دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Abdourrahmane M. Atto, Francesca Bovolo, Lorenzo Bruzzone سری: IMAGE: Remote Sensing Imagery ISBN (شابک) : 2021941648, 9781789450569 ناشر: Wiley-ISTE سال نشر: 2022 تعداد صفحات: 292 [293] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 33 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Change Detection and Image Time Series Analysis, Volume 1: Unsupervised Methods به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تشخیص تغییر و تجزیه و تحلیل سری زمانی تصویر، جلد 1: روشهای بدون نظارت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تشخیص تغییر و تجزیه و تحلیل سری زمانی تصویر 1 طیف وسیعی از روشهای بدون نظارت را برای تحلیل تکامل زمانی از طریق استفاده از سریهای زمانی تصویر مرتبط با روشهای دریافت رادار دیافراگم اپتیکال و/یا مصنوعی ارائه میکند. فصل 1 دو رویکرد بدون نظارت را برای تشخیص تغییرات چندگانه در تصاویر چند متغیره دو زمانی معرفی میکند، با فصلهای 2 و 3 به تشخیص تغییر در سریهای زمانی تصویر در زمینه تحلیل آماری ماتریسهای کوواریانس. فصل 4 بر موجک ها و فیلترهای کانولوشنال-عصبی برای استخراج ویژگی و تشخیص ناهنجاری مبتنی بر آنتروپی تمرکز دارد و فصل 5 به تعدادی از معیارها مانند نسبت های همبستگی متقابل و فاصله هاسدورف برای تجزیه و تحلیل تغییرات وضعیت برف می پردازد. فصل 6 یک مدل میدان تصادفی دینامیکی کسری برای پیشبینی زمانی مکانی و برای نظارت بر رویدادهای هواشناسی سریع مانند طوفانها ارائه میکند. فصل 7 تجزیه و تحلیلی را بر اساس نقاط مشخصه برای مدلسازی بافت، در زمینه تئوری گراف پیشنهاد میکند، و فصل 8 بر تشخیص انواع پوشش زمین جدید با تشخیص تغییر مبتنی بر طبقهبندی یا تشخیص تغییر مبتنی بر ویژگی/پیکسل تمرکز دارد. فصل 9 بر مدلسازی کلاسها در تصویر تفاوت تمرکز دارد و یک مدل چند کلاسه برای این تصویر تفاوت در زمینه تحلیل بردار تغییر استخراج میکند.
Change Detection and Image Time Series Analysis 1 presents a wide range of unsupervised methods for temporal evolution analysis through the use of image time series associated with optical and/or synthetic aperture radar acquisition modalities. Chapter 1 introduces two unsupervised approaches to multiple-change detection in bi-temporal multivariate images, with Chapters 2 and 3 addressing change detection in image time series in the context of the statistical analysis of covariance matrices. Chapter 4 focuses on wavelets and convolutional-neural filters for feature extraction and entropy-based anomaly detection, and Chapter 5 deals with a number of metrics such as cross correlation ratios and the Hausdorff distance for variational analysis of the state of snow. Chapter 6 presents a fractional dynamic stochastic field model for spatio temporal forecasting and for monitoring fast-moving meteorological events such as cyclones. Chapter 7 proposes an analysis based on characteristic points for texture modeling, in the context of graph theory, and Chapter 8 focuses on detecting new land cover types by classification-based change detection or feature/pixel based change detection. Chapter 9 focuses on the modeling of classes in the difference image and derives a multiclass model for this difference image in the context of change vector analysis.