目录第1章 绪论 11.1 相关概念与术语 31.1.1 军事地质学 31.1.2 军事地质要素系统 31.1.3 地质体与军事地质体 41.1.4 军事地质遥感解译与遥感智能解译 41.2 军事地质体智能解译遥感数据获取进展 51.2.1 高空间分辨率光学遥感数据 51.2.2 高光谱分辨率遥感数据 91.2.3 SAR遥感数据 111.2.4 地形数据 121.3 军事地质体遥感智能解译研究进展及发展趋势 141.3.1 遥感影像解译理论与方法研究进展 141.3.2 军事地质体遥感智能解译研究进展 151.3.3 军事地质体遥感智能解译发展趋势 191.4 军事地质体遥感智能解译的难点和挑战 191.4.1 军事地质体遥感智能解译的难点 191.4.2 军事地质体遥感智能解译的挑战 211.5 军事地质体遥感智能解译需求分析 221.5.1 地下探测 221.5.2 工事构筑评价 221.5.3 岩体抗爆打击评价 231.5.4 越野机动通行评价 241.5.5 野战给水保障评价 25第2章 军事地质体影像块数据集构建 272.1 遥感影像块数据集概述 292.2 军事地质体影像块数据集构建方法 302.2.1 军事地质体遥感解译标志 312.2.2 数据集构建过程 592.2.3 岩体影像块数据集 602.2.4 不良地质体影像块数据集 60第3章 军事地质体遥感智能解译方法 633.1 特征提取方法 653.1.1 人工设计特征 653.1.2 中层视觉特征 663.1.3 无监督学习特征 673.1.4 深度特征 673.2 传统机器学习算法 683.2.1 参数学习算法 683.2.2 非参数学习算法 693.2.3 集成学习算法 703.2.4 不平衡学习算法 723.3 深度学习方法 753.3.1 深度前馈神经网络 753.3.2 深度置信网络 753.3.3 深度自编码网络 773.3.4 深度卷积神经网络 793.3.5 迁移学习 833.3.6 深度神经网络融合方法 843.4 智能解译结果评价 843.4.1 通用精度评价指标 843.4.2 类不平衡精度评价指标 853.4.3 统计检验 86第4章 岩体遥感智能解译实验 894.1 基于人工设计特征的岩体遥感智能解译 914.1.1 基于SVM算法的结果分析 914.1.2 基于ANN算法的结果分析 924.1.3 统计检验 944.2 基于中层视觉特征的岩体遥感智能解译 954.2.1 基于SVM算法的结果分析 954.2.2 基于ANN算法的结果分析 964.2.3 统计检验 984.3 基于深度特征的岩体遥感智能解译 994.3.1 结果分析 994.3.2 统计检验 1014.4 分类结果对比 1014.5 花岗岩识别结果对比 102第5章 不良地质体遥感智能解译实验 1055.1 基于人工设计特征的不良地质体遥感智能解译 1075.1.1 基于SVM算法的结果分析 1075.1.2 基于ANN算法的结果分析 1085.1.3 统计检验 1115.2 基于中层视觉特征的不良地质体遥感智能解译 1115.2.1 基于ANN算法的结果分析 1115.2.2 统计检验 1135.3 基于深度特征的不良地质体遥感智能解译 1145.3.1 结果分析 1145.3.2 统计检验 1165.4 分类结果对比 1165.5 滑坡识别结果对比 117参考文献 119