遥感影像地学理解与分析PDF电子书下载

第一章 遥感信息的地学评价与影像理解 1

1.1 地理空间与影像空间 1

1.1.1 地理空间 1

前言 1

1.1.2 影像空间 2

1.1.3 地理空间与影像空间的转换 5

1.1.4 遥感地学分析中的多尺度、多源数据 7

1.2 遥感影像的分辨率 8

1.2.1 多分辨率的遥感数据 9

1.2.2 空间尺度 11

1.3.1 光学域的遥感 15

1.3 遥感影像中的独立地学变量 15

1.3.2 微波域的遥感 17

1.4 遥感影像特征的统计分析 17

1.4.1 遥感影像的常规统计分析量 17

1.4.2 统计变换 20

1.4.3 遥感影像的统计分类器 21

1.5 遥感影像的复杂度分析 24

1.5.1 遥感影像复杂性的定义 24

1.5.2 遥感影像复杂性的认识 25

1.5.3 遥感影像复杂性的描述指标 28

1.5.4 复杂性度量指标 30

1.6 遥感影像的理解 35

1.6.1 影像理解的基本概念 35

1.6.2 航空影像理解系统的进展 37

1.6.3 影像理解的启发 38

第二章 地面特征的遥感信息表达与模型 41

2.1 地学光谱特征分析 41

2.1.1 地物光谱测定 41

2.1.2 典型地物的光谱矢量曲线 42

2.2 地学空间特征分析 50

2.2.1 影像空间特征的描述指标及其应用 50

2.2.2 空间特征的描述 54

2.3 地面特征的遥感信息模型 59

2.3.1 遥感模型 59

2.3.2 地面特征遥感信息模型研究 61

2.3.3 光谱特征模型的建立 63

第三章 基于光谱特征的水体信息自动提取 68

3.1 水体及其遥感监测 68

3.1.1 水体 68

3.1.2 水体的遥感监测 70

3.2 NOAA AVHRR图像上的水体提取 71

3.2.1 NOAA 图像上水体的表现及特征分析 71

3.2.3 水体提取的实例 74

3.2.2 NOAA AVHRR 图像上的水体识别提取模型 74

3.3 Landsat TM图像的水体提取 75

3.3.1 试验区及其数据 76

3.3.2 Landsat TM图像上水体的遥感信息机理分析 76

3.3.3 水体及背景地物的光谱值分析 76

3.3.4 水体提取方法的比较研究 78

3.4 JERS SAR 图像上的水体提取 78

3.4.1 基本原理 78

3.4.2 SAR 图像的几何校正 79

3.4.3 SAR 图像的滤波处理 79

3.4.4 结果分析 80

3.5.1 研究区域和实验数据 81

3.5 ERS SAR 图像上的水体提取 81

3.5.2 雷达影像光滑 82

3.5.3 纹理分析 82

3.5.4 水体的自动识别 84

3.6 Radarsat SAR 图像上的水体提取 85

3.6.1 试验数据和影像特征 85

3.6.2 试验步骤和方法 86

第四章 基于知识发现的居民点特征提取 91

4.1 居民地及其地面特征 91

4.1.1 居民地的地面特征 91

4.1.2 居地遥感专题信息提取研究的意义 94

4.2.1 AVHRR 影像上居民地的影像特征分析 96

4.2.2 AVHRR 影像上居民地的光谱特征分析及提取模型 96

4.2 NOAA/AVHRR 影像上的居民地识别 96

4.2.3 AVHRR 影像上居民地的提取分析 100

4.3 TM 图像的居民地识别提取 101

4.3.1 TM 图像在居民地识别提取方面的应用现状 101

4.3.2 居民地在 TM 图像上的机理分析 103

4.3.3 成都平原地区居民地的识别提取 104

4.3.4 基于光谱知识的居民地的提取模型 109

4.3.5 利用基于光谱知识和空间关系知识的城镇提取模型提取城镇 110

4.3.7 居民地的分类提取 113

4.3.6 集村居民地的提取分析 113

4.3.8 结果分析 114

4.4 SAR 图像上居民地的识别提取 114

4.4.1 微波遥感的应用现状 114

4.4.2 微波遥感的特点及居民地的微波遥感机理 116

4.4.3 居民地在JERS-1 SAR 图像上的表征及其识别分析 119

4.4.4 居民地在Radarsat SAR 上的表征及其识别分析 125

4.5 GIS 支持下的山区TM 图像的居民地识别提取 132

4.5.1 GIS 支持下的遥感专题信息提取的现状 132

4.5.2 试验区概况及数据 132

4.5.3 GIS 支持下的居民点知识的发现 134

4.5.4 居民地专题信息提取模型的构建 138

第五章 基于光谱特征岩性信息提取和分类 142

5.1 岩石光谱特征及其影像分析 142

5.1.1 矿物光谱特征 142

5.1.2 岩石光谱特征形成机理 144

5.1.3 影响岩石光谱特征的主要因素 145

5.1.4 岩石遥感影像的基本特征 146

5.1.5 实例研究 147

5.2 基于光谱特征的岩性信息提取 155

5.2.1 对应分析方法提取岩性信息 155

5.2.2 哈达门沟山前钾化带信息提取 167

5.3 遥感图像岩石分类识别 169

5.3.1 有序岩石遥感信息的最优分割 169

5.3.2 光谱角度填图(SAM)及其方法的改善 177

5.3.3 逻辑斯蒂分类 179

5.3.4 方法评价 182

第六章 遥感影像的统计分析扩展模型 184

6.1 遥感数理统计分析扩展模型 184

6.1.1 常规数理统计方法的局限性 184

6.1.2 遥感统计分析模型的扩展 185

6.2.1 稳健统计理论 187

6.2 遥感摄像多维密度分布模型 187

6.2.2 高斯混合密度降解模型(GMDD) 188

6.2.3 多维密度分布模型在遥感影像特征提取上的应用 191

6.3 基于尺度空间的遥感影像分层聚类方法 193

6.3.1 基于多尺度空间的分层聚类算法(SSHC) 193

6.3.2 SSHC 聚类算法设计 194

6.3.3 实例分析 197

6.4 具有部分监督功能的模糊分类 199

6.4.1 遥感影像的模糊分类 199

6.4.2 地学知识辅助下的FUZZY-ISODATA聚类算法 200

6.4.3 SSUFIC支持下的遥感影像模糊分类 202

6.5 空间逐步寻优数据挖掘及其遥感影像分类模型 203

6.5.1 空间逐步寻优模型(SOMM) 203

6.5.2 基于SOMM 模型的遥感影像分类方法 206

6.5.3 实例分析 207

6.5.4 SOMM 模型的总结与展望 209

第七章 遥感影像生理认知模型研究 212

7.1 人工神经网络与神经计算 212

7.1.1 人工神经网络 212

7.1.2 神经计算 213

7.1.3 人工神经网络结构模型 214

7.2.1 神经网络优化模型--Hopfield网络 217

7.2 优化模型 217

7.2.2 基于模拟退火原理的优化模型--Boltzmann机 219

7.2.3 基于进化计算思想的地学优化模型 221

7.3 遥感影像生理认知 223

7.3.1 计算理论基础 223

7.3.2 基于神经计算模型的视觉认知 224

7.3.3 地学知识融合下遥感影像生理认知模型 225

7.4 基于多层感知器(MIP)的遥感影像分类模型 228

7.4.1 多层感知器(Multi-Layer Perceptron) 228

7.4.2 学习算法及其改进 229

7.4.3 基于BPNN 的遥感影像分类模型 232

7.4.4 结论 238

7.5 基于径向基函数(RBF)神经网络的遥感影像分类模型 239

7.5.1 RBF 映射理论 239

7.5.2 RBFNN 遥感影像分类模型 242

7.5.3 RBFNN 模型应用示范 243

7.5.4 RBFNN 结论与展望 244

7.6 基于自适应共振模型(ART)的遥感影像分类模型 245

7.6.1 ART 模型概述 245

7.6.2 基于ART 的遥感影像分类模型 247

7.6.3 FUZZY-ARTMAP应用分析 249

7.6.4 总结与展望 254

第八章 遥感影像智能图解与前沿问题探索 256

8.1 遥感地学分析的智能化研究 257

8.1.1 遥感信息地学处理与分析的发展历史 257

8.1.2 智能化遥感地学分析的发展历史 259

8.1.3 智能化遥感地学分析研究的前沿问题 259

8.1.4 智能化遥感地学分析研究展望 262

8.2 遥感地学智能图解概念的提出 262

8.2.1 遥感影像解译 262

8.2.2 地学计算机图解与遥感地学智能图解 264

8.2.3 遥感地学智能图解概念框架 265

8.3.1 地学知识 267

8.3 地学知识处理模型 267

8.3.2 地学知识的表达模型 269

8.3.3 地学知识的获取 273

8.3.4 不确定性空间推理 274

8.3.5 遥感地学分析专家系统 277

8.4 遥感地学智能图解中的认知模型 282

8.4.1 地学认知理论 282

8.4.2 遥感影像低层视觉认知模型 285

8.4.3 遥感影像生理认知 289

8.4.4 遥感影像心理认知 290

8.5 进一步研究构想 291

参考文献 293