Анализ гиперспектральных изображений с помощью Python: основы, обработка и приложения на русском
#3991956
Hyperspectral Image Analysis with Python: Fundamentals, Processing, and Applications (B0GHZDCRP9)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Dr. Puttaswamy M R | #76365: Компьютеры и технологии
Гиперспектральная визуализация позволяет получать данные изображений в многочисленных смежных спектральных диапазонах, что дает возможность проводить детальный анализ и идентификацию материалов, выходящие за рамки традиционных методов визуализации. Благодаря этой возможности анализ гиперспектральных изображений приобретает все большее значение в таких областях, как сельское хозяйство, мониторинг окружающей среды, разведка полезных ископаемых, урбанистика и оборона. Тем не менее, высокая размерность и сложность гиперспектральных данных представляют собой значительные трудности для начинающих.
Эта книга, «Анализ гиперспектральных изображений с помощью Python: основы, обработка и приложения» , представляет собой структурированное и ориентированное на практику введение в анализ гиперспектральных изображений. Она призвана заложить прочную основу в фундаментальных концепциях, уделяя особое внимание практической реализации с использованием Python и реальных гиперспектральных наборов данных.
Книга охватывает представление гиперспектральных данных, часто используемые эталонные наборы данных, визуализацию данных и основные методы предварительной обработки, включая нормализацию, обработку шума и снижение размерности с помощью анализа главных компонентов. В ней также представлены классические методы машинного обучения для классификации гиперспектральных изображений и обсуждаются стандартные метрики оценки производительности. В заключение приводится комплексное практическое исследование, интегрирующее все этапы анализа гиперспектральных изображений в целостный рабочий процесс.
Эта книга, «Анализ гиперспектральных изображений с помощью Python: основы, обработка и приложения» , представляет собой структурированное и ориентированное на практику введение в анализ гиперспектральных изображений. Она призвана заложить прочную основу в фундаментальных концепциях, уделяя особое внимание практической реализации с использованием Python и реальных гиперспектральных наборов данных.
Книга охватывает представление гиперспектральных данных, часто используемые эталонные наборы данных, визуализацию данных и основные методы предварительной обработки, включая нормализацию, обработку шума и снижение размерности с помощью анализа главных компонентов. В ней также представлены классические методы машинного обучения для классификации гиперспектральных изображений и обсуждаются стандартные метрики оценки производительности. В заключение приводится комплексное практическое исследование, интегрирующее все этапы анализа гиперспектральных изображений в целостный рабочий процесс.