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: 1
نویسندگان: Chein-I Chang (auth.)
سری:
ISBN (شابک) : 9781441961860, 9781441961877
ناشر: Springer-Verlag New York
سال نشر: 2016
تعداد صفحات: 629
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 27 مگابایت
کلمات کلیدی مربوط به کتاب پردازش تصویر Hiperspectral پیشرونده در زمان واقعی: یافته Endmember و تشخیص ناهنجاری: سیگنال، پردازش تصویر و گفتار، پردازش تصویر و بینایی کامپیوتری، تشخیص الگو، بیومتریک
در صورت تبدیل فایل کتاب Real-Time Progressive Hyperspectral Image Processing: Endmember Finding and Anomaly Detection 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 پردازش تصویر Hiperspectral پیشرونده در زمان واقعی: یافته Endmember و تشخیص ناهنجاری 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.
این کتاب حیاتیترین بخشهای پردازش تصویر فراطیفی بلادرنگ را
پوشش میدهد: علیت و قابلیت بلادرنگ. اخیراً دو مفهوم جدید
پردازش تصویر ابرطیفی بلادرنگ، تصویربرداری فراطیفی پیشرونده
(PHSI) و تصویربرداری ابرطیفی بازگشتی (RHSI) ارائه شده است. هر
دوی اینها را می توان برای طراحی الگوریتم ها استفاده کرد و
همچنین بخشی جدایی ناپذیر از پردازش تصویر هایپرپسکتال بلادرنگ
را تشکیل می دهد. این کتاب بر ماهیت پیشرونده در الگوریتمها در
اجرای پردازش همزمان و علّی آنها در دو کاربرد اصلی، یافتن
اعضای انتهایی و تشخیص ناهنجاری تمرکز میکند، که هر دو وظایف
اساسی در تصویربرداری ابرطیفی هستند، اما معمولاً در
تصویربرداری چند طیفی با آن مواجه نمیشوند. این کتاب برای
پرداختن به PHSI در پردازش بلادرنگ نوشته شده است، در حالی که
کتابی با عنوان نمونه ابرطیفی بازگشتی و پردازش باند: معماری و
پیاده سازی الگوریتم (اسپرینگر 2016) را می توان به عنوان کتاب
همراه آن در نظر گرفت.
The book covers the most crucial parts of real-time
hyperspectral image processing: causality and real-time
capability. Recently, two new concepts of real time
hyperspectral image processing, Progressive HyperSpectral
Imaging (PHSI) and Recursive HyperSpectral Imaging (RHSI).
Both of these can be used to design algorithms and also form
an integral part of real time hyperpsectral image processing.
This book focuses on progressive nature in algorithms on
their real-time and causal processing implementation in two
major applications, endmember finding and anomaly detection,
both of which are fundamental tasks in hyperspectral imaging
but generally not encountered in multispectral imaging. This
book is written to particularly address PHSI in real time
processing, while a book, Recursive Hyperspectral Sample and
Band Processing: Algorithm Architecture and Implementation
(Springer 2016) can be considered as its companion
book.
Front Matter....Pages i-xxiii
Overview and Introduction....Pages 1-33
Front Matter....Pages 35-35
Linear Spectral Mixture Analysis....Pages 37-73
Finding Endmembers in Hyperspectral Imagery....Pages 75-103
Linear Spectral Unmixing With Three Criteria, Least Squares Error, Simplex Volume and Orthogonal Projection....Pages 105-129
Hyperspectral Target Detection....Pages 131-172
Front Matter....Pages 173-174
Fully Geometric-Constrained Sequential Endmember Finding: Simplex Volume Analysis-Based N-FINDR....Pages 175-242
Partially Geometric-Constrained Sequential Endmember Finding: Convex Cone Volume Analysis....Pages 243-272
Geometric-Unconstrained Sequential Endmember Finding: Orthogonal Projection Analysis....Pages 273-289
Fully Abundance-Constrained Sequential Endmember Finding: Linear Spectral Mixture Analysis....Pages 291-322
Front Matter....Pages 323-323
Fully Geometric-Constrained Progressive Endmember Finding: Growing Simplex Volume Analysis....Pages 325-360
Partially Geometric-Constrained Progressive Endmember Finding: Growing Convex Cone Volume Analysis....Pages 361-387
Geometric-Unconstrained Progressive Endmember Finding: Orthogonal Projection Analysis....Pages 389-412
Endmember-Finding Algorithms: Comparative Studies and Analyses....Pages 413-467
Front Matter....Pages 469-470
Anomaly Detection Characterization....Pages 471-493
Anomaly Discrimination and Categorization....Pages 495-519
Anomaly Detection and Background Suppression....Pages 521-545
Multiple Window Anomaly Detection....Pages 547-576
Anomaly Detection Using Causal Sliding Windows....Pages 577-595
Conclusions....Pages 597-605
Erratum to: Real-Time Progressive Hyperspectral Image Processing....Pages E1-E1
Back Matter....Pages 607-623