稀疏表示及模糊支持向量機(jī)在衛(wèi)星云圖處理中的應(yīng)用
定 價(jià)：86 元
叢書名：圖形圖像處理及其應(yīng)用技術(shù)
- 作者：金煒[等]著
- 出版時(shí)間：2016/8/15
- ISBN：9787030483911
- 出 版 社：科學(xué)出版社
- 中圖法分類：P455
- 頁碼：140
- 紙張：膠版紙
- 版次：1
- 開本：16K
本書根據(jù)經(jīng)濟(jì)發(fā)展對氣象服務(wù)提出的要求，從衛(wèi)星云圖的本質(zhì)特性出發(fā)，運(yùn)用現(xiàn)代信息技術(shù)與大氣科學(xué)交叉互補(bǔ)的研究思路，將稀疏表示思想引入衛(wèi)星云圖處理，并針對衛(wèi)星云圖的模糊性，采用不確定性理論及機(jī)器學(xué)習(xí)法，開展了衛(wèi)星云圖降噪、多通道云圖融合、衛(wèi)星云圖超分辨率、云類識(shí)別、云圖檢索等方面的研究，以期提高氣象業(yè)務(wù)服務(wù)水平，并拓展稀疏表示理論及模糊支持向量機(jī)的實(shí)際應(yīng)用價(jià)值。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目錄
第1章緒論1
1.1引言1
1.2衛(wèi)星云圖處理的研究現(xiàn)狀2
1.3靜止氣象衛(wèi)星及其衛(wèi)星云圖5
1.3.1靜止氣象衛(wèi)星5
1.3.2衛(wèi)星云圖相關(guān)知識(shí)6
1.4衛(wèi)星云圖處理的理論準(zhǔn)備：稀疏表示及模糊支持向量機(jī)理論8
1.4.1稀疏表示理論8
1.4.2支持向量機(jī)相關(guān)理論14
1.5本章小結(jié)24
參考文獻(xiàn)25
第2章衛(wèi)星云圖預(yù)處理28
2.1基于稀疏表示的衛(wèi)星云圖降噪算法28
2.1.1衛(wèi)星云圖稀疏降噪模型29
2.1.2適用于云圖降噪的過完備字典D的構(gòu)造30
2.1.3算法步驟31
2.1.4實(shí)驗(yàn)結(jié)果與分析32
2.2聯(lián)合塊匹配與稀疏表示的衛(wèi)星云圖修復(fù)33
2.2.1基于塊匹配的圖像修復(fù)35
2.2.2云圖稀疏修復(fù)模型的建立37
2.2.3算法步驟39
2.2.4實(shí)驗(yàn)結(jié)果及討論39
2.3抗混疊輪廓波域采用壓縮感知的云圖融合方法43
2.3.1AFCT的構(gòu)造44
2.3.2壓縮感知(CS)理論46
2.3.3結(jié)合AFCT及CS的氣象云圖融合實(shí)現(xiàn)47
2.3.4實(shí)驗(yàn)結(jié)果及分析49
2.4基于過完備字典稀疏表示的云圖超分辨率52
2.4.1算法基本原理53
2.4.2過完備字典對的聯(lián)合訓(xùn)練53
2.4.3基于稀疏表示的云圖超分辨率實(shí)現(xiàn)55
2.4.4實(shí)驗(yàn)結(jié)果與分析56
2.5本章小結(jié)58
參考文獻(xiàn)59
第3章衛(wèi)星云圖壓縮感知62
3.1引言62
3.2適合云圖稀疏表示的Tetrolet變換63
3.3云圖的時(shí)空相關(guān)性及壓縮感知66
3.3.1云圖的時(shí)空相關(guān)性66
3.3.2基于時(shí)空相關(guān)性的云圖壓縮感知67
3.4實(shí)驗(yàn)結(jié)果與分析69
3.5本章小結(jié)73
參考文獻(xiàn)73
第4章利用密度聚類支持向量機(jī)的衛(wèi)星云圖云檢測75
4.1引言75
4.2資料分析及特征提取76
4.2.1資料分析76
4.2.2特征提取77
4.3密度聚類支持向量機(jī)77
4.3.1DBSCAN算法78
4.3.2樣本集的純度78
4.3.3樣本集的充足度79
4.4實(shí)驗(yàn)結(jié)果與分析80
4.5本章小結(jié)81
參考文獻(xiàn)82
第5章適用于衛(wèi)星云圖云類識(shí)別的稀疏分類器構(gòu)造83
5.1當(dāng)前云分類研究現(xiàn)狀83
5.2過完備字典稀疏表示的衛(wèi)星云圖云分類方法86
5.2.1衛(wèi)星云圖云分類體系86
5.2.2適合衛(wèi)星云圖特征表達(dá)的過完備字典87
5.2.3字典特征的提取89
5.2.4基于重構(gòu)殘差的稀疏分類器90
5.2.5采用子空間投影的稀疏分類器91
5.3實(shí)驗(yàn)結(jié)果與分析93
5.3.1CCSIODSRF分類器的準(zhǔn)確率94
5.3.2多種分類器的對比95
5.4本章小結(jié)97
參考文獻(xiàn)97
第6章采用多模糊支持向量機(jī)決策融合的積雨云檢測99
6.1積雨云檢測的研究現(xiàn)狀99
6.2積雨云及其特征提取100
6.3決策融合103
6.3.1模糊支持向量機(jī)(FSVM)及其輸出模糊概率的擬合103
6.3.2加權(quán)系數(shù)決策融合104
6.4實(shí)驗(yàn)及結(jié)果分析105
6.5本章小結(jié)108
參考文獻(xiàn)108
第7章面向衛(wèi)星云圖云類識(shí)別的自適應(yīng)模糊支持向量機(jī)110
7.1引言110
7.2基于支持向量機(jī)的衛(wèi)星云圖云類識(shí)別研究現(xiàn)狀110
7.3衛(wèi)星云圖云分類體系及特征提取111
7.4自適應(yīng)模糊支持向量機(jī)112
7.4.1自適應(yīng)模糊隸屬度函數(shù)的設(shè)計(jì)114
7.4.2確定自適應(yīng)參數(shù)114
7.5云分類算法流程117
7.6實(shí)驗(yàn)結(jié)果及分析118
7.7本章小結(jié)121
參考文獻(xiàn)122
第8章基于稀疏表示的衛(wèi)星云圖檢索123
8.1適應(yīng)于云圖檢索的特征提取及云圖檢索評(píng)價(jià)準(zhǔn)則123
8.1.1云圖灰度特征提取124
8.1.2基于均勻局部二元模式的云圖紋理特征提取125
8.1.3云圖形狀特征提取129
8.1.4云圖檢索性能評(píng)價(jià)準(zhǔn)則134
8.2基于稀疏表示的云圖檢索的實(shí)現(xiàn)135
8.2.1采用字典學(xué)習(xí)的云圖特征優(yōu)化135
8.2.2基于稀疏分類的云圖檢索算法137
8.3實(shí)驗(yàn)結(jié)果與分析139
8.4本章小結(jié)143
參考文獻(xiàn)144
索引145
書單推薦
