书城首页 › 当代 › 科技 › 深度学习InSAR数据处理与地表形变时空预测
当代·科技

深度学习InSAR数据处理与地表形变时空预测

正版保障多仓发货48小时内发货2-3天送达可开发票
¥92.68 定价 ¥128.00 7.2折 立省 ¥35.32
现货库存 7 件 全新
商品参数
书名
深度学习InSAR数据处理与地表形变时空预测
作者
何毅,杨旺 著
出版社
科学出版社
出版时间
2026-10-01
ISBN
9787030854193
货号
1204624761
品相
全新
分类
当代·科技
购物车(0)
商品参数
书名
深度学习InSAR数据处理与地表形变时空预测
作者
何毅,杨旺 著
出版社
科学出版社
出版时间
2026-10-01
ISBN
9787030854193
货号
1204624761
品相
全新
分类
当代·科技
目录▼

“信息科学技术学术著作丛书” 序

前言

第1章 绪论 1

1.1 InSAR简介 1

1.2 InSAR关键数据处理研究进展 1

1.2.1 InSAR相位滤波 2

1.2.2 InSAR相位解缠 3

1.3 InSAR地表形变时空预测研究进展 5

1.4 本章小结 7

参考文献 8

第2章 InSAR基本原理与技术 12

2.1 InSAR基本原理 12

2.2 D-InSAR形变监测技术 14

2.3 TS-InSAR形变监测技术 17

2.3.1 SBAS-InSAR技术 18

2.3.2 PS-InSAR技术 20

2.4 本章小结 21

参考文献 21

第3章 深度学习InSAR干涉相位滤波技术 24

3.1 InSAR干涉相位滤波原理 24

3.2 InSAR干涉相位数据模拟 24

3.2.1 地形数据模拟 25

3.2.2 干涉相位合成与转换 25

3.2.3 地形数据雷达编码和干涉相位合成 26

3.2.4 相位转换和数据集生成 27

3.3 InSAR干涉相位滤波质量评价 29

3.3.1 均方误差或均方根误差 29

3.3.2 结构相似性 29

3.3.3 残差点数量及残差点抑制率 30

3.3.4 相位误差直方图 30

3.3.5 定性评价(视觉效果) 30

3.4 基于MSCNN的InSAR干涉相位滤波 31

3.4.1 MSCNN原理 31

3.4.2 MSCNN相位滤波模型 31

3.4.3 模拟数据和真实数据应用 34

3.5 基于MSFF-DCNN的InSAR干涉相位滤波 41

3.5.1 MSFF-DCNN的InSAR干涉相位滤波模型 41

3.5.2 模拟数据和真实数据应用 43

3.6 TS-InSAR形变监测干涉相位滤波应用 57

3.7 本章小结 59

参考文献 59

第4章 深度学习InSAR干涉相位解缠技术 61

4.1 InSAR干涉相位解缠原理 61

4.2 InSAR相位解缠数据集 62

4.2.1 InSAR相位解缠数据集模拟 62

4.2.2 实验数据集 63

4.3 基于改进U-Net的InSAR干涉相位解缠 64

4.3.1 U-Net原理 64

4.3.2 改进U-Net相位解缠模型 65

4.3.3 模拟数据和真实数据应用 68

4.4 基于CGAN的InSAR干涉相位解缠 73

4.4.1 条件生成对抗网络原理 73

4.4.2 条件生成对抗网络相位解缠模型 74

4.4.3 模拟数据和真实数据应用 75

4.5 TS-InSAR形变监测干涉相位解缠应用 78

4.6 本章小结 79

参考文献 79

第5章 InSAR地表形变监测实例 81

5.1 兰州新区InSAR地表形变监测 81

5.1.1 实验数据 81

5.1.2 兰州新区地表形变时空特征 81

5.2 金川矿区InSAR地表形变监测 83

5.2.1 实验数据 83

5.2.2 金川矿区地表形变时空特征 83

5.3 兰新高速铁路廊带InSAR地表形变监测 86

5.3.1 实验数据 86

5.3.2 兰新高速铁路廊带地表形变时空特征 87

5.4 首都国际机场InSAR地表形变监测 89

5.4.1 实验数据 89

5.4.2 首都国际机场地表形变时空特征 89

5.5 香港国际机场InSAR地表形变监测 93

5.5.1 实验数据 94

5.5.2 香港国际机场地表形变时空特征 94

5.6 白龙江流域InSAR地表形变监测 96

5.6.1 实验数据 96

5.6.2 白龙江流域地表形变时空特征 97

5.7 本章小结 100

参考文献 100

第6章 深度学习InSAR地表形变点级时空预测技术 102

6.1 基于LSTM网络的InSAR地表形变时序预测 102

6.1.1 数据预处理 102

6.1.2 堆叠式LSTM网络地表形变时序预测模型 104

6.1.3 模型训练与评价指标 106

6.1.4 预测结果评价与分析 107

6.2 基于TDFC-RNN的InSAR地表形变时序预测 117

6.2.1 数据预处理 117

6.2.2 TDFC-RNN地表形变时序预测模型 121

6.2.3 模型训练与评价指标 129

6.2.4 预测结果评价与分析 131

6.3 本章小结 138

参考文献 138

第7章 深度学习InSAR地表形变面域时空预测技术 140

7.1 基于卷积循环神经网络的InSAR地表形变时空预测 140

7.1.1 卷积循环神经网络时空预测模型 140

7.1.2 模型训练与评价指标 144

7.1.3 预测结果评价与分析 147

7.2 基于ConvLSTM网络的InSAR地表形变时空预测 154

7.2.1 ConvLSTM时空预测模型 154

7.2.2 预测结果评价与分析 160

7.3 本章小结 171

参考文献 171

第8章 本书总结 173

文摘▼

本书聚焦InSAR数据处理中面临的核心技术问题,如干涉相位滤波、相位解缠以及InSAR地表形变时空预测等,系统引入深度学习方法进行创新突破。书中率先提出基于多卷积神经网络、条件生成对抗网络、卷积长短期记忆网络等深度学习模型的相位处理与时空预测方法,内容涵盖从理论方法构建到工程实践应用,尤其注重模拟实验与实际案例的结合,展示新方法在城市地表沉降、矿区形变、灾害监测等典型场景中的有效性。全书结构清晰、内容丰富,既回应InSAR领域技术发展的迫切需求,也为深度学习赋能InSAR遥感分析提供系统框架与技术路径。

本书适合从事InSAR、遥感测绘与人工智能交叉应用研究的教学人员和科研人员、工程技术人员及计算机科学与技术、控制科学与工程、遥感科学与技术等专业高年级本科生和研究生阅读参考。

¥92.68
🛒购物车