Titre original :
Change Detection and Image Time-Series Analysis 1: Unervised Methods
Contenu du livre :
Change Detection and Image Time Series Analysis 1 présente un large éventail de méthodes non supervisées pour l'analyse de l'évolution temporelle par l'utilisation de séries temporelles d'images associées à des modalités d'acquisition de radars optiques et/ou à synthèse d'ouverture. Le chapitre 1 présente deux approches non supervisées de la détection de changements multiples dans des images multivariées bi-temporelles.
Les chapitres 2 et 3 traitent de la détection de changements dans des séries temporelles d'images dans le contexte de l'analyse statistique des matrices de covariance. Le chapitre 4 se concentre sur les ondelettes et les filtres neuronaux convolutionnels pour l'extraction de caractéristiques et la détection d'anomalies basée sur l'entropie, et le chapitre 5 traite d'un certain nombre de mesures telles que les rapports de corrélation croisée et la distance de Hausdorff pour l'analyse variationnelle de l'état de la neige. Le chapitre 6 présente un modèle de champ stochastique dynamique fractionnaire pour la prévision spatio-temporelle et la surveillance d'événements météorologiques à évolution rapide tels que les cyclones.
Le chapitre 7 propose une analyse basée sur les points caractéristiques pour la modélisation de la texture, dans le contexte de la théorie des graphes, et le chapitre 8 se concentre sur la détection de nouveaux types d'occupation du sol par la détection des changements basée sur la classification ou la détection des changements basée sur les caractéristiques/pixels. Le chapitre 9 se concentre sur la modélisation des classes dans l'image de différence et dérive un modèle multiclasse pour cette image de différence dans le contexte de l'analyse des vecteurs de changement.
Autres informations sur le livre :
| ISBN : | 9781789450569 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2022 |
| Nombre de pages : | 304 |
Achat:
Actuellement disponible, en stock.
