第8章神经网络技术在遥感应用中的发展趋势156
81遥感应用面临的问题156
82深度神经网络的优势157
83神经网络在遥感应用中的应用前景159附录AInception v1的Python代码实现162
附录B高分数据的地物分类案例Python代码175
附录C高分数据的变化检测案例Python代码190
附录D高分数据的目标识别案例实验Python代码
（R2CNN）229参考文献241
