基於深度神經網絡的遙感圖像分割

遙感圖像特定目標分割是遙感圖像處理的研究熱點和重要方向。
本書在分析遙感圖像特定目標分割的關鍵性問題基礎上，
介紹基於目標特徵建模和基於深度神經網絡兩種分割方法。
其中，在目標特徵建模方法中，重點闡述了主動輪廓模型及改進算法的原理和實現方法；
在深度神經網絡方法中，重點講述了全捲積神經網絡、
Encoder-Decoder架構和深度神經網絡條件隨機場三種典型算法。 
本書適合作為從事遙感圖像目標分割方法及應用研究的科技工作者、
專業技術人員、研究生及高年級本科生的參考書。

目錄
第1章緒論
1．1引言
1．2高分辨率遙感圖像
1．3高分辨率遙感圖像目標分割的關鍵問題
1．3．1高分辨率遙感圖像特定目標分割問題的描述
1．3．2高分辨率遙感圖像目標分割的挑戰性問題
1．4遙感圖像目標分割方法概述
1．4．1傳統的遙感圖像目標分割方法
1．4．2基於學習的遙感圖像目標分割方法
1．4．3基於深度神經網絡的遙感圖像目標分割方法
1．5本書的內容及組織
參考文獻
第2章主動輪廓模型在遙感圖像分割中的應用
2．1CV主動輪廓模型
2．1．1主動輪廓模型封閉曲線進化原理
2．1．2CV模型的水平集進化方法
2．1．3CV主動輪廓模型的實現
2．2遙感圖像的特性表示
2．2．1灰度共生矩陣
2．2．2紋理特徵
2．2．3灰度共生矩陣紋理特徵實現
2．3局部圖像熵主動輪廓模型
2．3．1遙感圖像的熵
2．3．2局部圖像熵能量泛函
2．3．3局部圖像熵主動輪廓模型的實現
2．4全局圖像熵主動輪廓模型
2．4．1全局圖像熵能量泛函
2．4．2全局圖像熵進化原理
2．4．3全局圖像熵主動輪廓模型的實現
2．5遙感圖像水域分割對比實驗
2．5．1性能評價指標
2．5．2實驗及結果分析
2．6本章小結 
2．7附錄： Kmeans水域分割程序
參考文獻
第3章深度神經網絡基礎
3．1人工神經網絡
3．2神經網絡的訓練
3．3深度神經網絡
3．3．1深度神經網絡的基本要素
3．3．2深度神經網絡的結構
3．3．3優化性能指標
3．4深度神經網絡的TensorFlow實現
3．5本章小結
參考文獻
第4章全捲積神經網絡建築物語義分割
4．1全捲積深度神經網絡
4．1．1全捲積
4．1．2反捲積
4．2VGG全捲積神經網絡
4．2．1VGG的捲積層
4．2．2全捲積層
4．2．3反捲積層
4．3遙感圖像建築物分割
4．3．1實驗數據資源
4．3．2實驗平臺
4．3．3數據預處理及結果評價指標 
4．3．4IAILD數據集製作及管理
4．3．5VGG全捲積神經網絡的實現
4．3．6實驗及結果分析
4．4本章小結
參考文獻
第5章EncoderDecoder網絡建築物分割
5．1EncoderDecoder深度神經網絡語義分割架構
5．2ResNet構建Encoder
5．2．1ResNet的基本結構
5．2．2ResNet的前饋通道
5．3Decoder構建與建築物分割
5．4批量規範化技術
5．4．1捲積神經網絡輸出的數據特徵
5．4．2批量規範化原理
5．5基於ResNet的EncoderDecoder
5．5．1ResNet模型
5．5．2TensorFlow圖及運行文件
5．6實驗及結果分析
5．7本章小結
參考文獻
第6章條件隨機場深度神經網絡建築物分割
6．1條件隨機場
6．1．1概率無向圖模型
6．1．2條件隨機場
6．2深度神經網絡與條件隨機場建築物分割
6．2．1整體架構
6．2．2全連接條件隨機場模型
6．3基於EncoderDecoder的一元勢函數值估計
6．3．1ResNet的Encoder結構
6．3．2ResNet的Decoder結構
6．4成對勢函數的均值場估計
6．4．1成對勢函數的構建
6．4．2條件概率的均值場逼近
6．4．3均值場算法的RNN實現機制
6．5條件隨機場深度神經網絡建築物分割的實現
6．5．1條件隨機場的實現
6．5．2條件隨機場深度神經網絡的實現
6．6實驗及結果分析
6．6．1分割對比實驗
6．6．2復雜建築物分割對比實驗
6．6．3多分辨率遙感圖像分割實驗
6．7本章小結
參考文獻