Change Detection and Image Time Series Analysis 2: Supervised Methods
Change Detection and Image Time Series Analysis 2 stellt überwachte, auf maschinellem Lernen basierende Methoden zur Analyse der zeitlichen Entwicklung anhand von Bildzeitreihen in Verbindung mit Erdbeobachtungsdaten vor. Kapitel 1 befasst sich mit der Fusion von Multisensor-, Multiresolutions- und Multitemporaldaten. Es werden zwei überwachte Lösungen vorgeschlagen, die auf einem Markov-Random-Field basieren: die erste basiert auf einem Quad-Tree und die zweite ist speziell für den Umgang mit Multimissions-, Multifrequenz- und Multiauflösungszeitreihen konzipiert.
Kapitel 2 gibt einen Überblick über pixelbasierte Methoden zur Klassifizierung von Zeitreihen, von den frühesten Methoden des flachen Lernens bis hin zu den neuesten Deep-Learning-basierten Ansätzen.
Kapitel 3 konzentriert sich auf Zeitreihen mit sehr hoher räumlicher Auflösung und auf die Verwendung semantischer Informationen zur Modellierung räumlich-zeitlicher Entwicklungsmuster.
Kapitel 4 befasst sich mit den Herausforderungen der Analyse dichter Zeitreihen, einschließlich der Aspekte der Vorverarbeitung und einer Taxonomie der bestehenden Methoden. Da die Bewertung eines lernenden Systems mehrere Aspekte umfassen kann, werden in den Kapiteln 5 und 6 ausführliche Bewertungen vorgenommen.
Die Kapitel 5 und 6 bieten ausführliche Bewertungen der Methoden und Lernsysteme, die zur Erstellung von Veränderungskarten verwendet werden, im Zusammenhang mit Fragen der Klassifizierung von Veränderungen in mehreren Klassen und/oder mit mehreren Labels.
| ISBN: | 9781789450576 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 272 |
Derzeit verfügbar, auf Lager.
