衛星遙感智能解譯技術與平臺

趙忠明長期從事遙感影像信息處理技術研究工作，主要研究領域包括圖像復原、紋理分析、數據融合、遙感大數據等，對於小波理論分析與遙感應用有較深入的研究。他發表論文50余篇，書著8部，獲專利多項。負責多項國家重大研究計劃。主持研發的遙感圖像處理平臺IRSA多次獲科技部國產空間信息系統測評表彰軟件。他是“中國科學院盈科優秀青年學者獎”獲得者。曾獲“全國優秀科技工作者”和中央****優秀共產黨員稱號，多次獲國家和省部級科技進步獎。

目錄

 

 

第1章衛星遙感智能解譯技術與平臺概述

1.1衛星遙感技術

1.1.1衛星遙感分類

1.1.2國內外民商陸地觀測衛星

1.2計算機視覺領域人工智能算法

1.2.1人工智能的基本概念

1.2.2計算機視覺發展歷程及主要進展

1.2.3人工智能最新發展趨勢

1.3遙感圖像智能解譯技術與平臺

1.3.1遙感圖像智能解譯技術

1.3.2國內外遙感處理智能解譯平臺

1.4總結

參考文獻

第2章影像就緒化處理技術

2.1遙感衛星影像預處理

2.1.1輻射校正

2.1.2幾何校正

2.1.3多源影像融合

2.2影像立方體概念與網格體系

2.2.1影像立方體概念與構建準則

2.2.2立方體網格體系介紹與選擇

2.3影像立方體設計與構建

2.3.1空間基準選擇

2.3.2網格剖分與編碼策略制度

2.3.3網格索引策略制定

2.3.4網格體系評價

2.4基於影像立方體的影像就緒化流程

2.4.1影像引接

2.4.2影像立方體構建

2.4.3網格影像質量評價

2.4.4就緒化底圖生產

2.5就緒化處理系統及應用

2.5.1影像數據預處理模塊

2.5.2數據查詢檢索模塊

2.5.3就緒化底圖生產模塊

2.5.4任務管理模塊

2.5.5土地衛片執法監測應用

參考文獻

第3章地表覆蓋提取分類

3.1地表覆蓋分類體系與數據產品

3.1.1地表覆蓋的定義

3.1.2地表覆蓋的分類體系

3.1.3全球地表覆蓋數據產品

3.2地表覆蓋分類樣本數據集

3.2.1地表覆蓋樣本數據集的重要性

3.2.2地表覆蓋樣本數據集的特點

3.2.3現有的地表覆蓋數據集

3.2.4地表覆蓋數據集評估指標

3.3地表覆蓋提取分類方法

3.3.1基於傳統圖像處理的方法

3.3.2基於機器學習的方法

3.3.3基於深度學習的方法

3.4地表覆蓋分類的樣本生成

3.4.1基於歷史成果數據的樣本生成必要性和可行性

3.4.2影像光譜特征相似度量的樣本影像選擇

3.4.3成果景觀結構相似度度量的樣本影像選擇

3.4.4樣本選擇策略實證案例

3.5遙感影像語義分割域適應

3.5.1域適應理論基礎

3.5.2遙感影像語義分割域適應方法概述

3.5.3多級引導的課程式域適應方法

3.6分區分層的分類策略

3.6.1分區策略

3.6.2分層策略

3.6.3分區分層策略的適用性

3.7地表覆蓋數據產品生產系統及其應用

3.7.1系統概況

3.7.2系統設計思路

3.7.3系統總體設計

3.7.4系統的架構與功能

3.7.5系統的應用

3.8總結

3.8.1地表覆蓋提取分類的問題與難點

3.8.2地表覆蓋提取分類的發展趨勢與展望

參考文獻

第4章地表覆蓋變化檢測

4.1光學影像變化檢測

4.2變化檢測方法分類體系

4.2.1傳統變化檢測方法

4.2.2遙感變化檢測數據集

4.3變化檢測智能模型架構

4.3.1變化檢測語義分割網絡

4.3.2變化特征融合

4.4像素級變化智能檢測

4.4.1孿生CNN編碼器

4.4.2特征融合模塊

4.4.3變化檢測任務與多任務學習

4.4.4實驗效果

4.5對象級變化智能檢測

4.5.1初識DETR

4.5.2基於DETR的對象級變化檢測網絡

4.5.3Change-DETR模型的實驗與結果分析

4.5.4相關討論

4.6Transformer-CNN混合變化檢測網絡

4.6.1變化檢測與Transformer技術

4.6.2Transformer-CNN混合變化檢測網絡設計

4.6.3實驗結果與分析

4.7地表覆蓋遙感變化檢測系統及應用

4.7.1變化檢測模型池分系統

4.7.2變化圖斑自動提取分系統

4.7.3變化圖斑處理編輯分系統

4.7.4土地衛片執法監測應用

4.7.5城市建(構)築物變化監測應用

4.8總結

4.8.1技術問題與趨勢

4.8.2平臺問題與趨勢

參考文獻

第5章高光譜影像分類與探測

5.1高光譜影像信息提取概述

5.1.1高光譜影像特性

5.1.2高光譜影像分類與目標探測現狀

5.2高光譜影像分類與目標探測數據集

5.2.1高光譜影像分類數據集

5.2.2高光譜影像目標探測數據集

5.3高光譜影像多特征組合分類

5.3.1基於深度學習的分類方法概述

5.3.2降維特征與多尺度特征組合分類

5.3.3多尺度空譜特征融合分類

5.4小樣本高光譜影像分類

5.4.1小樣本高光譜影像分類方法概述

5.4.2非局部註意力的小樣本分類

5.4.3混合註意力的小樣本分類

5.5高光譜影像和激光雷達影像多模態分類

5.5.1高光譜影像和激光雷達影像多模態分類概述

5.5.2基於卷積網絡的多模態分類

5.5.3基於對抗網絡的多模態分類

5.6高光譜目標探測的深度學習方法

5.6.1高光譜目標探測概述

5.6.2高光譜目標探測方法

5.7高光譜要素分類與探測系統及其應用

5.7.1系統組成

5.7.2系統應用

5.8總結

5.8.1高光譜影像分類與探測的問題與難點

5.8.2高光譜影像分類與探測技術發展趨勢和展望

參考文獻

第6章目標檢測、識別與跟蹤

6.1目標檢測、識別與跟蹤概述

6.1.1目標檢測與識別概述

6.1.2目標跟蹤概述

6.2可見光影像目標檢測、識別與跟蹤

6.2.1傳統目標檢測識別算法介紹

6.2.2基於CNN架構的目標檢測識別算法介紹

6.2.3基於Transformer的目標檢測識別算法

6.2.4可見光衛星視頻目標跟蹤

6.3SAR影像目標檢測、識別與跟蹤

6.3.1面向SAR影像的目標檢測與識別算法

6.3.2結合SAR特性的目標檢測與識別算法

6.3.3SAR衛星視頻目標跟蹤

6.4紅外影像目標檢測、識別與跟蹤

6.4.1面向紅外影像的目標檢測與識別算法

6.4.2結合紅外特性的目標檢測識別算法

6.4.3紅外衛星視頻目標跟蹤

6.5目標檢測、識別與跟蹤典型數據集介紹

6.5.1標註方式

6.5.2目標檢測和識別典型數據集

6.5.3視頻追蹤數據集

6.6目標檢測、識別與跟蹤典型應用介紹

6.6.1目標檢測與識別開源項目介紹

6.6.2目標跟蹤開源項目介紹

6.7總結

6.7.1遙感影像目標檢測、識別與跟蹤的問題與難點

6.7.2遙感影像目標檢測、識別與跟蹤的發展趨勢與展望

參考文獻

第7章遙感時間序列影像分析

7.1遙感時間序列概述

7.1.1MODIS時間序列數據概述

7.1.2Landsat時間序列數據概述

7.1.3Sentinel時間序列數據概述

7.2時序影像分析數據集

7.2.1全景農業時序數據集

7.2.2留尼汪島數據集

7.2.3鄱陽湖數據集

7.2.4因皮裏爾縣數據集

7.2.5密西西比數據集

7.3時序影像質量提升技術

7.3.1時序插值的傳統方法綜述

7.3.2線性插值模型及問題

7.3.3自適應濾波的圖像插值方法

7.3.4時序圖像數據集的構建實踐

7.4時序影像分類技術

7.4.1遙感時間序列影像經典聚類算法

7.4.2深度學習遙感時間序列聚類算法

7.4.3遙感時間序列經典監督分類算法

7.4.4深度學習遙感時間序列監督分類算法

7.5時序影像異常檢測技術

7.5.1時序影像異常檢測傳統技術方法

7.5.2時序影像異常檢測深度學習技術方法

7.6時序影像數據分析系統及其應用 

7.6.1基於雲平臺的遙感時序數據分析軟件平臺介紹

7.6.2基於雲平臺分析工具的應用

7.7總結

7.7.1遙感時間序列影像分析的問題及難點

7.7.2遙感時間序列影像分析的發展趨勢與展望

參考文獻

第8章智能空間信息平臺

8.1智能空間信息平臺簡介

8.1.1深度學習框架

8.1.2智能空間信息平臺主要組成

8.2空間信息平臺資源管理調度分系統

8.2.1空間信息處理計算虛擬化

8.2.2空間信息處理存儲虛擬化

8.2.3空間信息處理調度架構

8.3空間信息樣本管理分系統

8.3.1空間信息樣本標註

8.3.2空間信息樣本制作

8.3.3空間信息樣本分析

8.4空間信息智能模型編排分系統

8.4.1智能模型構建訓練

8.4.2智能模型評估策略

8.4.3智能模型服務部署

8.5空間信息智能平臺應用服務支撐

8.5.1空間信息提取服務支撐

8.5.2空間大數據分析服務支撐

8.5.3空間信息展示服務支撐

8.6總結

8.6.1智能空間信息平臺建立的問題與難點

8.6.2智能空間信息平臺的發展趨勢與展望

參考文獻

第9章技術與平臺發展趨勢

9.1遙感智能解譯技術發展趨勢

9.1.1通用基礎模型

9.1.2知識先驗智能

9.1.3多模態數據融合

9.1.4生成模型

9.2遙感智能解譯平臺發展趨勢

9.2.1星上智能處理

9.2.2雲原生

9.2.3邊緣計算與分布式處理

9.2.4人機協同與交互式分析

參考文獻