پیشرفتها در پردازش سیگنال و تصویر برای سنجش از دور در سالهای اخیر فوقالعاده بوده است. این پیشرفت بهویژه با استفاده از تکنیکهای مبتنی بر یادگیری عمیق برای حل مسائل سنجش از دور، چشمگیر بوده است. این پیشرفتها تمرکز اصلی ویرایش سوم کتاب “پردازش سیگنال و تصویر برای سنجش از دور” (Signal and Image Processing for Remote Sensing) است. این ویرایش بر استفاده از رویکردهای یادگیری ماشین برای استخراج اطلاعات سنجش از دور تأکید دارد. موضوعات دیگر شامل آشکارسازی تغییرات در سنجش از دور و سنجش فشرده (compressed sensing) است. این کتاب با ۱۹ فصل جدید که توسط پیشگامان جهانی در این حوزه نوشته شدهاند، بررسی معتبری را ارائه میدهد و دیدگاه منحصر به فردی در مورد پردازش سیگنال و تصویر عرضه میکند.
ویژگیهای کتاب Signal and Image Processing for Remote Sensing
- شامل محتوای کاملاً جدید است و جایگزین ویرایش قبلی نمیشود.
- رویکردهای یادگیری ماشین را هم در پردازش سیگنال و هم در پردازش تصویر برای سنجش از دور پوشش میدهد.
- به بررسی روشهای یادگیری عمیق برای استخراج اطلاعات سنجش از دور میپردازد که در کتابهای دیگر (نیز) یافت میشوند.
- حسگرهای SAR، مایکروویو، لرزهای، GPR (رادار نفوذی به زمین) و فراطیفی و تمام حسگرهای مورد بررسی را توضیح میدهد.
- رویکردهای بهبود یافته طبقهبندی الگو و رویکردهای سنجش فشرده را مورد بحث قرار میدهد.
- مثالهای فراوانی از هر جنبه پردازش سیگنال و تصویر ارائه میدهد.
این کتاب برای دانشگاهیان، محققان، دانشجویان تحصیلات تکمیلی، متخصصان صنعت و دولت که از سنجش از دور و کاربردهای آن استفاده میکنند، در نظر گرفته شده است.
مشخصات کتاب Signal and Image Processing for Remote Sensing
- ویراستار کتاب: C.H. Chen
- سال انتشار: ۲۰۲۴ (ویرایش سوم)
- ناشر: CRC Press
- زبان کتاب: انگلیسی
- تعداد صفحات: ۴۳۳ صفحه
- کتاب ۲۱ فصل دارد.
- فرمت کتاب: PDF
به منظور تهیه فایل این کتاب ارزشمند، میتوانید از طریق لینک زیر اقدام نمایید:
راهنمای خرید: پس از تکمیل موفقیتآمیز فرآیند پرداخت، بهصورت خودکار به صفحهای هدایت خواهید شد که در آن میتوانید با وارد کردن شناسه اختصاصی، لینک دانلود فایل را دریافت کنید. در صورت بروز هرگونه سؤال یا مشکل، لطفاً از طریق صفحه «تماس با ما» با سایت در ارتباط باشید.
📚 نمایش فهرست مطالب کتاب
Part I: General Topics Chapter 1 A Brief Overview of 60 Years of Progress on Signal/Image Processing for Remote Sensing Chapter 2 Proven Approaches of Using Innovative High-Performance Computing Architectures in Remote Sensing Part II: Signal Processing for Remote Sensing Chapter 3 Machine Learning Techniques for Geophysical Parameter Retrievals Chapter 4 Subsurface Inverse Profiling and Imaging Using Stochastic Optimization Techniques Chapter 5 Close and Remote Ground Penetrating Radar Surveys via Microwave Tomography: State of Art and Perspectives Chapter 6 Polarimetric SAR Signature of Complex Scene: A Simulation Study Chapter 7 Machine Learning for Arctic Sea Ice Physical Properties Estimation Using Dual-Polarimetric SAR Data Chapter 8 Riemannian Clustering of PolSAR Data Using the Polar Decomposition Chapter 9 Seismic Velocity Picking Using Hopfield Neural Network Chapter 10 Expanded Radial Basis Function Network with Proof of Hidden Node Number by Recurrence Relation for Well Log Data Inversion Part III: Image Processing for Remote Sensing Chapter 11 Convolutional Neural Networks Meet Markov Random Fields for Semantic Segmentation of Remote Sensing Images Chapter 12 Deep Learning Methods for Satellite Image Super-Resolution Chapter 13 Machine Learning in Remote Sensing Chapter 14 Robust Training of Deep Neural Networks with Weakly Labelled Data Chapter 15 Semantic Segmentation with OTBTF and Keras Chapter 16 Performance of a Diffusion Model for Instance Segmentation in Remote Sensing Imagery Chapter 17 Land Cover Classification Using Attention-Based Multi-Modal Image Fusion: An Explainable Analysis Chapter 18 FPGA Compressive Sensing Method Applied to Hyperspectral Imagery Chapter 19 Large-Scale Fine-Grained Change Detection from Multisensory Satellite Images Chapter 20 Change Detection on Graphs: Exploiting Graph Structure from Bi-temporal Satellite Imagery Chapter 21 Target Detection in Hyperspectral Imaging Using Neural Networks