遥感数字图像分析 第4版【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

遥感数字图像分析 第4版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 遥感图像数据源及特性1

1.1 数据源介绍1

1.1.1 数字图像数据特性1

1.1.2 遥感中通常所用的光谱范围3

1.1.3 结束语6

1.2 遥感平台7

1.3 微波范围的图像数据源10

1.3.1 侧视机载雷达和合成孔径雷达10

1.4 一般的空间数据源12

1.4.1 空间数据类型12

1.4.2 数据格式13

1.4.3 地理信息系统（GIS）14

1.4.4 对图像处理与分析的挑战16

1.5 数字图像数据中尺度的比较17

第1章参考文献17

习题19

第2章 图像数据的误差校正和配准21

2.1 辐射失真源21

2.1.1 大气对辐射的影响21

2.1.2 大气对遥感图像的影响24

2.1.3 仪器误差24

2.2 辐射失真校正25

2.2.1 大气影响的精确校正25

2.2.2 大气影响的粗校正27

2.2.3 仪器误差校正27

2.3 几何失真源29

2.3.1 地球转动影响30

2.3.2 全景失真31

2.3.3 地球曲率33

2.3.4 扫描时间扭曲34

2.3.5 平台高度、速度和姿态的变化34

2.3.6 纵横比失真35

2.3.7 传感器扫描的非线性度35

2.4 几何失真校正36

2.4.1 利用映射多项式进行图像校正36

2.4.1.1 映射多项式和地面控制点37

2.4.1.2 重采样37

2.4.1.3 插值38

2.4.1.4 控制点的选择40

2.4.1.5 地图网格配准举例40

2.4.2 数学模型41

2.4.2.1 纵横比校正42

2.4.2.2 地球旋转扭曲校正43

2.4.2.3 图像北-南指向43

2.4.2.4 全景效应校正44

2.4.2.5 组合校正44

2.5 图像配准44

2.5.1 地理参考和地理编码44

2.5.2 图像到图像间配准44

2.5.3 通过相关对控制点定位45

2.5.4 图像到图像间配准举例45

2.6 混合图像几何操作48

2.6.1 图像旋转48

2.6.2 尺度变换和变焦48

第2章参考文献48

习题49

第3章 数字图像数据的解译53

3.1 解译方法53

3.2 图片解译中图像的形式54

3.3 用于图片解译的计算机处理56

3.4 定量分析导论——分类58

3.5 多光谱空间和光谱类59

3.6 用模式识别进行定量分析60

3.6.1 像素矢量和标号60

3.6.2 非监督分类61

3.6.3 监督分类61

第3章参考文献63

习题63

第4章 辐射增强技术65

4.1 引言65

4.1.1 点操作和查找表65

4.1.2 标量和矢量图像65

4.2 图像直方图66

4.3 图像数据的对比度修正66

4.3.1 直方图修正原则66

4.3.2 线性对比度增强67

4.3.3 饱和线性对比度增强69

4.3.4 自动对比度增强69

4.3.5 对数和指数对比度增强69

4.3.6 分段线性对比度修正70

4.4 直方图均衡化70

4.4.1 累积直方图的使用70

4.4.2 直方图均衡化中的奇异性75

4.5 直方图匹配76

4.5.1 直方图匹配的原则76

4.5.2 图像到图像的对比度匹配77

4.5.3 匹配到数学参考模型79

4.6 密度分割79

4.6.1 黑白密度分割79

4.6.2 彩色密度分割和伪彩色81

第4章参考文献82

习题82

第5章 基于图像域技术的几何增强85

5.1 邻域操作85

5.2 模板运算85

5.3 卷积操作的几何增强86

5.4 图像域方法和傅里叶变换方法的比较88

5.5 图像平滑（低通滤波器）89

5.5.1 均值平滑89

5.5.2 中值滤波91

5.6 边缘检测和增强92

5.6.1 线性边缘检测模板93

5.6.2 空间微分技术94

5.6.2.1 Roberts算子94

5.6.2.2 Sobel算子95

5.6.2.3 Prewitt算子95

5.6.3 细化、连接和边界响应95

5.6.4 相减平滑（锐化）的边缘增强96

5.7 线条检测97

5.7.1 线性线条检测模板97

5.7.2 非线性和半线性线条检测模板98

5.8 一般卷积滤波器98

5.9 检测几何特性99

5.9.1 纹理99

5.9.2 空间相关性——半方差图100

5.9.3 形状检测101

第5章参考文献102

习题103

第6章 图像数据的多光谱变换105

6.1 主成分变换105

6.1.1 均值矢量和协方差矩阵105

6.1.2 零相关、旋转变换108

6.1.3 实例——一些实际的考虑111

6.1.4 原点移动的作用114

6.1.5 主成分在图像增强和显示中的应用115

6.1.6 对比度增强的Taylor方法115

6.1.7 主成分分析的其他应用117

6.2 噪声调整的主成分变换118

6.3 Kauth-Thomas缨帽变换120

6.4 图像算术、波段比和植被指数122

第6章参考文献123

习题123

第7章 图像数据的傅里叶变换125

7.1 引言125

7.2 特殊函数125

7.2.1 复指数函数126

7.2.2 Dirac Delta函数（δ函数）126

7.2.2.1 δ函数的性质127

7.2.3 Heaviside阶跃函数127

7.3 傅里叶级数127

7.4 傅里叶变换128

7.5 卷积129

7.5.1 卷积积分129

7.5.2 与脉冲的卷积130

7.5.3 卷积定理131

7.6 采样定理131

7.7 离散傅里叶变换133

7.7.1 离散频谱133

7.7.2 离散傅里叶变换公式134

7.7.3 离散傅里叶变换性质135

7.7.4 离散傅里叶变换的计算135

7.7.5 快速傅里叶变换算法的发展136

7.7.6 快速傅里叶变换的计算代价139

7.7.7 比特重组和存储的考虑139

7.8 图像的离散傅里叶变换140

7.8.1 定义140

7.8.2 二维离散傅里叶变换的计算140

7.8.3 空间频率的概念141

7.8.4 几何增强的图像滤波142

7.8.5 二维卷积143

7.9 结论143

第7章参考文献145

习题145

第8章 监督分类技术146

8.1 监督分类的步骤146

8.2 最大似然分类147

8.2.1 贝叶斯分类器147

8.2.2 最大似然决策规则147

8.2.3 多变量正态类模型148

8.2.4 决策平面149

8.2.5 阈值149

8.2.6 每类所需训练像素数目151

8.2.7 一个简单的示例说明151

8.3 最小距离分类153

8.3.1 有限的训练数据情况153

8.3.2 判别函数153

8.3.3 最大似然到最小距离分类的退化154

8.3.4 决策平面155

8.3.5 阈值155

8.4 平行六面体分类155

8.5 分类器分类时间的比较156

8.6 其他监督分类方法157

8.6.1 马氏距离分类器157

8.6.2 查表分类157

8.6.3 k近邻分类器158

8.7 高斯混合模型159

8.8 基于上下文的分类159

8.8.1 空间上下文的概念159

8.8.2 基于图像预处理的上下文分类160

8.8.3 分类后滤波160

8.8.4 概率标记松弛法161

8.8.4.1 基本算法161

8.8.4.2 邻域函数162

8.8.4.3 确定兼容性系数163

8.8.4.4 最后步骤——终止过程163

8.8.4.5 示例164

8.8.5 采用马尔可夫随机场处理空间上下文165

8.9 非参数分类——几何方法167

8.9.1 线性判别167

8.9.1.1 权矢量的概念167

8.9.1.2 测试类别成员168

8.9.1.3 训练169

8.9.1.4 修正增量的确定170

8.9.1.5 分类——阈值逻辑单元171

8.9.1.6 多类分类172

8.9.2 支持矢量分类器172

8.9.2.1 线性可分数据172

8.9.2.2 线性不可分情况——核函数的应用176

8.9.2.3 多类分类176

8.9.3 分类器网络——解决非线性分类问题177

8.9.4 神经网络方法177

8.9.4.1 处理单元177

8.9.4.2 神经网络的训练——后向传播179

8.9.4.3 网络参数的选择182

8.9.4.4 示例182

第8章参考文献186

习题189

第9章 聚类与非监督分类191

9.1 光谱类别的描述191

9.2 相似性度量与聚类准则191

9.3 迭代优化（均值平移）聚类算法193

9.3.1 基本算法193

9.3.2 合并和删除194

9.3.3 分裂增长聚类194

9.3.4 初始聚类中心的选择195

9.3.5 聚类代价195

9.4 非监督分类与聚类图195

9.5 一个聚类的例子196

9.6 单通聚类技术197

9.6.1 单通算法197

9.6.2 优点和限制198

9.6.3 条带生成参数198

9.6.4 单通算法的变形199

9.6.5 例子199

9.7 可凝聚的分层聚类200

9.8 直方图峰值选择聚类201

第9章参考文献203

习题203

第10章 特征减少205

10.1 特征减少与可分性205

10.2 用于多变量正态光谱类模型的可分性度量205

10.2.1 分布重叠206

10.2.2 离散度206

10.2.2.1 一般表达式206

10.2.2.2 一对正态分布的离散度208

10.2.2.3 离散度用于特征选择208

10.2.2.4 离散度的一个问题209

10.2.3 JM距离209

10.2.3.1 定义209

10.2.3.2 离散度和JM距离的比较210

10.2.4 变换离散度211

10.2.4.1 定义211

10.2.4.2 变换离散度与正确分类概率的关系211

10.2.4.3 变换离散度用于聚类212

10.3 用于最小距离分类的可分性度量212

10.4 通过数据变换进行特征减小213

10.4.1 利用主成分变换进行特征减小213

10.4.2 作为特征选择方法的正则分析214

10.4.2.1 类内和类间协方差矩阵215

10.4.2.2 可分性度量216

10.4.2.3 广义的特征值方程217

10.4.2.4 例子218

10.4.3 判别式分析特征提取（DAFE）219

10.4.4 无参数判别分析与判决边界特征提取（DBFE）220

10.4.5 无参数加权的特征提取（NWFE）224

10.4.6 算术变换225

第10章参考文献226

习题227

第11章 图像分类方法228

11.1 引言228

11.2 监督分类228

11.2.1 概述228

11.2.2 训练数据的确定229

11.2.3 特征选择229

11.2.4 检测多模态分布230

11.2.5 结果的表达230

11.2.6 重采样对分类的影响230

11.3 非监督分类231

11.3.1 非监督分类概述，与监督方法的比较231

11.3.2 特征选择232

11.4 混合的监督／非监督方法232

11.4.1 基本步骤232

11.4.2 聚类区的选择233

11.4.3 光谱类数目的合理化233

11.5 分类精度的评价……234.234

11.5.1 利用检验像素集234

11.5.2 留一个的方法进行精度评价——交叉验证237

11.6 例案研究1：灌溉区域确定237

11.6.1 背景238

11.6.2 研究区域238

11.6.3 聚类238

11.6.4 特征生成240

11.6.5 分类与结果240

11.6.6 结论性评述241

11.7 例案研究2：灌木林火的多时相监测241

11.7.1 背景242

11.7.2 技术的简单说明242

11.7.3 研究区域243

11.7.4 配准244

11.7.5 主成分变换244

11.7.6 主成分图像的分类246

11.8 分级分类247

11.8.1 决策树分类器247

11.8.2 决策树设计248

11.8.3 渐进式两类决策分类器249

11.8.4 决策树中的错误累积251

11.9 高光谱数据分类的说明252

第11章参考文献253

习题254

第12章 多源、多传感器方法256

12.1 堆栈矢量方法256

12.2 统计多源方法257

12.2.1 联合统计决策准则257

12.2.2 群策分类器258

12.2.3 评价等级和意见一致性理论方法258

12.2.4 先验概率的使用259

12.2.5 监督标号松弛法259

12.3 证据理论260

12.3.1 证据质量的概念260

12.3.2 合并证据——正交和261

12.3.3 决策准则262

12.4 基于知识的图像分析263

12.4.1 知识处理：仿效照片判读263

12.4.2 基于知识的图像分析系统基础264

12.4.2.1 结构264

12.4.2.2 知识的表示：规则265

12.4.2.3 推理机制266

12.4.3 处理多源和多传感器数据267

12.4.4 例子269

12.4.4.1 对一个标号命题的论据规则269

12.4.4.2 对一个标号命题的认可270

12.4.4.3 知识库和结果271

第12章参考文献273

习题275

第13章 高光谱图像数据的解译276

13.1 数据的特点276

13.2 对解译的挑战278

13.2.1 数据量278

13.2.2 冗余度278

13.2.3 定标的必要性279

13.2.4 维数问题：Hughes现象280

13.3 数据定标技术281

13.3.1 精细辐射校正281

13.3.2 数据归一化282

13.3.3 近似的辐射校正283

13.4 利用光谱信息的解译283

13.4.1 光谱角制图283

13.4.2 使用专家光谱知识和光谱库搜索284

13.4.3 通过光谱编码的光谱库搜索285

13.4.3.1 二值化光谱编码285

13.4.3.2 匹配算法287

13.5 利用统计方法的高光谱解译288

13.5.1 传统专题制图方法的局限288

13.5.2 基于块的最大似然分类288

13.6 特征减少291

13.6.1 特征选择291

13.6.2 光谱变换291

13.6.3 由主成分变换数据进行特征选择292

13.7 规则化的协方差估计器293

13.8 高光谱数据的压缩294

13.9 光谱解混：端元分析296

第13章参考文献297

习题298

附录A 任务和传感器300

附录B 卫星高度和周期319

附录C 十进制数的二进制表示321

附录D 矢量和矩阵代数中的要点323

附录E 概率与统计中的一些基础知识328

附录F 最大似然决策准则的惩罚函数推导331