贝叶斯网络在影像解译中的应用

第1章 绪论

1.1 引言

1.2 贝叶斯网络的研究与应用现状

1.3 贝叶斯网络在影像解译中的应用

第2章 贝叶斯网络的基本原理

2.1 贝叶斯学习基础

2.2 贝叶斯网络的基本概念

2.3 贝叶斯网络的学习

2.4 贝叶斯网络的推理

2.5 动态贝叶斯网络

2.6 贝叶斯网络与其他算法的关系

2.7 本章小结

第3章 基于贝叶斯网络的特征选择

3.1 影像特征选择方法概述

3.2 影像纹理特征的描述与提取

3.3 算法流程

3.4 实验与分析

3.5 本章小结

第4章 基于贝叶斯网络的航空影像纹理分类

4.1 简单贝叶斯网络的分类方法

4.2 多级贝叶斯网络的分类方法

4.3 带有隐藏节点的贝叶斯网络的分类方法

4.4 树型贝叶斯网络的分类方法

4.5 本章小结

第5章 引入图像语义信息的贝叶斯网络的航空影像纹理分类方法

5.1 图像语义信息

5.2 引人后验概率的简单语义信息的分类方法

5.3 引入图像分割的简单语义信息的分类方法

5.4 本章小结

第6章 带有伪相关反馈的贝叶斯网络的航空影像纹理分类方法

6.1 控制与反馈

6.2 相关反馈

6.3 带有统计质量管理的伪相关反馈机制的分类方法

6.4 带有Q型因子分析的伪相关反馈机制的分类方法

6.5 本章小结

参考文献

《贝叶斯网络在影像解译中的应用》在系统分析和总结贝叶斯网络基本理论和方法的基础上，探讨如何将贝叶斯网络应用于影像纹理分类中，并进一步拓宽其在该领域中的应用。主要内容包括：基于贝叶斯网络的特征选择方法、基于贝叶斯网络的影像纹理分类模型、引入简单图像语义信息和带有相关反馈的影像纹理分类的贝叶斯网络方法。《贝叶斯网络在影像解译中的应用》在借助贝叶斯网络能够描述随机变量之间因果关系的优势进行特征选择、针对航空影像中的居民地和灌木两种典型地物提取语义信息，以及将控制论中的控制与反馈思想引入训练样本的选择过程等方面都颇有特色。
《贝叶斯网络在影像解译中的应用》可供从事摄影测量与遥感、人工智能、模式识别、知识发现、机器学习、图像理解、信息处理、计算机科学、数理统计学、机器人、生物医学等专业的科研人员和大专院校相关专业的师生学习参考。