Multi-Sensor and Multi-Temporal Remote Sensing: Specific Single Class Mapping
Ce livre élabore des modèles de machine floue et d'apprentissage profond pour la cartographie d'une seule classe à partir d'images de télédétection multi-capteurs et multi-temporelles, tout en gérant les pixels mixtes et le bruit. Il couvre également les méthodes de prétraitement et de réduction de la dimensionnalité spectrale des données temporelles. En outre, il aborde l'approche de formation "échantillon individuel comme moyenne" pour gérer l'hétérogénéité au sein d'une classe. La section annexe du livre comprend des études de cas telles que la cartographie du type de culture, des espèces forestières et des champs de riz brûlés par le chaume.
Caractéristiques principales :
⬤ L'accent est mis sur l'utilisation de données multi-capteurs et multi-temporelles tout en gérant le chevauchement spectral entre les classes.
⬤ La gamme de modèles d'apprentissage flou/profond capables d'extraire une classe unique spécifique et de séparer le bruit est abordée.
⬤ Décrit le prétraitement en utilisant les indices spectraux, texturaux, CBSI et le coefficient de rétrodiffusion/indice de végétation radar (RVI).
⬤ Le rôle des données d'entraînement pour gérer l'hétérogénéité au sein d'une classe.
⬤ Le logiciel interne SMIC permet le traitement de données multi-capteurs et multi-temporelles.
⬤ Inclut des études de cas et des applications pratiques pour la cartographie d'une seule classe.
Cet ouvrage s'adresse aux étudiants de troisième cycle, aux chercheurs et aux professionnels travaillant dans les domaines de l'environnement, de la géographie, de l'informatique, de la télédétection, de la géoinformatique, de la sylviculture, de l'agriculture, de l'après-catastrophe, des études sur la transition urbaine et d'autres domaines connexes.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)