- 科学出版社
- 9787030850812
- 1版
- 2026-10
作者简介
内容简介
中低分辨率卫星影像的分类普遍采用监督分类或非监督分类的统计模式识别方法。近几十年来，遥感技术与对地观测在持续朝着高空间分辨率、高时间分辨率和高光谱分辨率发展。由于高分辨率影像具有很强的“同物异谱”和“同谱异物”现象，仅仅利用像素的光谱信息难以准确地进行分类，需要发展新的智能化处理方法。本书针对智能解译的几个典型任务：图像分类和语义分割、典型地物要素的提取和变化发现，给出一系列特征工程和机器学习方法，介绍人机协同提取、质量控制等重要问题和解决方案。面向实际应用场景，介绍遥感影像智能解译软件系统及其应用效果。
目录
目录
第1章 概论1
1.1 研究背景 1
1.1.1 高分辨率遥感的发展1
1.1.2 人工智能与模式识别的发展 4
1.2 主要概念与基本方法6
1.2.1 遥感影像智能解译的主要任务 6
1.2.2 特征工程与表示学习 10
1.3 本书的主要内容 14
参考文献 16
第2章 图像分割与分类 17
2.1 引言17
2.1.1 基于像素分类与面向对象的方法 17
2.1.2 常用的图像分割特征与表达 19
2.1.3 基于机器学习与深度学习的分割 21
2.2 特征自适应加权方法 22
2.2.1 方法概述与技术路线 22
2.2.2 实验分析 26
2.3 图神经网络深度学习方法 29
2.3.1 方法概述与技术路线 29
2.3.2 实验分析 33
参考文献 35
第3章 面状专题要素的自动与人机协同提取 37
3.1 引言37
3.1.1 专题要素概述 37
3.1.2 专题要素的矢量化提取 38
3.1.3 人机协同的智能提取 39
3.2 面状要素自动提取 40
3.2.1 变分法人工地物的自动分割 40
3.2.2 云区域分割 49
3.2.3 深度学习的水体自动分割 57
3.2.4 深度学习分割的样本质量自动评价 63
3.3 人机交互的智能提取 70
3.3.1 基于特征工程的面状要素提取 70
3.3.2 基于深度学习的面状要素提取 79
3.3.3 建筑物屋顶提取 91
参考文献 103
第4章 典型人工地物专题要素的自动提取 108
4.1 道路自动提取 108
4.1.1 影像与 LiDAR 数据信息融合道路提取 108
4.1.2 深度学习的道路网提取 115
4.2 建筑物自动提取 128
4.2.1 密集小建筑物检测 128
4.2.2 关键点双向追踪的轮廓矢量提取 132
参考文献 142
第5章 地物要素自动变化发现 144
5.1 引言 144
5.1.1 关键问题 144
5.1.2 主要方法概述 145
5.2 双时相影像的变化发现 150
5.2.1 复杂场景的变化发现 150
5.2.2 对象级变化发现 165
5.3 地图辅助的变化发现 177
5.3.1 基底矢量辅助的建筑物变化发现 177
5.3.2 大模型驱动的地图-影像变化发现 194
5.4 三维信息辅助的建筑物变化发现 206
5.4.1 机载激光点云数据的建筑物变化检测 206
5.4.2 立体影像的建筑物变化检测 217
参考文献 232
第6章 高分辨率遥感影像智能解译系统及应用 237
6.1 高性能遥感影像智能解译系统介绍 237
6.1.1 系统概况 237
6.1.2 系统功能 238
6.2 自然资源监测应用 241
6.2.1 自然资源监测应用概况 241
6.2.2 耕地“非农化”“非粮化”监测 242
6.2.3 耕地流入流出监测 243
6.2.4 疑似动工监测 245
6.3 其他领域应用 246
6.3.1 电力相关应用 246
6.3.2 交通相关应用 248
6.3.3 农业相关应用 250
6.3.4 林业相关应用 253
第1章 概论1
1.1 研究背景 1
1.1.1 高分辨率遥感的发展1
1.1.2 人工智能与模式识别的发展 4
1.2 主要概念与基本方法6
1.2.1 遥感影像智能解译的主要任务 6
1.2.2 特征工程与表示学习 10
1.3 本书的主要内容 14
参考文献 16
第2章 图像分割与分类 17
2.1 引言17
2.1.1 基于像素分类与面向对象的方法 17
2.1.2 常用的图像分割特征与表达 19
2.1.3 基于机器学习与深度学习的分割 21
2.2 特征自适应加权方法 22
2.2.1 方法概述与技术路线 22
2.2.2 实验分析 26
2.3 图神经网络深度学习方法 29
2.3.1 方法概述与技术路线 29
2.3.2 实验分析 33
参考文献 35
第3章 面状专题要素的自动与人机协同提取 37
3.1 引言37
3.1.1 专题要素概述 37
3.1.2 专题要素的矢量化提取 38
3.1.3 人机协同的智能提取 39
3.2 面状要素自动提取 40
3.2.1 变分法人工地物的自动分割 40
3.2.2 云区域分割 49
3.2.3 深度学习的水体自动分割 57
3.2.4 深度学习分割的样本质量自动评价 63
3.3 人机交互的智能提取 70
3.3.1 基于特征工程的面状要素提取 70
3.3.2 基于深度学习的面状要素提取 79
3.3.3 建筑物屋顶提取 91
参考文献 103
第4章 典型人工地物专题要素的自动提取 108
4.1 道路自动提取 108
4.1.1 影像与 LiDAR 数据信息融合道路提取 108
4.1.2 深度学习的道路网提取 115
4.2 建筑物自动提取 128
4.2.1 密集小建筑物检测 128
4.2.2 关键点双向追踪的轮廓矢量提取 132
参考文献 142
第5章 地物要素自动变化发现 144
5.1 引言 144
5.1.1 关键问题 144
5.1.2 主要方法概述 145
5.2 双时相影像的变化发现 150
5.2.1 复杂场景的变化发现 150
5.2.2 对象级变化发现 165
5.3 地图辅助的变化发现 177
5.3.1 基底矢量辅助的建筑物变化发现 177
5.3.2 大模型驱动的地图-影像变化发现 194
5.4 三维信息辅助的建筑物变化发现 206
5.4.1 机载激光点云数据的建筑物变化检测 206
5.4.2 立体影像的建筑物变化检测 217
参考文献 232
第6章 高分辨率遥感影像智能解译系统及应用 237
6.1 高性能遥感影像智能解译系统介绍 237
6.1.1 系统概况 237
6.1.2 系统功能 238
6.2 自然资源监测应用 241
6.2.1 自然资源监测应用概况 241
6.2.2 耕地“非农化”“非粮化”监测 242
6.2.3 耕地流入流出监测 243
6.2.4 疑似动工监测 245
6.3 其他领域应用 246
6.3.1 电力相关应用 246
6.3.2 交通相关应用 248
6.3.3 农业相关应用 250
6.3.4 林业相关应用 253
