编辑推荐
《高分辨率遥感影像面向对象分类技术》是作者近年来在高分辨率遥感影像面向对象分析方面研究成果的总结，内容具体翔实，适合从事遥感、地理等领域的科学和工程技术人员参考使用，也可作为高等院校相关专业的教学与研究资料。
目录
前言
第1章GEOBIA研究现状与发展趋势
1.1产生背景
1.1.1遥感影像分类的概念
1.1.2遥感影像分类的发展
1.1.3面向对象影像分析方法的产生
1.1.4像素分类与对象分类的对比分析
1.2概念与基本特点
1.2.1概念
1.2.2基本特征
1.2.3SWOT分析
1.3研究现状与进展
1.3.1文献综述
1.3.2技术现状与进展
1.3.3应用现状与进展
1.3.4软件现状与进展
1.3.5未来发展
1.4小结
参考文献
第2章GEOBIA理论基础
2.1地理本体
2.1.1本体
2.1.2地理本体
2.1.3地理本体表示语言
2.1.4地理本体构建方法
2.1.5地理本体构建工具
2.1.6地理本体推理机
2.2地理认知
2.2.1认知
2.2.2地理认知
2.2.3地理认知过程
2.2.4地理认知模型
2.3地理本体与地理认知的关系
2.3.1地理本体信息到地理认知信息的转换
2.3.2地理认知信息到地理智能信息的转换
2.4地理知识
2.4.1地理知识的表示
2.4.2地理信息一知识一智能转换模型
2.4.3地理知识的生态系统
2.5地理尺度
2.5.1尺度
2.5.2地理尺度
2.5.3尺度转换
2.6小结
参考文献
第3章GEOBIA框架
3.1框架的提出
3.2地理实体概念本体描述
3.3遥感影像分类地理本体建模
3.4地理本体驱动的影像对象分类
3.5小结
参考文献
第4章地理实体概念本体描述
4.1地理实体知识体系
4.1.1地理知识
4.1.2遥感影像特征
4.1.3影像对象特征
4.1.4专家知识
4.2地理实体知识概念本体
4.2.1领域知识概念本体描述
4.2.2领域知识选择
4.3举例：地表覆盖实体本体描述
4.3.1地表覆盖实体领域知识
4.3.2地表覆盖实体概念本体
4.4小结
参考文献
第5章遥感影像分类地理本体建模
5.1遥感影像分类本体建模方法
5.2遥感影像分类本体建模语言
5.3遥感影像本体建模
5.3.1遥感影像源数据
5.3.2遥感影像本体建模
5.4影像对象特征本体建模
5.5分类器本体建模
5.5.1决策树建模
5.5.2专家规则建模
5.6语义网络模型
5.7小结
参考文献
第6章GEOBIA影像对象分类方法
6.1图论与分形网络演化相结合的并行分割
6.1.1算法原理
6.1.2方法流程
6.1.3方法实验
6.1.4结果分析
6.2基于随机森林的特征自动优选
6.2.1算法原理
6.2.2方法流程
6.2.3方法实验
6.2.4结果分析
6.3基于语义网络模型的影像对象语义分类
6.3.1方法流程
6.3.2实现过程
6.3.3方法实验
6.3.4结果分析
6.4小结
参考文献
第7章地表覆盖分类实验
7.1实验环境
7.1.1Feature Station_GeoEX
7.1.2Protege软件
7.2实验数据与研究区域
7.2.1实验一：瑞丽市ZY—3
7.2.2实验二：临潼区Worldvlew_2
7.3地理本体驱动的地表覆盖分类实验
7.3.1地表覆盖类型概念本体描述
7.3.2面向地表覆盖分类的地理本体建模
7.3.3面向地表覆盖的影像对象分类
7.4结果分析
7.4.1视觉分析
7.4.2精度评价
7.4.3实验总结
7.5小结
第8章滑坡识别实验
8.1实验数据与研究区域
8.2地理本体驱动的滑坡识别与分类实验
8.2.1滑坡概念本体描述
8.2.2滑坡地理本体建模
8.2.3滑坡对象识别与分类
8.3结果分析
8.3.1视觉分析
8.3.2精度评价
8.4小结
后记
文摘
版权页：
插图：
面向对象分类与像素级分类的区别为：分类对象是通过分割技术产生的同质性多边形对象。面向对象分类方法主要包括语义建模分类、监督分类、非监督分类三类。
语义建模分类是根据语义网络模型，利用贝叶斯概率模型.DS证据理论、模糊逻辑等方法进行分类，该方法具有系统性、经验性、知识性，依赖专家知识进行类别建模，采用半自动探测方法和经验描述特征，利用机器学习方法进行分类，全过程不仅需要监督，而且需要主动产生式的人工操作。Solares等将几种不同的贝叶斯模型（NBC、TAN、GBN），以及它们的多个网络模型应用于多光谱和高光谱影像的分类，并对它们的分类结果进行了比较。 Peddle等利用证据推理方法对加拿大Yukon地区遥感影像进行了分类研究，效果较好。eCognition软件采用了模糊逻辑方法。该方法是一种典型的软分类，认为一个影像对象可以是在某种程度上属于某个类而同时在另一种程度上届于另一类，这种类属关系的程度用影像对象隶属度表示。
《高分辨率遥感影像面向对象分类技术》是作者近年来在高分辨率遥感影像面向对象分析方面研究成果的总结，内容具体翔实，适合从事遥感、地理等领域的科学和工程技术人员参考使用，也可作为高等院校相关专业的教学与研究资料。
目录
前言
第1章GEOBIA研究现状与发展趋势
1.1产生背景
1.1.1遥感影像分类的概念
1.1.2遥感影像分类的发展
1.1.3面向对象影像分析方法的产生
1.1.4像素分类与对象分类的对比分析
1.2概念与基本特点
1.2.1概念
1.2.2基本特征
1.2.3SWOT分析
1.3研究现状与进展
1.3.1文献综述
1.3.2技术现状与进展
1.3.3应用现状与进展
1.3.4软件现状与进展
1.3.5未来发展
1.4小结
参考文献
第2章GEOBIA理论基础
2.1地理本体
2.1.1本体
2.1.2地理本体
2.1.3地理本体表示语言
2.1.4地理本体构建方法
2.1.5地理本体构建工具
2.1.6地理本体推理机
2.2地理认知
2.2.1认知
2.2.2地理认知
2.2.3地理认知过程
2.2.4地理认知模型
2.3地理本体与地理认知的关系
2.3.1地理本体信息到地理认知信息的转换
2.3.2地理认知信息到地理智能信息的转换
2.4地理知识
2.4.1地理知识的表示
2.4.2地理信息一知识一智能转换模型
2.4.3地理知识的生态系统
2.5地理尺度
2.5.1尺度
2.5.2地理尺度
2.5.3尺度转换
2.6小结
参考文献
第3章GEOBIA框架
3.1框架的提出
3.2地理实体概念本体描述
3.3遥感影像分类地理本体建模
3.4地理本体驱动的影像对象分类
3.5小结
参考文献
第4章地理实体概念本体描述
4.1地理实体知识体系
4.1.1地理知识
4.1.2遥感影像特征
4.1.3影像对象特征
4.1.4专家知识
4.2地理实体知识概念本体
4.2.1领域知识概念本体描述
4.2.2领域知识选择
4.3举例：地表覆盖实体本体描述
4.3.1地表覆盖实体领域知识
4.3.2地表覆盖实体概念本体
4.4小结
参考文献
第5章遥感影像分类地理本体建模
5.1遥感影像分类本体建模方法
5.2遥感影像分类本体建模语言
5.3遥感影像本体建模
5.3.1遥感影像源数据
5.3.2遥感影像本体建模
5.4影像对象特征本体建模
5.5分类器本体建模
5.5.1决策树建模
5.5.2专家规则建模
5.6语义网络模型
5.7小结
参考文献
第6章GEOBIA影像对象分类方法
6.1图论与分形网络演化相结合的并行分割
6.1.1算法原理
6.1.2方法流程
6.1.3方法实验
6.1.4结果分析
6.2基于随机森林的特征自动优选
6.2.1算法原理
6.2.2方法流程
6.2.3方法实验
6.2.4结果分析
6.3基于语义网络模型的影像对象语义分类
6.3.1方法流程
6.3.2实现过程
6.3.3方法实验
6.3.4结果分析
6.4小结
参考文献
第7章地表覆盖分类实验
7.1实验环境
7.1.1Feature Station_GeoEX
7.1.2Protege软件
7.2实验数据与研究区域
7.2.1实验一：瑞丽市ZY—3
7.2.2实验二：临潼区Worldvlew_2
7.3地理本体驱动的地表覆盖分类实验
7.3.1地表覆盖类型概念本体描述
7.3.2面向地表覆盖分类的地理本体建模
7.3.3面向地表覆盖的影像对象分类
7.4结果分析
7.4.1视觉分析
7.4.2精度评价
7.4.3实验总结
7.5小结
第8章滑坡识别实验
8.1实验数据与研究区域
8.2地理本体驱动的滑坡识别与分类实验
8.2.1滑坡概念本体描述
8.2.2滑坡地理本体建模
8.2.3滑坡对象识别与分类
8.3结果分析
8.3.1视觉分析
8.3.2精度评价
8.4小结
后记
文摘
版权页：
插图：
面向对象分类与像素级分类的区别为：分类对象是通过分割技术产生的同质性多边形对象。面向对象分类方法主要包括语义建模分类、监督分类、非监督分类三类。
语义建模分类是根据语义网络模型，利用贝叶斯概率模型.DS证据理论、模糊逻辑等方法进行分类，该方法具有系统性、经验性、知识性，依赖专家知识进行类别建模，采用半自动探测方法和经验描述特征，利用机器学习方法进行分类，全过程不仅需要监督，而且需要主动产生式的人工操作。Solares等将几种不同的贝叶斯模型（NBC、TAN、GBN），以及它们的多个网络模型应用于多光谱和高光谱影像的分类，并对它们的分类结果进行了比较。 Peddle等利用证据推理方法对加拿大Yukon地区遥感影像进行了分类研究，效果较好。eCognition软件采用了模糊逻辑方法。该方法是一种典型的软分类，认为一个影像对象可以是在某种程度上属于某个类而同时在另一种程度上届于另一类，这种类属关系的程度用影像对象隶属度表示。
| ISBN | 9787030503374 |
|---|---|
| 出版社 | 科学出版社 |
| 作者 | 顾海燕 |
| 尺寸 | 5 |