ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Image Fusion in Remote Sensing: Conventional and Deep Learning Approaches

دانلود کتاب تلفیق تصویر در سنجش از دور: رویکردهای یادگیری متعارف و عمیق

Image Fusion in Remote Sensing: Conventional and Deep Learning Approaches

مشخصات کتاب

Image Fusion in Remote Sensing: Conventional and Deep Learning Approaches

ویرایش:  
نویسندگان:   
سری: Synthesis Lectures on Image, Video, and Multimedia Processing 
ISBN (شابک) : 1636390765, 9781636390765 
ناشر: Morgan & Claypool Publishers 
سال نشر: 2021 
تعداد صفحات: 95 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 44 مگابایت 

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Image Fusion in Remote Sensing: Conventional and Deep Learning Approaches 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 تلفیق تصویر در سنجش از دور: رویکردهای یادگیری متعارف و عمیق 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.


توضیحاتی در مورد کتاب تلفیق تصویر در سنجش از دور: رویکردهای یادگیری متعارف و عمیق

همجوشی تصویر در سنجش از راه دور یا شفاف سازی شامل ادغام تصاویر فضایی (پانکروماتیک) و طیفی (چند طیفی) است که توسط حسگرهای مختلف در ماهواره ها گرفته می شود. این کتاب به رویکردهای ترکیب تصویر برای کاربردهای سنجش از دور می پردازد. هر دو روش یادگیری متعارف و عمیق پوشش داده شده است. ابتدا، رویکردهای مرسوم برای ادغام تصویر در سنجش از دور مورد بحث قرار می‌گیرد. این رویکردها شامل جایگزینی مؤلفه، چند وضوح و الگوریتم‌های مبتنی بر مدل است. سپس، رویکردهای یادگیری عمیق اخیراً توسعه یافته شامل توابع از دست دادن تک هدفه و چند هدفه مورد بحث قرار می گیرند. نتایج تجربی با مقایسه رویکردهای یادگیری عمیق و مرسوم از نظر معیارهای هدف با وضوح کم و وضوح کامل که معمولاً در سنجش از دور استفاده می‌شوند، ارائه شده‌اند. این کتاب با بیان روندهای پیش‌بینی‌شده آتی در pansharpening یا ادغام تصویر در سنجش از دور به پایان می‌رسد.


توضیحاتی درمورد کتاب به خارجی

Image fusion in remote sensing or pansharpening involves fusing spatial (panchromatic) and spectral (multispectral) images that are captured by different sensors on satellites. This book addresses image fusion approaches for remote sensing applications. Both conventional and deep learning approaches are covered. First, the conventional approaches to image fusion in remote sensing are discussed. These approaches include component substitution, multi-resolution, and model-based algorithms. Then, the recently developed deep learning approaches involving single-objective and multi-objective loss functions are discussed. Experimental results are provided comparing conventional and deep learning approaches in terms of both low-resolution and full-resolution objective metrics that are commonly used in remote sensing. The book is concluded by stating anticipated future trends in pansharpening or image fusion in remote sensing.



فهرست مطالب

Preface
Introduction
	Scope
	Organization
	References
Introduction to Remote Sensing
	Basic Concepts
		Spatial Resolution
		Spectral Resolution
		Radiometric Resolution
		Temporal Resolution
	Pre-Processing Steps for Image Fusion
		Image Registration
		Histogram Matching
	Fusion Protocols
		Reduced-Resolution Protocol (Wald's Protocol)
		Full-Resolution Protocol (Zhou's Protocol)
	Quantity Assessments of Fusion Outcomes
		Reduced-Resolution Metrics
		Full-Resolution Metrics
	References
Conventional Image Fusion Approaches in Remote Sensing
	Component Substitution Algorithms
	Multi-Resolution Analysis Algorithms
	Model-Based Algorithms
	References
Deep Learning-Based Image Fusion Approaches in Remote Sensing
	Typical Deep Learning Models
	Single-Objective Loss Function
	Multi-Objective Loss Function
	References
Unsupervised Generative Model for Pansharpening
	Methodology
	Learning Process and Loss Functions
	References
Experimental Studies
	Dataset Used
	Objective Assessment of Fusion Results
	Visual Assessment of Fusion Results
	References
Anticipated Future Trend
Authors' Biographies
Index
Blank Page




نظرات کاربران