空間數(shù)據(jù)檢索及快速處理技術(shù)研究
定 價：38 元
- 作者：杜根遠(yuǎn)
- 出版時間：2015/10/1
- ISBN：9787307169081
- 出 版 社：武漢大學(xué)出版社
- 中圖法分類：P208
- 頁碼：225
- 紙張：膠版紙
- 版次：1
- 開本：16K
空間數(shù)據(jù)檢索及快速處理技術(shù)研究》重點論述了空間數(shù)據(jù)檢索及快速處理所涉及的若干問題和解決思路，包括遙感圖像數(shù)據(jù)的聚類分割方法，圖像相似性度量方法，空間剖分?jǐn)?shù)據(jù)存儲調(diào)度服務(wù)，空間剖分?jǐn)?shù)據(jù)并行處理方法及平臺開發(fā)等。
杜根遠(yuǎn)，男，博士，許昌學(xué)院校聘教授，2011年7月成都理工大學(xué)地球探測與信息技術(shù)專業(yè)博士研究生畢業(yè)，2009年9月至2010年7月北京大學(xué)地球與空間科學(xué)學(xué)院訪問學(xué)者。中國計算機(jī)學(xué)會高級會員，許昌市青年聯(lián)合會常務(wù)委員、教育界別主任。主持在研國家自然科學(xué)基金項目--基于剖分模型的遙感影像模板并行處理方法研究，主持完成教育部重點實驗室開放基金課題、河南省基礎(chǔ)前沿課題、河南省科技攻關(guān)計劃等課題十多項，省級鑒定五項，成果曾獲河南省教育廳科技成果一等獎；發(fā)表專業(yè)論文二十余篇，獲得河南省教育廳科技成果獎(優(yōu)秀科技論文)一等獎；主持完成河南省高等教育教學(xué)改革研究項目一項，并獲河南省教學(xué)改革研究成果二等獎。
第1章 遙感數(shù)據(jù)檢索及處理技術(shù)發(fā)展
1.1 研究背景及意義
1.1.1 問題提出
1.1.2 研究意義
1.2 相關(guān)技術(shù)研究現(xiàn)狀
1.2.1 圖像內(nèi)容檢索技術(shù)
1.2.2 遙感圖像內(nèi)容檢索技術(shù)
1.2.3 空間數(shù)據(jù)組織理論及快速處理技術(shù)
1.3 主要研究內(nèi)容
第2章 空間數(shù)據(jù)組織及檢索技術(shù)概述
2.1 空間數(shù)據(jù)組織與管理概述
2.1.1 概述
2.1.2 地球空間數(shù)據(jù)組織與管理
2.2 遙感圖像數(shù)據(jù)的網(wǎng)絡(luò)服務(wù)模式
2.2.1 WebGIS
2.2.2 C／S和B／S模式
2.2.3 空間信息網(wǎng)絡(luò)服務(wù)G／S模式
2.3 圖像特征描述與提取
2.3.1 顏色特征
2.3.2 紋理特征
2.3.3 形狀特征
2.3.4 圖像高層特征提取
2.3.5 綜合多特征提取
2.4 圖像檢索的相似性度量方法
2.4.1 距離度量方法
2.4.2 基于粒計算的相似性度量方法
2.5 檢索方式及相關(guān)反饋機(jī)制
2.6 檢索算法的性能評價
2.7 本章小結(jié)
第3章 遙感圖像聚類分割方法研究
3.1 難點及意義
3.2 遙感圖像分割方法概述
3.2.1 圖像分割定義及研究進(jìn)展
3.2.2 遙感圖像分割
3.2.3 遙感圖像聚類分割研究進(jìn)展
3.3 結(jié)合ECM和FCM聚類的遙感圖像分割方法
3.3.1 模糊C均值聚類算法
3.3.2 EC.FCM算法思想
3.3.3 實驗驗證
3.3.4 結(jié)果分析
3.4 基于改進(jìn)FCM的遙感圖像序列分割方法
3.4.1 顏色空間選擇
3.4.2 距離測度的選擇
3.4.3 序列分割策略
3.4.4 實驗及結(jié)果討論
3.5 本章小結(jié)
第4章 基于粒計算的圖像相似性度量研究
4.1 相關(guān)概念
4.2 粒計算理論
4.2.1 粒計算基本要素
4.2.2 粒計算基本理論
4.2.3 粒計算的基本問題
4.3 信息系統(tǒng)中的屬性約簡與多粒度度量
4.3.1 基于粗糙熵的信息系統(tǒng)屬性約簡算法
4.3.2 基于知識粗糙熵的序信息系統(tǒng)約簡算法
4.3.3 信息系統(tǒng)中的多粒度度量
4.4 基于粒計算的圖像區(qū)域相似性度量方法
4.4.1 圖像特征信息的粒計算表示
4.4.2 圖像區(qū)域相似性度量方法
4.4.3 實例分析
4.5 本章小結(jié)
第5章 空間剖分?jǐn)?shù)據(jù)存儲調(diào)度服務(wù)模型研究
5.1 空間數(shù)據(jù)組織理論發(fā)展
5.1.1 地球剖分組織理論
5.1.2 EMD剖分模型
5.1.3 剖分面片及其編碼
5.2 面向客戶端聚合服務(wù)的G／S模式架構(gòu)
5.2.1 基本架構(gòu)
5.2.2 技術(shù)理論體系
5.2.3 地學(xué)信息瀏覽器
5.2.4 分布式空間信息服務(wù)器群
5.3 剖分面片模板數(shù)據(jù)模型研究
5.3.1 影像數(shù)據(jù)剖分面片模板
5.3.2 基于模板的剖分面片計算模式
5.3.3 剖分模板數(shù)據(jù)庫系統(tǒng)構(gòu)建及應(yīng)用
5.4 空間剖分?jǐn)?shù)據(jù)存儲調(diào)度服務(wù)模型構(gòu)建
5.4.1 剖分?jǐn)?shù)據(jù)網(wǎng)絡(luò)服務(wù)協(xié)議體系架構(gòu)
5.4.2 協(xié)議支持下的空間數(shù)據(jù)訪問流程
5.4.3 剖分?jǐn)?shù)據(jù)存儲調(diào)度模型總體框架
5.4.4 地址編碼結(jié)構(gòu)
5.4.5 尋址流程
5.5 服務(wù)應(yīng)用實例
5.6 本章小結(jié)
第6章 空間剖分?jǐn)?shù)據(jù)并行處理方法及平臺開發(fā)
6.1 并行處理技術(shù)概述
6.1.1 并行處理基本概論
6.1.2 并行編程模型
6.1.3 并行處理技術(shù)在遙感領(lǐng)域的應(yīng)用
6.2 基于剖分面片模板的并行處理技術(shù)
6.2.1 剖分模板并行處理模式
6.2.2 剖分面片基本空間關(guān)系
6.2.3 剖分模板計算模式
6.2.4 基于剖分面片模板的遙感影像并行處理方法
6.3 基于OpenMP與MPI的遙感影像并行分割算法
6.3.1 K.Means算法
6.3.2 MPI+OpenMP混合編程模式
6.3.3 基于OpenMP與MPI的遙感影像并行分割算法
6.3.4 具體應(yīng)用實例
6.4 剖分遙感影像并行處理平臺
6.4.1 開發(fā)環(huán)境介紹
6.4.2 軟件開發(fā)過程
6.5 本章小結(jié)
第7章 遙感圖像內(nèi)容檢索原型系統(tǒng)設(shè)計及實現(xiàn)
7.1 系統(tǒng)開發(fā)背景
7.2 分布式（；BRSIR數(shù)據(jù)庫存儲機(jī)理
7.2.1 遙感圖像數(shù)據(jù)模型分析
7.2.2 使用（）racle的柵格化空間數(shù)據(jù)存儲
7.2.3 構(gòu)建基于（）racle的分布式數(shù)據(jù)庫
7.3 原型系統(tǒng)體系結(jié)構(gòu)設(shè)計
7.3.1 系統(tǒng)設(shè)計原則及總體架構(gòu)
7.3.2 基本數(shù)據(jù)庫操作
7.3.3 寸標(biāo)準(zhǔn)圖形文件的支持
7.4 原型系統(tǒng)實現(xiàn)
7.4.1 檢索接口
7.4.2 檢索處理
7.4.3 檢索算法
7.4.4 系統(tǒng)實現(xiàn)
7.5 本章小結(jié)
第8章 結(jié)語與展望
8.1 全書總結(jié)
8.2 研究展望
參考文獻(xiàn)
《空間數(shù)據(jù)檢索及快速處理技術(shù)研究》：
基于區(qū)域分割方法（Jin，et al.，2007；Oh，Kim，2006；Yu，Clausi，2008：劉海賓，等，2007）認(rèn)為圖像是由一組具有一定相似性的區(qū)域所組成，其分割方法可具體分為區(qū)域生長、區(qū)域分裂、區(qū)域合并及其組合、分水嶺分割（Pratikakis，et al.，2006）、基于隨機(jī)場（Aoki，Nagahashi，2005）等方法。其主要缺點是計算時間較長、內(nèi)存開銷較大，分割結(jié)果依賴于種子點的選擇、搜索的順序以及區(qū)域相似性指標(biāo)的確定等。
模糊算子、模糊屬性、模糊數(shù)學(xué)和推理規(guī)則在圖像分割中的廣泛應(yīng)用，形成了模糊閾值分割、模糊聚類分割、模糊連接度分割等基于模糊集理論的分割方法（林瑤，田捷，2002）。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）具有并行、非線性、分布式存儲和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力等特征，因而基于ANN及其發(fā)展的圖像分割得到了極大的應(yīng)用（Xu，et al.，2005；Dong，Xie，2005；史春奇，等，2009）。張偉和隋青美（2010）提出了一種基于慣性因子自適應(yīng)粒子群和模糊熵的圖像分割算法，利用慣性因子自適應(yīng)粒子群和高斯變異來搜索使模糊熵最大的參數(shù)值，得到模糊參數(shù)的最優(yōu)組合，進(jìn)而確定圖像的分割閾值，仿真結(jié)果表明算法運算時間較少，具有很好的穩(wěn)健性和自適應(yīng)性。曹奎等人（2006）受現(xiàn)有灰色系統(tǒng)研究成果的啟發(fā)，將灰色聚類方法應(yīng)用于CBIR的研究中，建立了CBIR與灰色聚類的對應(yīng)關(guān)系，提出了一種全新的基于灰色聚類的圖像檢索技術(shù)，這種方法既考慮了人類視覺感知的特點，同時又簡化了問題的復(fù)雜度，使圖像檢索的效率與性能得到同時提高。
……
書單推薦
