遥感图像分析与系统  081104M06004H

学期:2020—2021学年(春)第二学期 | 课程属性:专业研讨课 | 任课教师:霍春雷
授课时间: 星期五,第5、6、7 节
授课地点: 教一楼113
授课周次: 1、2、3、4、5、6、7
课程编号: 081104M06004H 课时: 20 学分: 1.00
课程属性: 专业研讨课 主讲教师:霍春雷 助教:
英文名称: Techniques and System on Remote Sensing Image Analysis 召集人:

教学目的、要求

本课程为模式识别与智能系统、遥感信息处理专业等学科研究生的专业研讨课。通过本课程的学习,希望学生能了解遥感图像处理和深度学习的最新研究成果和前沿研究动态,培养学生在相关方向上的研究兴趣和解决实际问题的能力。

预修课程

图像处理

教 材

主要内容

第一章绪论(1个学时)
1.1 遥感应用及系统概述
1.2 遥感图像处理研究现状
1.3 深度学习发展历程
1.4 本课程内容体系
第二章深度学习基础(2个学时)
2.1 神经网络
2.2 深度学习
2.3 生成式对抗网络
2.4 深度学习系统开发平台
第三章 多源遥感图像特征匹配(3个学时)
3.1 特征匹配基本原理
3.2 多源遥感图像特征匹配的深度学习方法
3.3 配准系统及典型应用
第四章 特征融合(3个学时)
4.1 特征融合基本原理
4.2 特征融合的深度学习方法
4.3 融合系统及典型应用
第五章 遥感图像分类(3个学时)
5.1 遥感图像分类基本原理
5.2 遥感图像分类的深度学习方法
5.3 高光谱图像解混与分类
5.4 遥感图像分类的生成式对抗网络方法
5.5 遥感图像分类系统及典型应用
第六章目标检测与识别(3个学时)
6.1 目标检测与识别基本原理
6.2 目标检测与识别的深度学习方法
6.3 目标检测与识别的生成式对抗网络方法
6.4 目标检测与识别系统及典型应用
第七章变化检测(3个学时)
7.1 变化检测基本原理
7.2 变化检测的深度学习方法
7.3 变化检测的生成式对抗网络方法
7.4 变化检测系统及典型应用
第八章遥感图像解译(2个学时)
8.1 遥感图像解译基本原理
8.2 遥感图像解译与生成式对抗网络
8.3遥感图像解译系统及典型应用

参考文献

1.	I. Goodfellow, Deep Learning, MIT Press, 2016.
2.	G. E. Hinton and R. R. Salakhutdinov, Reducing the Dimensionality of Data with Neural Networks, Science, vol. 313, pp. 504-507,2006
3.	X. Zhu, Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources, IEEE Geoscience and Remote Sensing Magazine, vol. 5, no. 4, pp. 8-36,  2017.
4.	L. Zhang,  Deep Learning for Remote Sensing Data, IEEE Geoscience and Remote Sensing Magazine,Vol. 4, Issue: 2, PP. 22-40, 2016.
5.	I. Goodfellow, Generative Adversarial Nets, NIPs, 2014.
6.	P. Isola, Image-to-Image Translation with Conditional Adversarial Networks, CVPR, 2017.
7.	焦李成. 深度学习、优化与识别.清华大学出版社, 2017.北京.
8.	V. Santhi,Deep learning in Remote Sensing and GIS, Taylor & Francis Group, 2018.