高光谱图像智能分类方法 - 中国高校教材图书网
|
书名： |
高光谱图像智能分类方法
|
| ISBN： | 978-7-5606-7842-9 |
责任编辑： | |
| 作者： |
石程 苗启广
相关图书
|
装订： | 平装 |
| 印次： | 1-1 |
开本： | 16开 |
| 定价： |
￥69.00
折扣价：￥65.55
折扣：0.95
节省了3.45元
|
千字数： |
|
| 出版社： |
西安电子科技大学出版社 |
装订： | 平装 |
| 出版日期： |
2026-01-01 |
页数： |
|
| 每包册数： |
|
立体化教材： | |
| 专业分类： | |
中图法分类： | |
| 用途分类： | |
读者分类： | |
| 国家规划教材： |
|
省部级规划教材： |
|
| 入选重点出版项目： |
|
获奖信息： |
|
| 印刷日期： | |
|
|
|
|
| 内容简介： |
|
本书以高光谱图像分类的理论和技术为主线，系统介绍了高光谱图像分类的基本概念、技术演进、现存挑战和常用高光谱图像分类基准数据集，并深度聚焦四大前沿研究热点：Transformer架构的创新应用、小样本学习、噪声标签鲁棒性及对抗攻防技术，旨在提升高光谱图像分类模型的泛化能力和鲁棒性。各章均提供了翔实的研究文献，便于拓展阅读。本书适合作为遥感科学与技术、计算机视觉、人工智能等相关专业高年级本科生及研究生的学习用书，也可为相关领域的科研人员提供重要参考。
|
| 作者简介： |
|
|
| 章节目录： |
第1章 高光谱图像分类的基本概念及发展 1
1.1 高光谱图像分类基本概念 1
1.1.1 高光谱图像的定义与特点 1
1.1.2 高光谱图像分类任务概述 2
1.1.3 应用领域与研究价值 2
1.2 高光谱图像分类技术发展现状 3
1.2.1 基于Transformer的高光谱图像分类方法 3
1.2.2 面向小样本学习的高光谱图像分类方法 4
1.2.3 面向噪声标签的高光谱图像分类方法 6
1.2.4 面向高光谱图像分类的对抗攻击方法 8
1.2.5 面向高光谱图像分类的对抗防御方法 9
1.3 当前研究面临的主要挑战 11
1.3.1 基于Transformer的高光谱图像分类方法的挑战 11
1.3.2 面向小样本学习的挑战 13
1.3.3 面向噪声标签学习的挑战 13
1.3.4 面向对抗攻击方法的挑战 14
1.3.5 面向对抗防御方法的挑战 15
1.4 本章小结 16
本章参考文献 17
第2章 常用高光谱图像数据集介绍 27
2.1 引言 27
2.2 典型高光谱遥感数据简介 28
2.2.1 Pavia University数据集 28
2.2.2 XuZhou数据集 30
2.2.3 Indian Pines数据集 31
2.2.4 Salinas数据集 33
2.2.5 Chikusei数据集 34
2.2.6 WHU-Hi-HanChuan数据集 35
2.2.7 HoustonU 2013数据集 36
2.2.8 HoustonU 2018数据集 37
2.3 数据集总结 39
2.4 本章小结 42
本章参考文献 43
第3章 基于多尺度空间-频率域交叉Transformer的高光谱图像分类 45
3.1 引言 45
3.2 基础Transformer网络 46
3.3 空间-频率域交叉Transformer 48
3.3.1 空间-光谱Token生成 50
3.3.2 空间域特征提取分支 51
3.3.3 多频率域特征提取分支 52
3.3.4 多层次交叉注意力融合 54
3.4 实验分析 56
3.4.1 实验设置 56
3.4.2 对比实验 56
3.4.3 性能分析 60
3.5 本章小结 64
本章参考文献 64
第4章 基于跨域多级对比的小样本高光谱图像分类方法 67
4.1 引言 67
4.2 基于元学习的实例级小样本学习 69
4.3 基于跨域多级对比的域对齐方法 70
4.3.1 架构概述 70
4.3.2 嵌入特征提取器 71
4.3.3 类级对比域对齐 72
4.3.4 类分布级对比域对齐 75
4.3.5 跨域多级对比方法的总体训练 78
4.4 实验分析 78
4.4.1 实验设置 78
4.4.2 对比实验 79
4.4.3 性能分析 84
4.5 本章小结 89
本章参考文献 89
第5章 基于超图拉普拉斯能量的噪声标签高光谱图像分类 93
5.1 引言 93
5.2 超图结构 94
5.3 噪声标签高光谱图像分类 95
5.3.1 框架概述 95
5.3.2 空间-光谱特征提取网络 97
5.3.3 基于全局和局部超图拉普拉斯能量的标签校正 98
5.3.4 鲁棒表示学习 103
5.4 实验分析 106
5.4.1 实验设置 106
5.4.2 对比实验 107
5.4.3 性能分析 116
5.5 本章小结 121
本章参考文献 122
第6章 高光谱图像分类中的通用目标级对抗攻击 125
6.1 引言 125
6.2 对抗攻击原理 126
6.3 空间-光谱一致性约束的对抗攻击方法 129
6.3.1 框架概述 129
6.3.2 空间和光谱模板生成 130
6.3.3 基于超像素和k均值模板约束的对抗攻击方法 130
6.3.4 与多步攻击方法相结合 131
6.4 实验分析 133
6.4.1 实验设置 133
6.4.2 对比实验 133
6.4.3 性能分析 141
6.5 本章小结 143
本章参考文献 143
第7章 基于攻击不变特征提取的高光谱对抗样本防御 147
7.1 引言 147
7.2 对抗防御的基本原理 148
7.2.1 基于梯度掩蔽的对抗防御方法 148
7.2.2 基于预处理的对抗防御方法 149
7.2.3 改变目标模型结构的对抗防御方法 150
7.2.4 基于对抗样本检测的对抗防御方法 151
7.3 基于攻击不变特征提取的扰动去除方法 152
7.3.1 框架概述 152
7.3.2 特征解耦网络 153
7.3.3 重建网络 155
7.3.4 算法流程 156
7.4 实验分析 156
7.4.1 实验设置 156
7.4.2 对比实验 157
7.4.3 性能分析 162
7.5 本章小结 170
本章参考文献 171
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
中国大学出版社协会 |
首页 |
宏观指导 |
出版社天地 |
图书代办站 |
教材图书信息 |
教材图书评论 |
在线订购 |
教材征订
