کتاب Super-Resolution for Remote Sensing

کتاب ابر وضوح برای سنجش از دور

تاریخ ارسال:

|

|

کتاب “کتاب ابر وضوح برای سنجش از دور” (Super-Resolution for Remote Sensing) دیدگاهی جامع در مورد چشم‌انداز تکنیک‌های ابر وضوح توسعه‌یافته و به کار رفته برای تصاویر سنجش از دور ارائه می‌دهد. فصول این کتاب به مهم‌ترین مسائلی می‌پردازد که متخصصان هنگام کار با ابر وضوح در زمینه سنجش از دور با آن‌ها مواجه می‌شوند. این مسائل عبارتند از: رویه‌های ارزیابی برای سنجش کیفیت ابر وضوح؛ مجموعه داده‌های معیار (شبیه‌سازی‌شده و واقعی)؛ ابر وضوح برای مُدالیته‌های داده خاص (مانند تصاویر پانکروماتیک، چندطیفی و فراطیفی)؛ ابر وضوح تک‌تصویر، شامل شبکه‌های مولد تخاصمی؛ ترکیب چند تصویر (زمانی و/یا طیفی)؛ ابر وضوح در دنیای واقعی؛ ابر وضوح وظیفه‌محور. این کتاب نتایج چندین نظرسنجی اخیر در مورد ابر وضوح را به طور خاص برای جامعه سنجش از دور ارائه می‌دهد.

مرور کلی

  • تمرکز بر دقت بازسازی در مقایسه با واقعیت زمینی به جای تولید نتیجه‌ای با جذابیت بصری
  • توضیح چگونگی اعمال ابر وضوح بر روی انواع مختلف مُدالیته‌های تصویری ذاتی سنجش از دور
  • جمع‌آوری توصیف مجموعه داده‌های آموزشی و معیارهایی که بر اساس تصاویر سنجش از دور هستند

مشخصات کتاب Super-Resolution for Remote Sensing

  • ویراستاران کتاب: Michal Kawulok, Jolanta Kawulok, Bogdan Smolka, M. Emre Celebi
  • سال انتشار: ۲۰۲۴
  • ناشر: Springer Cham
  • زبان کتاب: انگلیسی
  • تعداد صفحات: ۳۹۲ صفحه
  • کتاب ۹ فصل دارد.
  • فرمت کتاب: PDF

به منظور تهیه فایل این کتاب ارزشمند، می‌توانید از طریق لینک زیر اقدام نمایید:

شناسه: 3587
قیمت: ۳۵٬۰۰۰ تومان
پرداخت

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
‌۱. Introduction to Super-Resolution for Remotely Sensed Hyperspectral Images
۲. Real-World Unsupervised Remote Sensing Image Super-Resolution: Addressing Challenges, Solution, and Future Prospects
۳. Advancements in Deep Learning-Based Super-resolution for Remote Sensing: A Comprehensive Review and Future Directions
۴. Multi-Image Super-Resolution Using Graph Neural Networks
۵. Effectiveness Analysis of Example-Based Machine Learning and Deep Learning Methods for Super-resolution Hyperspectral Images
۶. Synergy of Images: Multi-Image Fusion Empowering Super-Resolution in Remote Sensing
۷. Unsupervised Pansharpening Using ConvNets
۸. A Comprehensive Overview of Satellite Image Fusion: From Classical Model-Based to Cutting-Edge Deep Learning Approaches
۹. Super-Resolution for Spectral Image