本期分享的内容,为一本厚度为235页的学习资料。内容包括高光谱遥感、高分辨率影像处理、计算智能及其在遥感影像处理中的应用、影像处理工程、遥感应用和模式分析与机器学习等。很适合遥感领域的学生学者去学习和加深对遥感领域的理解,资料供分为18章节,每一章都值得研究和学习,章节内容包括研究概述、研究意义、应用、已取得的成、发展前景和入门资料的推荐等。该学习资料本人强烈推荐学习,希望能够本次料能够开阔你的事业并激发你的学习兴趣。(资料为张良培团队(张良培、钟燕飞、沈焕锋、黄昕、罗斌、夏桂松、杜博、张洪艳、袁强强和张乐飞等)在其主页上公布的主要研究方向介绍。)
下载链接:
http://www.lmars.whu.edu.cn/prof_web/zhangliangpei/rs/RS-Group2016.pdf
资料目录(RS-Group小组主要研究方向介绍):
1 高光谱影像处理 | 8 亚像元定位 |
---|---|
1.2 研究 | 8.1 概述 |
11 1.3 典型应用 | 8.2 研究意义 |
1.3.1 端元提取与混合像元分解 | 8.3 应用 |
1.3.2 目标探测 | 8.4 已取得的成果 |
1.4 已取得的研究成果 | 8.5 发展前景 |
1.4.1 混合象元分解模型及光谱分解 | 8.6 相关资料 |
1.4.2 端元提取 | 9 基于内容的遥感影像自动检索 |
1.4.3 光谱盲分解 | 9.1 概述 |
1.4.4 目标探测 | 9.2 研究意义 |
1.4.5 特征降纬 | 9.3 典型应用 |
1.5 发展前景与就业领域 | 9.4 已取得的研究成果 |
1.6 入门资料推荐 | 9.4.1 不同分辨率遥感影像检索 |
2 高分辨率遥感影像信息提取 | 9.4.2 尺度自适应遥感影像分割及几何特征提取 |
2.1 概述 | 9.4.3 基于区域级语义特征的遥感影像检索 |
2.2 研究意义 | 9.5 发展前景与就业领域 |
2.3 典型应用 | 9.6 入门资料推荐 |
2.4 已取得的研究 | 10 行星遥感 |
2.4.1 成果一:像元形状指数 | 10.1 研究方向概述 |
2.4.2 成果二:面向对象分类 | 10.2 研究意义 |
2.4.3 成果三:纹理模型 | 10.3 典型应用 |
2.4.4 成果四:形态学房屋指数-形态学阴影指数 | 10.4 小组成果 |
2.4.5 成果五:光谱-空间分类器 | 10.5 本方向发展前景 |
2.4.6 成果六:分类后处理优化 | 10.6 入门资料推荐 |
2.5 发展前景与就业领域 | 11 遥感影像变化检测 |
2.6 入门资料推荐 | 11.1 概述 |
3 智能化遥感影像 | 11.2 研究意义 |
3.1 概述 | 11.3 典型应用 |
3.2 研究意义 | 11.4 已取得的研究成果 |
3.3 已取得的研究成果 | 11.4.1 同源影像变化检测 |
3.3.1 遥感影像处理中的人工免疫系统及其应用方法 | 11.4.2 多源遥感影像变化检测 |
3.3.2 基于人工DNA进化计算的高光谱数据分析 | 11.5 发展前景与就业领域 |
3.3.3 基于多Agent 理论的高分辨率遥感影像处理 | 11.6 入门资料推荐 |
3.3.4 基于差分进化计算的遥感影像处理 | 11.6.1 同源遥感影像变化检测 |
3.3.5 高光谱遥感影像的空谱融合稀疏分解 | 11.6.2 多源遥感影像变化检测 |
3.4 发展前景与就业领域 | 12 图像结构分析 |
3.5 入门资料推荐 | 12.1 概述 |
4 影像质量改善与多源数据融合 | 12.2 研究意义 |
4.1 概述 | 12.3 典型示例 |
4.2 研究意义 | 12.4 已取得的主要成果 |
4.3 研究内容及研究成果 | 12.4.1 基于形态学的结构纹理分析 |
4.3.1 降质遥感影像信息增强 | 12.4.2 基于对立推理理论的结构提取 |
4.3.2 多源遥感信息融合 | 12.5 发展前景与就业领域 |
4.4 发展前景与就业领域 | 12.6 参考文献 |
4.5 入门资料推荐 | 13 视频分析 |
5 高维遥感大数据处理中的低维结构建模 | 13.1 概述 |
5.1概述 | 13.2 研究意义 |
5.2 研究意义 | 13.3 典型示例 |
5.3 研究内容与研究成果 | 13.3.1 例 1:基于内容的视频摘要 |
5.3.1 基于稀疏表达的多源遥感影像空谱融合 | 13.3.2 例 2:目标跟踪 |
5.3.2 高光谱遥感影像空-谱稀疏表达分类 | 13.3.3 例 3:行为识别 |
5.3.3 高光谱遥感影像空-谱稀疏表达聚类 | 13.4 已取得的主要成果 |
5.3.4 基于稀疏表达的高光谱影像亚像素异常探测 | 13.5 发展前景与就业 |
5.3.5 基于稀疏构图的高光谱影像特征提取 | 13.6 参考文献 |
5.3.6 基于低秩矩阵分解的高光谱遥感影像复原 | 14 机器人视觉 |
5.3.7 基于秩最小化的多角度影像配准 | 15 无人机视觉 |
5.3.8 基于低秩矩阵分解的高光谱影像混合像元分解 | 15.1 研究背景 |
5.4 发展前景与就业前景 | 15.2 典型应用 |
5.5 入门资料推荐 | 15.2.1 无人机航空测图技术 |
6 遥感影像处理中的机器学习新方法 | 15.2.2 无人机遥感三维景观快速重构技术 |
6.1 概述 | 15.2.3 基于视觉的无人机追踪定位 |
6.2 研究意义 | 16 遥感应用:通用光谱模式分解算法及植被指数 |
6.3 典型应用 | 16.1 概述 |
6.3.1 张量学习 | 16.2 研究意义 |
6.3.2 流形学习 | 16.3 典型应用 |
6.3.3 主动学习 | 16.3.1 遥感影像特征提取及分类 |
6.3.4 深度学习 | 16.3.2 UPDM特征提取以及在影像检索中的应用 |
6.4 已取得的研究成果 | 16.4 已取得的研究成果 |
6.4.1 基于支持张量机的遥感影像目标探测 | 16.4.1 通用光谱模式分解算法 |
6.4.2 基于多特征张量描述方法的遥感影像目标探测 | 16.4.2 基于通用光谱模式分解算法的植被指数VIUPD |
6.4.3 基于Rank-1 张量分解的高光谱遥感影像降噪 | 16.5 本方向的发展前景与就业领域 |
6.4.4 张量流形学习方法 | 16.6 入门资料推荐 |
6.4.5 基于多特征流形学习的影像特征提取 | 17 遥感应用:大气 PM2.5 浓度遥感监测 |
6.4.6 基于非监督特征学习方法的场景分类 | 17.1 研究方向概述 |
6.4.7 基于梯度提升的随机卷积神经网络用于场景分类 | 17.2 研究意义 |
6.4.8 基于层次化特征学习的Dropout K均值算法用于高光谱影像分类 | 17.3 典型应用 |
6.5 发展前景与就业领域 | 17.4 小组成果 |
6.6 入门资料推荐 | 17.5 入门资料推荐 |
7 多角度遥感影像处理及应用 | 18 遥感应用——城市热环境研究 |
7.1 研究方向概述 | 18.1 研究方向概述 |
7.2 研究意义 | 18.2 研究意义 |
7.3 典型应用 | 18.3 典型应用 |
7.3.1 多角度影像配准 | 18.4 小组成果 |
7.3.2 多角度影像超分辨率重建 | 18.5 本方向的发展前景与就业 |
7.3.3 多角度影像建筑物高度提取 | 18.6 入门资料推荐 |
7.4 小组成果 | |
7.4.1 基于低秩理论的多角度影像配准 | |
7.4.2 考虑分辨率差异的多角度遥感影像超分辨率重建 | |
7.4.3 顾及奇异点的多角度多光谱遥感影像超分辨率重建 | |
7.5 发展前景与就业领域 | |
7.6 入门资料推荐 |
-----------发展前景与就业领域----------
1.高光谱图像处理:高光谱影像处理技术在测绘、农业、规划、军事、公安等领域具有广泛的应用,已成为国内外科研、生产部分竞相发展的高科技技术。相关研究方向毕业生可进入国内一流高校、科研院所和企事业单位就业。
2.高分辨率遥感影像信息提取:国际上不断出现的高分辨率卫星,以及国内逐渐引起重视的高分辨率对地观测,使高分辨率遥感影像的处理和应用具有广阔的前景。目前,高分辨率影像的解译仍然在研究中,各国学者也已经开展了一些卓有成效的工作,但是,仍然缺乏显著性的研究成果。因此,高分辨率影像的信息处理技术,需要大家不断的研究,参与国际讨论与竞争。本方向的研究领域包括:高校、科研院所、国内外的高分辨率影像处理公司等。
3.智能化遥感影像信息提取:智能化遥感信息提取研究方向是一个综合交叉学科研究方向,涉及计算机科学、信息科学、遥感科学、数学等领域科学知识,其发展与其他学科的新理论的发展有着密切的联系,更重要的是取决于各种新型遥感影像所面临的新问题与挑战。因此,针对高分辨率遥感信息提取中所遇到的各种新问题(高维数据处理等),深入挖掘和研究其他领域的算法,提升高分辨率遥感影像信息提取的能力与效率是本方向的主要发展趋势。毕业生就业领域主要包括:科研院所、测绘遥感相关企事业单位、遥感,计算机等相关。
4.影像质量改善与多源数据融合:影像质量问题普遍存在于各种成像环境中,严重影响了数字影像在各个领域的应用。影像质量改善主要针对影像成像过程中常出现的各种质量问题展开研究,能够在不改变成像条 件下通过影像后处理的方式明显提高影像的质量,不仅能够大幅度提高影像的视觉感受,同时也为影像的后续处理如模式识别、目标探测、变化检测等提供高质量数据支持,在数字影 像应用领域具有广阔的发展前景和巨大的应用空间。毕业生毕业后的就业领域主要包括:遥感、电子、计算机、医学等相关高等学校和科研机构,测绘院、勘测院、设计院等应用遥感影像的事业单位,数码相机研制、医学器械研制、公共安全等高科技公司。
5.高维遥感大数据处理中的低维结构建模:研究稀疏表达和低秩逼近理论,能够准确发现与捕捉高维遥感数据的低维本征特征,可以解决遥感图像处理中现存的众多难题。通过对这些理论的学习,有利于在博士研究生期间 发表大量创新性学术论文。毕业生毕业后的就业领域主要包括:遥感、电子、计算机、医学 等相关高等学校和科研机构,测绘院、勘测院、设计院等应用遥感影像的事业单位,数码相 机研制、医学器械研制、公共安全等高科技公司。
6.遥感影像处理中的机器学习新方法:本研究方向的题材来自计算机视觉与模式识别领域,对于数学功底扎实的研究生,能够在 1年内熟练掌握相关基本知识和顶级期刊的相关学术论文;经过博士期间的研究,有望在 国际顶级期刊 IEEE TPAMI、JMLR、IJCV、IEEE TIP、IEEE TNNLS、IEEE TMM、PR和顶级会议NIPS、CVPR、ICML、ICCV、ICDM、ACM MM、ECCV上发表学术论文 2~3 篇,同时在一般 SCI 国际期刊上发表学术论文 2~3 篇。对于一般背景的工科研究生,可以考虑将机器学习的研究方向引入遥感图像处理中。经过博士期间的研究,有望在国际顶级地学期刊IEEE TGRS上发表学术论文1~2 篇,并在一般地学SCI 国际期刊 IEEE GRSL、PERS、IJRS 上发表学术论文 2~3 篇。本研究方向的博士研究生毕业生可以在国内高校、研究所就业,或去北美Top 10学校的EECS进一步发展,也可以去欧洲、澳洲、香港等地从事博士后的研究。
7.多角度遥感影像处理及应用:多角度遥感数据以其独特的角度维信息为各种遥感应用带来可能,逐步引起国内外的重视,使其处理和应用具有广阔的前景。目前,多角度遥感影像的应用仍然处于初步阶段,需要进一步研究和探索,显著性的研究成果。因此,多角度遥感影像的信息处理技术,需要大家继续不懈的努力,参与国际讨论与竞争。本方向的研究领域包括:高校、科研院所等。
8.亚像元定位:亚像元定位技术可以应用于利用中低分辨率的卫星遥感数据进行地物面积估计和变化检测等方面,不仅克服影像空间分辨率上的限制、提高目标探测精度,而且有助于揭示目标 的形状、尺寸等空间特征信息,使由于像元混合严重而导致的错分、误分现象得到缓解,而 且为进一步利用目标的空间特征进行分类和识别提供有利的前提条件。在实际中,亚像元定 位技术也可以应用到植被变化、水质调查、环境监测、气候变迁、灾害分析等方面。
9.基于内容的遥感影像自动检索:文本检索、图像检索等传统检索技术已经显示出极大的应用价值,成为互联网时代发展最为迅速的信息技术之一。Google、微软、百度等国内国内外一流 IT 企业无不将检索技术作为优先发展的方向。基于内容的检索技术与人类认知更加一致,在遥感影像检索等领域具 有重要意义。本方向研究生可胜任相关 IT企业、研究机构的工作。
10.行星遥感:亘古以来,人类对于外太空的猜想和探索就一直没有停止过。在科技日渐发达的今天,这种探索不仅仅代表着人类的好奇心,也是解决随着经济日益发展带来的资源紧张的问题的途径,同时也可以帮助人类更好地理解地球。对于太空的探索也早就已经成为各国综合实力的较量,不论是在欧美各国还是我国,在深空探测方面都有着广阔的前景。
11.遥感影像变化检测:基于遥感影像的变化检测技术在社会经济的各个领域具有广泛的应用,如农业调查、林业检测、城市管理规划、土地退化和荒漠化检测、海洋及内陆水体监测、沿海区域环境监测、湿地监测管理、自然灾害检测以及军事侦察和打击效果评估等,已成为国内外科研、生产行业尤为重视的高科技技术。相关研究方向的毕业生可以进入国内外一流高校、科研院所及事业单位就业,也可在相关高新技术企业中寻求职业发展。
12.图像结构分析:纹理分析和特征提取是图像处理、计算机视觉、模式识别和遥感影像分析等所有和图像相关研究的基础和根本性问题。目前,在计算机视觉领域已经有很多优秀的工作,如Harris,SIFT等。但是,随着成像传感器分辨率的提高,视觉场景的复杂度也越来越高,这要求我 们结合具体问题,研究效率更高的图像结构描述方法,图像的结构分析和表达的研究还需要 众多研究者的继续努力。本方向的就业领域比较广,除了学术研究,各大公司如Google, Microsoft,Baidu等都开展了这一方面的研究。
13.视频分析:视频分析、特别是智能视频分析在社会经济的各个领域具有广泛的应用,如娱乐、医疗保健、零售、汽车自动驾驶、交通、家庭自动化、以及安全监控等,已成为国内外科研、生产行业尤为重视的高科技技术。相关研究方向的毕业生可以进入国内外一流高校、科研院所 及事业单位就业,也可在相关高新技术企业中寻求职业发展。
14.机器人视觉:未来方向,机器人模块,大区域多机器人协同制图,机械臂,类人型服务机器人,室外四轮越野机器人。
15.无人机视觉:无人机航空测图技术(相机标定、影像几何校正、全自动影像拼接和地表重建)、无人机遥感三维景观快速重构技术、基于视觉的无人机追踪定位。
16.遥感应用——通用光谱模式分解算法及植被指数:由于高光谱图像具有很高的光谱分辨率,因而能够提供更为丰富的地物细节,有利于地物物理化学特性的反演。高光谱遥感已经在各方面显示出了巨大的应用潜力,正受到国内 外专家学者的广泛关注,今后必将在诸多领域发挥越来越重要的作用。特征提取和植被信息提取在高光谱信息处理中占有非常重要的地位。因此克服传统特征提取方法物理意义不明确,依赖于传感器的缺点,发展具有明确物理意义、不依赖于传感器的特征提取算法和植被信息提取算法具有非常重要的意义。本方向的研究工作非常值得进行深入的研究和探讨。下一步的研究主要集中在以下几点:将UPDM应用于其它多/高光谱卫星数据和航空高光谱数据,如PHI和AVIRIS。将UPDM分解方法和VIUPD更紧密地和实际应用结合在一起,用于局部、区域乃至全球尺度的NPP估计与生物量反演。 广泛地研究UPDM和VIUPD在精细农业、林业、地质等方面的应用。就业前景:高校、研究所以及事业单位以及公司的研发部门。
17. 遥感应用——大气 PM2.5 浓度遥感监测:在经历了工业革命之后,世界各国进行大规模生产活动的能力有了质的飞跃。由于缺乏环境友好型的生产技术,以环境污染为代价换来经济增长的发展模式已经给各个国家带来了 新的危机。其中,大气污染由于其污染程度高、污染影响范围广而受到大众瞩目。细颗粒物(fine particulate matter,即 PM2.5)由于其特殊的理化性质使其可以通过日常的呼吸作用进入肺部,甚至进入人体血液循环,对人体造成严重伤害。中华人民共和国大气污染防治法由由中华人民共和国第十二届全国人民代表大会常务委员会第十六次会议修订通过,引起了广大 民众的强烈反响和共鸣,它反映出人们对于空气质量的要求越来越高。治理大气 PM2.5 污染,依赖于对其理化特性、时空变化的深入了解,因此利用遥感手段监测大气 PM2.5 的时 空分布显得极为迫切。
18.遥感应用——城市热环境研究:随着气候环境的不断恶化,城市热环境一直是国内外研究的热点,各国的学者在研究理论和技术上已取得了一些成果,但仍然存在着一些亟待解决的问题,如对城市地表温度获取不确定性的分析、对城市热环境恶化的寻因分析仍处于定性阶段,对热异常现象的发生无法有效地预测等等,这使得城市热环境研究具有广阔的发展前景。因此,如何有效利用遥感手段,定量精确获取地表温度,分析城市热环境的变化过程、成因机制等,需要大家不断的研究,参与国际讨论与竞争。本方向的研究领域包括:高校、科研院所和相关事业单位等。
详情请访问文中提供的下载链接去学习更详细的内容。(本文分享资料为本人学习过程中无意中获得的宝贵资源,觉得很有用,分享给大家,希望能够为学习路上迷茫的你提供一盏明灯。仅供学习分享,如有版权争议,请联系作者删除)
本文分享自 GEE遥感大数据学习社区 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!