林業(yè)遙感智能解譯技術(shù)

序
前言
第1章
緒論
1．1國內(nèi)外研究進展
1．1．1國外研究進展及概況
1．1．2國內(nèi)研究進展及概況
1．2林業(yè)遙感需求分析
1．2．1解譯數(shù)據(jù)需求
1．2．2智能監(jiān)測需求
1．3林業(yè)遙感智能解譯的難點及挑戰(zhàn)
1．3．1存在的主要問題
1．3．2智能解譯重難點
1．4小結(jié)
第2章遙感影像處理
2．1遙感影像控制基準網(wǎng)建設(shè)
2．1．1基準網(wǎng)建設(shè)基本原則
2．1．2基準網(wǎng)建設(shè)生產(chǎn)流程
2．1．3基準網(wǎng)建設(shè)更新流程
2．1．4基準網(wǎng)成果質(zhì)檢流程
2．2遙感影像實時處理
2．3大氣校正
2．3．1基本原理
2．3．2處理方法
2．4圖像配準
2．4．1配準匹配
2．4．2配準校正
2．5圖像融合
2．5．1IHS變換法
2．5．2Brovey變換法
2．5．3小波變換法
2．5．4PCA變換法
2．6圖像增強
2．6．1線性拉伸
2．6．2對數(shù)增強
2．6．3比值增強
2．6．4直方圖均衡化
2．7系統(tǒng)實現(xiàn)
2．7．1區(qū)域網(wǎng)平差處理模塊
2．7．2基準網(wǎng)平差處理模塊
2．7．3常規(guī)正射影像生產(chǎn)模塊
2．7．4實時正射影像生產(chǎn)模塊
2．8小結(jié)
第3章智能解譯技術(shù)
3．1面向?qū)ο?br /> 3．1．1圖像分割
3．1．2特征提取
3．1．3分類方法
3．2交互式半自動提取
3．2．1基于邊界的半自動提取方法
3．2．2基于區(qū)域的半自動提取方法
3．3深度學習
3．3．1深度學習技術(shù)
3．3．2深度學習網(wǎng)絡(luò)
3．3．3深度學習解譯樣本庫
3．4系統(tǒng)實現(xiàn)
3．4．1模型訓練系統(tǒng)
3．4．2智能解譯系統(tǒng)
3．5小結(jié)
第4章質(zhì)量精度評價
4．1影像質(zhì)量評價
4．1．1質(zhì)量評價指標
4．1．2質(zhì)量評價方法
4．2解譯質(zhì)量評價
4．2．1解譯質(zhì)量標準
4．2．2精度評價指標
4．3小結(jié)
第5章林業(yè)遙感智能監(jiān)測
5．1智能監(jiān)測意義
5．2智能監(jiān)測流程
5．3林地變化監(jiān)測
5．3．1監(jiān)測區(qū)域與數(shù)據(jù)
5．3．2監(jiān)測任務(wù)分析
5．3．3解譯模型定制
5．3．4監(jiān)測結(jié)果評價
5．3．5監(jiān)測效率統(tǒng)計
5．4松材線蟲病監(jiān)測
5．4．1監(jiān)測區(qū)域與數(shù)據(jù)
5．4．2監(jiān)測任務(wù)分析
5．4．3解譯模型定制
5．4．4監(jiān)測結(jié)果評價
5．4．5監(jiān)測效率統(tǒng)計
5．5鄉(xiāng)村綠化狀況監(jiān)測
5．5．1監(jiān)測區(qū)域與數(shù)據(jù)
5．5．2監(jiān)測任務(wù)分析
5．5．3解譯模型定制
5．5．4監(jiān)測結(jié)果評價
5．5．5監(jiān)測效率統(tǒng)計
5．6小結(jié)
第6章林業(yè)遙感的發(fā)展趨勢及展望
6．1遙感技術(shù)發(fā)展趨勢與展望
6．1．1多星組網(wǎng)推動航天遙感迎來好時代
6．1．2新型載荷助力無人機遙感更大發(fā)展
6．1．3人工智能釋放遙感數(shù)據(jù)巨大潛能
6．2林業(yè)遙感發(fā)展趨勢與展望
6．2．1由單一數(shù)源向多源數(shù)據(jù)融合應用轉(zhuǎn)變
6．2．2由被動式處置向主動式監(jiān)測轉(zhuǎn)變
6．2．3由工具軟件向綜合應用平臺轉(zhuǎn)變
參考文獻