目錄
第1章 緒論1
1.1 地學(xué)數(shù)據(jù)類型1
1.2 不同數(shù)據(jù)之間的互補(bǔ)性3
1.3 數(shù)據(jù)融合的定義4
1.4 本書研究?jī)?nèi)容5
參考文獻(xiàn)7
第2章 亞像素位移影像序列超分辨率融合方法9
2.1 概述9
2.1.1 超分辨率技術(shù)的概念9
2.1.2 超分辨率技術(shù)的遙感應(yīng)用10
2.2 超分辨率技術(shù)基本理論與方法11
2.2.1 觀測(cè)模型11
2.2.2 參數(shù)估計(jì)12
2.2.3 超分辨率模型13
2.3 基于深度學(xué)習(xí)的視頻序列超分辨率融合方法15
2.3.1 概述15
2.3.2 時(shí)空信息融合網(wǎng)絡(luò)16
2.3.3 空間梯度增強(qiáng)網(wǎng)絡(luò)18
2.3.4 聯(lián)合優(yōu)化策略20
2.4 視頻影像超分辨率融合實(shí)驗(yàn)21
2.4.1 測(cè)試數(shù)據(jù)與實(shí)驗(yàn)設(shè)置21
2.4.2 模擬實(shí)驗(yàn)23
2.4.3 真實(shí)實(shí)驗(yàn)28
2.5 本章小結(jié)30
參考文獻(xiàn)30
第3章 多傳感器遙感影像空-譜融合方法36
3.1 概述36
3.2 空-譜融合方法體系37
3.2.1 成分替換融合方法37
3.2.2 多分辨率分析融合方法41
3.2.3 變分模型融合方法44
3.2.4 機(jī)器學(xué)習(xí)融合方法46
3.3 基于差值映射的深度殘差卷積融合網(wǎng)絡(luò)48
3.3.1 差值映射與梯度輔助策略48
3.3.2 基于差值映射的深度殘差卷積融合方法50
3.4 實(shí)驗(yàn)結(jié)果與分析53
3.4.1 定量評(píng)價(jià)指標(biāo)54
3.4.2 模擬實(shí)驗(yàn)56
3.4.3 真實(shí)實(shí)驗(yàn)60
3.4.4 參數(shù)量及復(fù)雜度分析65
3.5 本章小結(jié)66
參考文獻(xiàn)66
第4章 多源遙感參量數(shù)據(jù)時(shí)-空融合方法73
4.1 概述73
4.2 時(shí)-空融合的發(fā)展現(xiàn)狀74
4.2.1 線性解混方法75
4.2.2 時(shí)空濾波方法75
4.2.3 變分模型方法76
4.2.4 機(jī)器學(xué)習(xí)方法76
4.2.5 混合方法77
4.3 基于非局部濾波的時(shí)-空融合方法77
4.3.1 模型框架77
4.3.2 算法流程79
4.3.3 實(shí)驗(yàn)結(jié)果與分析81
4.4 深度學(xué)習(xí)時(shí)-空融合方法87
4.4.1 模型框架87
4.4.2 網(wǎng)絡(luò)細(xì)節(jié)與損失函數(shù)89
4.4.3 實(shí)驗(yàn)結(jié)果與分析91
4.5 多傳感器時(shí)-空一體化融合方法99
4.5.1 模型框架99
4.5.2 像元篩選與權(quán)重計(jì)算100
4.5.3 實(shí)驗(yàn)結(jié)果與分析101
4.6 本章小結(jié)108
參考文獻(xiàn)108
第5章 多源光學(xué)遙感影像時(shí)-空-譜一體化融合方法111
5.1 概述111
5.2 時(shí)-空-譜一體化變分融合模型112
5.2.1 時(shí)-空-譜關(guān)系模型112
5.2.2 一體化融合模型115
5.2.3 優(yōu)化求解算法118
5.3 實(shí)驗(yàn)結(jié)果與分析118
5.3.1 超分辨率融合實(shí)驗(yàn)119
5.3.2 空-譜融合實(shí)驗(yàn)120
5.3.3 時(shí)-空融合實(shí)驗(yàn)121
5.3.4 時(shí)-空-譜一體化融合實(shí)驗(yàn)122
5.4 本章小結(jié)126
參考文獻(xiàn)126
第6章 單極化-全極化SAR數(shù)據(jù)融合方法129
6.1 概述129
6.2 數(shù)據(jù)組織形式與退化模型130
6.3 機(jī)器學(xué)習(xí)SAR數(shù)據(jù)融合模型132
6.3.1 高分辨率單極化SAR特征提取模塊133
6.3.2 低分辨率全極化SAR超分辨率重建模塊134
6.3.3 交叉注意力機(jī)制136
6.3.4 融合損失函數(shù)138
6.3.5 雙-全極化SAR影像融合方法擴(kuò)展139
6.4 實(shí)驗(yàn)結(jié)果與分析139
6.4.1 實(shí)驗(yàn)數(shù)據(jù)與預(yù)處理140
6.4.2 模擬實(shí)驗(yàn)141
6.4.3 真實(shí)實(shí)驗(yàn)144
6.4.4 極化分析實(shí)驗(yàn)145
6.4.5 雙-全極化SAR影像融合實(shí)驗(yàn)150
6.5 本章小結(jié)152
參考文獻(xiàn)152
第7章 光學(xué)-SAR遙感數(shù)據(jù)像素級(jí)融合方法155
7.1 概述155
7.2 深度循環(huán)生成對(duì)抗網(wǎng)絡(luò)融合方法156
7.2.1 雙向循環(huán)融合框架156
7.2.2 生成器與判別器網(wǎng)絡(luò)結(jié)構(gòu)158
7.2.3 損失函數(shù)160
7.3 實(shí)驗(yàn)結(jié)果與分析161
7.3.1 分辨率提升實(shí)驗(yàn)162
7.3.2 厚云去除實(shí)驗(yàn)166
7.3.3 厚云去除與分辨率提升聯(lián)合處理實(shí)驗(yàn)169
7.4 本章小結(jié)173
參考文獻(xiàn)173
第8章 可見光-短波紅外遙感數(shù)據(jù)融合方法177
8.1 概述177
8.1.1 譜段相關(guān)性與互補(bǔ)性177
8.1.2 大氣散射規(guī)律180
8.2 卷云波段輔助的可見光波段校正方法182
8.2.1 卷云校正模型183
8.2.2 參數(shù)求解183
8.2.3 實(shí)驗(yàn)結(jié)果與分析187
8.3 基于梯度融合的影像薄云霧校正方法193
8.3.1 歸一化梯度融合變分模型193
8.3.2 波段相關(guān)性先驗(yàn)194
8.3.3 有約束的歸一化梯度融合模型195
8.3.4 實(shí)驗(yàn)結(jié)果與分析196
8.4 短波紅外波段引導(dǎo)的融合重建方法199
8.4.1 云區(qū)與非云區(qū)分離199
8.4.2 相似像元高精度匹配200
8.4.3 空譜馬爾可夫薄云校正模型201
8.4.4 實(shí)驗(yàn)結(jié)果與分析203
8.5 本章小結(jié)204
參考文獻(xiàn)204
第9章 多參量數(shù)據(jù)融合降尺度方法207
9.1 概述207
9.1.1 空間降尺度207
9.1.2 確定性降尺度208
9.1.3 統(tǒng)計(jì)降尺度208
9.2 多元自適應(yīng)回歸樣條降尺度方法210
9.2.1 前向選擇210
9.2.2 后向剪枝211
9.3 顧及尺度一致約束的卷積網(wǎng)絡(luò)降尺度方法212
9.3.1 雙模式交叉注意力模塊213
9.3.2 內(nèi)嵌注意力的殘差密集卷積模塊214
9.3.3 損失函數(shù)設(shè)計(jì)216
9.4 實(shí)驗(yàn)結(jié)果與分析216
9.4.1 研究區(qū)域與數(shù)據(jù)216
9.4.2 實(shí)驗(yàn)方案設(shè)計(jì)218
9.4.3 模擬實(shí)驗(yàn)219
9.4.4 真實(shí)實(shí)驗(yàn)224
9.5 本章小結(jié)231
參考文獻(xiàn)231
第10章 遙感與地基觀測(cè)數(shù)據(jù)點(diǎn)-面融合方法236
10.1 概述236
10.1.1 點(diǎn)-面融合基本概念236
10.1.2 大氣PM2.5濃度點(diǎn)-面融合估算238
10.1.3 顧及時(shí)空規(guī)律的機(jī)器學(xué)習(xí)點(diǎn)-面融合建模240
10.2 研究區(qū)域與數(shù)據(jù)240
10.2.1 地基站點(diǎn)數(shù)據(jù)241
10.2.2 衛(wèi)星觀測(cè)數(shù)據(jù)241
10.2.3 氣象再分析資料241
10.2.4 數(shù)據(jù)預(yù)處理242
10.3 時(shí)空關(guān)聯(lián)深度學(xué)習(xí)點(diǎn)-面融合方法242
10.3.1 深度置信網(wǎng)絡(luò)242
10.3.2 時(shí)空關(guān)聯(lián)因子提取244
10.3.3 時(shí)空關(guān)聯(lián)深度學(xué)習(xí)244
10.3.4 實(shí)驗(yàn)結(jié)果與分析246
10.4 時(shí)空地理加權(quán)學(xué)習(xí)點(diǎn)-面融合方法249
10.4.1 模型結(jié)構(gòu)250
10.4.2 時(shí)空加權(quán)方案251
10.4.3 權(quán)值優(yōu)化求解251
10.4.4 模型參數(shù)選擇252
10.4.5 實(shí)驗(yàn)結(jié)果與分析252
10.5 全局-局部結(jié)合時(shí)空神經(jīng)網(wǎng)絡(luò)點(diǎn)-面融合方法258
10.5.1 通用時(shí)空地理加權(quán)學(xué)習(xí)模型258
10.5.2 全局-局部建�？蚣�259
10.5.3 實(shí)驗(yàn)結(jié)果與分析261
10.6 點(diǎn)-面融合方法對(duì)比評(píng)估266
10.6.1 考慮站點(diǎn)不均勻分布的驗(yàn)證方法267
10.6.2 模型評(píng)價(jià)結(jié)果及其對(duì)比268
10.7 本章小結(jié)270
參考文獻(xiàn)270
第11章 對(duì)地觀測(cè)與社會(huì)感知數(shù)據(jù)融合方法275
11.1 概述275
11.2 研究區(qū)域與數(shù)據(jù)277
11.3 融合對(duì)地觀測(cè)與社會(huì)感知的PM2.5估算方法279
11.3.1 特征變量提取279
11.3.2 關(guān)系建模與參量估計(jì)282
11.4 實(shí)驗(yàn)結(jié)果與分析283
11.4.1 描述性統(tǒng)計(jì)結(jié)果283
11.4.2 定量評(píng)價(jià)結(jié)果284
11.4.3 制圖評(píng)價(jià)結(jié)果286
11.4.4 社會(huì)感知變量影響分析289
11.4.5 其他城市擴(kuò)展應(yīng)用290
11.5 本章小結(jié)293
參考文獻(xiàn)293
第12章 對(duì)地觀測(cè)數(shù)據(jù)與動(dòng)力學(xué)模式同化融合方法296
12.1 概述296
12.2 模式-遙感數(shù)據(jù)同化方法297
12.2.1 數(shù)據(jù)同化基本原理297
12.2.2 數(shù)據(jù)同化算法297
12.2.3 模型算子與觀測(cè)算子302
12.2.4 研究區(qū)、數(shù)據(jù)與實(shí)驗(yàn)方案304
12.2.5 實(shí)驗(yàn)結(jié)果與分析307
12.3 遙感-模式數(shù)據(jù)融合方法312
12.3.1 基本原理與研究現(xiàn)狀312
12.3.2 遙感-模式一體化融合框架313
12.3.3 研究區(qū)與實(shí)驗(yàn)數(shù)據(jù)317
12.3.4 實(shí)驗(yàn)結(jié)果與分析319
12.4 本章小結(jié)327
參考文獻(xiàn)327
第13章 多源地學(xué)數(shù)據(jù)廣義時(shí)-空-譜一體化融合方法332
13.1 概述332
13.1.1 經(jīng)典時(shí)-空-譜融合框架的局限332
13.1.2 “譜”的內(nèi)涵延拓333
13.1.3 時(shí)-空-譜融合的廣義理解333
13.2 多源異質(zhì)遙感影像的時(shí)-空-譜一體化融合方法334
13.2.1 異質(zhì)時(shí)-空-譜一體化融合框架334
13.2.2 損失函數(shù)336
13.2.3 實(shí)驗(yàn)結(jié)果與分析337
13.3 面向參量降尺度的廣義時(shí)-空-譜一體化融合方法342
13.3.1 土壤水分觀測(cè)及其降尺度342
13.3.2 數(shù)據(jù)介紹343
13.3.3 廣義時(shí)-空-譜一體化融合降尺度方法345
13.3.4 實(shí)驗(yàn)結(jié)果與分析347
13.4 本章小結(jié)351
參考文獻(xiàn)351