Fuzzy Machine Learning Algorithms for Remote Sensing Image Classification
Dieses Buch behandelt die neuesten Bildklassifizierungsmethoden zur Unterscheidung von Erdobjekten aus Fernerkundungssatellitendaten, wobei der Schwerpunkt auf Fuzzy-Maschinenlernen und Deep-Learning-Algorithmen liegt. Beide Arten von Algorithmen werden so detailliert beschrieben, dass sie direkt für die thematische Kartierung von Landbedeckungen mehrerer Klassen oder bestimmter Klassen aus multispektralen optischen Fernerkundungsdaten eingesetzt werden können. Diese Algorithmen sind in Verbindung mit Multidaten- und Multisensor-Fernerkundungsdaten in der Lage, bestimmte Stadien (z. B. die Phänologie der wachsenden Pflanzen) einer bestimmten Klasse zu überwachen. Dank dieser Fähigkeiten finden Fuzzy-Algorithmen des maschinellen Lernens breite Anwendung in Bereichen wie Ernteversicherung, Kartierung von Waldbränden, Stoppelbrennen, Kartierung von Schäden nach Katastrophen usw. Das Buch enthält auch Details über die Datenbank mit zeitlichen Indizes, die mit dem vorgeschlagenen CBSI-Ansatz (Class Based Sensor Independent) erstellt wurden, unterstützt durch praktische Beispiele. Außerdem werden in diesem Buch andere verwandte Algorithmen behandelt, die auf Distanz, Kernel und räumlichen Informationen durch Markov Random Field (MRF)/Lokale Faltungsmethoden basieren, um gemischte Pixel, Nichtlinearität und verrauschte Pixel zu behandeln.
Darüber hinaus werden in diesem Buch Techniken zur quantitativen Bewertung von weich klassifizierten Fraktionsergebnissen aus der weichen Klassifizierung behandelt, die durch ein selbst entwickeltes Tool namens Sub-Pixel-Multispectral Image Classifier (SMIC) unterstützt werden. Es richtet sich an Absolventen, Doktoranden, Forscher und Berufstätige verschiedener Fachrichtungen wie Geoinformationswissenschaften, Geographie, Elektrotechnik, Elektronik und Informatik usw., die auf dem Gebiet der Erdbeobachtung und Satellitenbildverarbeitung arbeiten. Die in diesem Buch behandelten Lernalgorithmen können auch in anderen verwandten Bereichen nützlich sein, zum Beispiel in der medizinischen Bildverarbeitung. Insgesamt zielt dieses Buch auf Folgendes ab:
⬤ ausschließlich auf die Verwendung einer breiten Palette von Fuzzy-Klassifikationsalgorithmen für Fernerkundungsbilder zu konzentrieren;
⬤ ANN, CNN, RNN und hybride Lernklassifikatoren auf Fernerkundungsbildern zu diskutieren;
⬤ Beschreibung des Sub-Pixel Multi-Spectral Image Classifier Tools (SMIC) zur Unterstützung der diskutierten Fuzzy- und Lernalgorithmen;
⬤ erläutern Sie, wie man weich klassifizierte Ergebnisse als Fraktionsbilder unter Verwendung der Fuzzy-Fehlermatrix (FERM) und ihrer fortgeschrittenen Versionen mit dem FERM-Tool, der Entropie, dem Korrelationskoeffizienten, dem mittleren quadratischen Fehler und der Receiver Operating Characteristic (ROC) bewertet;
⬤ verbindet die Erklärung der Algorithmen mit Fallstudien und praktischen Anwendungen.
| ISBN: | 9780367355715 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 194 |
Derzeit verfügbar, auf Lager.
