遥感综合应用实践PDF电子书下载

第一章 遥感影像处理编程基础 1

1.1 VS编程中GDAL库和OpenCV库的配置 1

1.1.1 建立MFC应用程序 1

1.1.2 配置GDAL库 3

1.1.3 配置OpenCV库 4

1.2 利用GDAL库读写显示遥感影像实验 6

1.2.1 建立影像类 6

1.2.2 读取影像文件 7

1.2.3 显示影像文件 12

1.2.4 存储影像文件 13

1.3 利用OpenCV读写显示图像实验 15

1.3.1 创建Mat对象 15

1.3.2 访问Mat元素 17

1.3.3 Mat的基本操作 18

1.3.4 图像的读写显示 19

第二章 遥感影像变化检测 20

2.1 遥感变化检测概述 20

2.1.1 遥感变化检测原理 20

2.1.2 遥感变化检测方法 21

2.2 基于特征差异的变化检测 22

2.2.1 光谱特征变化检测 22

2.2.2 纹理特征变化检测 24

2.3 基于特征差异的变化检测实验 26

2.3.1 基于主分量变换的光谱特征变化检测实验 27

2.3.2 基于EM算法的纹理特征变化检测实验 34

2.4 分类比较法变化检测 42

2.4.1 支持向量机分类 42

2.4.2 神经网络分类 43

2.4.3 最大似然分类 44

2.4.4 分类比较法变化检测实现 45

2.5 分类比较法变化检测实验 45

2.5.1 影像几何配准 46

2.5.2 影像裁剪 50

2.5.3 影像融合 51

2.5.4 影像监督分类 53

2.5.5 分类后处理 56

2.5.6 分类精度评定 58

2.5.7 分类比较法变化检测 60

2.5.8 变化检测精度评定 62

第三章 面向对象的遥感影像信息提取 69

3.1 面向对象的信息提取概述 69

3.2 多尺度影像分割方法 70

3.3 多尺度影像分割实验 72

3.3.1 影像多尺度分割 72

3.3.2 创建影像对象层 75

3.3.3 分割对象合并 76

3.4 面向对象特征的信息提取方法 78

3.4.1 面向对象影像解译的常用特征 79

3.4.2 对象特征显示 82

3.4.3 自定义特征 84

3.4.4 面向对象特征的信息提取 85

3.5 面向对象特征的信息提取实验 85

3.5.1 确定信息提取类型 86

3.5.2 确定分割尺度 86

3.5.3 选择或自定义特征 87

3.5.4 确定特征阈值 88

3.5.5 阈值法信息提取 89

3.6 面向对象分类的信息提取方法 91

3.6.1 最近邻分类 91

3.6.2 隶属度分类 94

3.6.3 决策树分类 96

3.6.4 SVM分类 97

3.7 面向对象分类的信息提取实验 98

3.7.1 最近邻法分类实验 99

3.7.2 隶属度函数法分类实验 106

3.7.3 决策树分类实验 118

3.8 面向对象的变化信息提取方法 122

3.8.1 面向对象的特征差异法变化信息提取 122

3.8.2 面向对象的分类比较法变化信息提取 123

3.9 面向对象的变化信息提取实验 124

3.9.1 面向对象特征差异的变化信息提取实验 124

3.9.2 基于对象分类比较的变化信息提取实验 130

第四章 多光谱遥感影像叶绿素浓度反演 140

4.1 遥感影像叶绿素浓度反演概述 140

4.1.1 叶绿素的光谱特性 140

4.1.2 叶绿素浓度反演建模的理论基础 141

4.2 水域叶绿素浓度反演方法 141

4.2.1 叶绿素浓度反演方法分类 141

4.2.2 常用的叶绿素浓度反演方法 142

4.3 TM影像叶绿素a浓度经验法反演实验 145

4.3.1 TM影像几何纠正 145

4.3.2 几何纠正影像辐射定标 145

4.3.3 定标影像FLAASH大气校正 147

4.3.4 地面实测数据异常检测 150

4.3.5 建立叶绿素浓度反演模型 150

4.3.6 水域叶绿素浓度反演 153

4.4 MODIS影像叶绿素a浓度半经验法反演实验 160

4.4.1 HDF格式介绍 160

4.4.2 MODIS影像辐射定标 160

4.4.3 MODIS影像大气校正 160

4.4.4 MODIS 1B影像自带经纬度的几何纠正 162

4.4.5 地面实测数据异常检测 168

4.4.6 利用MODIS影像建立三波段模型 168

4.4.7 水域叶绿素浓度反演 169

第五章 热红外遥感影像地表温度反演 172

5.1 遥感影像地表温度反演概述 172

5.1.1 遥感地面温度反演的基本理论 172

5.1.2 遥感地面温度反演的方法 174

5.2 遥感影像单通道法地表温度反演 174

5.2.1 单窗算法地表温度反演模型 175

5.2.2 地表比辐射率 176

5.2.3 亮度温度 177

5.2.4 大气透射率 178

5.2.5 大气平均作用温度 178

5.3 遥感影像单窗法地表温度反演实验 178

5.3.1 热红外波段辐射定标 179

5.3.2 多光谱波段大气校正 180

5.3.3 影像分类 181

5.3.4 计算NDVI与植被覆盖度 182

5.3.5 计算地表比辐射率 183

5.3.6 计算大气透射率 185

5.3.7 计算大气平均作用温度 186

5.3.8 计算亮度温度 186

5.3.9 地表温度反演 187

5.3.10 获取各类地物反演温度图 189

第六章 MODIS影像气溶胶光学厚度反演 192

6.1 遥感影像气溶胶光学厚度反演概述 192

6.1.1 大气气溶胶的概念 192

6.1.2 气溶胶光学厚度反演原理 192

6.1.3 遥感气溶胶反演方法 193

6.2 基于6S模型和暗像元的气溶胶光学厚度反演方法 195

6.2.1 6S辐射传输模型 195

6.2.2 暗像元反演法 196

6.2.3 气溶胶光学厚度反演 197

6.3 基于6S模型的气溶胶光学厚度反演实验 198

6.3.1 数据预处理 199

6.3.2 提取暗目标 202

6.3.3 6S程序参数设置 204

6.3.4 生成查找表 205

6.3.5 查找表光学厚度匹配 209

第七章 利用SAR影像提取DEM 214

7.1 利用SAR影像提取DEM概述 214

7.1.1 SAR成像原理 214

7.1.2 SAR影像提取DEM原理 214

7.2 利用SAR立体像对提取DEM方法 216

7.2.1 SAR立体像对的视差 216

7.2.2 SAR立体像对的基高比 217

7.2.3 SAR立体测量获取DEM 217

7.3 利用SAR立体像对提取DEM实验 217

7.3.1 输入SAR立体像对 218

7.3.2 轨道纠正 218

7.3.3 影像裁剪 220

7.3.4 去噪滤波 221

7.3.5 降低分辨率 222

7.3.6 影像配准 222

7.3.7 检查配准精度 226

7.3.8 约束处理 227

7.3.9 影像匹配 228

7.3.10 降低分辨率 230

7.3.11 生成DEM 231

第八章 基于PPI端元提取的高光谱影像分类 234

8.1 高光谱影像分类概述 234

8.1.1 高光谱数据的特点 234

8.1.2 高光谱数据的表示 235

8.1.3 高光谱数据分类 236

8.2 基于PPI端元提取的高光谱影像分类方法 239

8.2.1 端元提取 239

8.2.2 最小噪声分离 240

8.2.3 PPI端元提取 241

8.2.4 端元波谱识别 242

8.2.5 像素分类 242

8.3 基于PPI端元提取的高光谱影像分类实验 243

8.3.1 辐射校正 243

8.3.2 最小噪声分离 244

8.3.3 计算PPI指数 246

8.3.4 N维可视化端元提取 248

8.3.5 端元波谱分析 253

8.3.6 影像分类 256

参考文献 259

附录 遥感信息工程国家级实验教学示范中心介绍 261

依托国家特色专业和卓越计划 建设示范中心 261

武汉大学遥感信息工程国家级实验教学示范中心创新型实验教学改革 269

基于工程教育认证的“遥感应用综合实习”课程改革与创新 275