红外高光谱成像原理及数据处理PDF电子书下载

第1章 绪论 1

1.1 图像技术的发展历史 1

1.2 光谱技术的发展历史 2

1.3 成像光谱技术的产生与发展 4

1.4 小结 10

参考文献 10

第2章 高光谱成像机理与成像光谱仪 12

2.1 基本概念与定律 13

2.1.1 基本概念 13

2.1.2 基本定律 15

2.2 成像光谱仪成像方式 19

2.2.1 成像光谱仪的空间成像方式 19

2.2.2 成像光谱仪的光谱成像方式 21

2.3 成像光谱仪的发展历程和典型产品 30

2.3.1 国外成像光谱仪系统介绍 30

2.3.2 我国成像光谱仪系统介绍 34

2.4 高光谱遥感平台的发展 36

2.4.1 近地遥感平台 37

2.4.2 航空遥感平台 38

2.4.3 航天遥感平台 39

2.5 小结 41

参考文献 42

第3章 高光谱成像技术的应用 44

3.1 民用领域的应用 44

3.1.1 在地质学中的应用 44

3.1.2 在海洋及内陆水环境监测中的应用 46

3.1.3 在农业中的应用 48

3.1.4 在大气环境监测中的应用 50

3.1.5 在雾霾治理中的应用 51

3.2 军事领域的应用 54

3.2.1 战场情报侦察 54

3.2.2 地雷探测 57

3.2.3 弹道导弹助推段分辨 58

3.2.4 海军作战 58

3.2.5 探测核生化武器 59

3.3 小结 59

参考文献 59

第4章 红外高光谱数据获取与测量 62

4.1 测量系统建立 62

4.1.1 测量原理与方法 62

4.1.2 测量系统的改造 62

4.1.3 辅助设备 65

4.2 测量系统联调 65

4.2.1 测量系统的定标 65

4.2.2 几何初校正 66

4.3 实验方案设计 70

4.3.1 任务规划与参数设置原则 70

4.3.2 GPS信号分析 73

4.4 实验数据获取 75

4.5 小结 75

第5章 红外高光谱数据预处理 76

5.1 原始高光谱数据去噪声处理 76

5.1.1 暗电流噪声 77

5.1.2 非均匀性噪声 78

5.2 干涉数据去直流处理 80

5.2.1 干涉图采样 80

5.2.2 干涉图去直流 80

5.3 干涉数据切趾处理 82

5.3.1 仪器线型函数 82

5.3.2 切趾函数 83

5.3.3 切趾与分辨率的关系 85

5.4 干涉数据相位校正 86

5.4.1 相位误差产生的原因 86

5.4.2 Forman卷积法 87

5.4.3 Mertz乘积法 88

5.5 干涉数据傅里叶变换 90

5.6 小结 92

参考文献 92

第6章 红外高光谱成像定标与校正 94

6.1 定标技术概述 94

6.1.1 实验室定标 96

6.1.2 星上定标 97

6.1.3 替代定标 99

6.2 红外高光谱成像仪辐射定标 100

6.2.1 辐射定标原理 100

6.2.2 辐射定标方法 101

6.2.3 辐射定标实验 102

6.3 红外高光谱成像仪光谱定标 104

6.3.1 概述 104

6.3.2 光谱定标方法 104

6.3.3 光谱定标实验 105

6.4 大气辐射传输校正 107

6.4.1 大气校正原理 107

6.4.2 大气校正方法 108

6.4.3 大气校正实例 110

6.5 高光谱遥感影像几何校正 113

6.5.1 遥感影像几何变形的原因 113

6.5.2 高光谱影像的几何粗校正 114

6.5.3 基于地面控制点的几何精校正 115

6.5.4 高光谱影像拼接 116

6.6 小结 117

参考文献 117

第7章 混合像元分解 119

7.1 基本概念及产生机理 120

7.1.1 混合像元的概念 120

7.1.2 混合像元产生的机理 124

7.2 线性光谱混合模型及端元的描述 125

7.2.1 模型的物理学描述 125

7.2.2 模型的数学表达 127

7.2.3 模型中端元的描述 127

7.2.4 端元组分确定 129

7.3 小结 130

参考文献 130

第8章 高光谱图像端元提取的常用算法 133

8.1 传统端元提取算法 133

8.1.1 纯像元指数法 133

8.1.2 内部最大体积法 135

8.1.3 误差迭代分解算法 137

8.1.4 顶点成分分析法 138

8.1.5 光学实时自适应光谱鉴别系统 139

8.2 扩展端元提取算法 140

8.2.1 基于特征端元的端元提取算法 140

8.2.2 基于非负矩阵分解的端元提取算法 144

8.2.3 基于盲信号分解的混合像元分解算法 147

8.2.4 基于分层查找法的端元提取算法 150

8.3 小结 154

参考文献 154

第9章 基于扩展数学形态学的端元提取算法 157

9.1 数学形态学的基本概念及运算 157

9.1.1 数学形态学的基本概念 157

9.1.2 数学形态学的基本运算 158

9.2 基于扩展数学形态学的端元提取算法 160

9.2.1 算法描述 160

9.2.2 算法流程及实验结果 164

9.3 实验分析 170

9.3.1 PPI算法端元提取实验 170

9.3.2 N-FINDR算法端元提取实验 177

9.3.3 实验对比与分析 179

9.4 小结 181

参考文献 181

第10章 高光谱数据的分类 184

10.1 高光谱数据分类概述 184

10.1.1 有监督分类 184

10.1.2 无监督分类 185

10.2 主成分分析法 186

10.2.1 主成分分析法简介 186

10.2.2 主成分分析法的数学表述 187

10.2.3 主成分分析法在高光谱上的应用 190

10.3 聚类分析法 191

10.3.1 聚类分析法简介 191

10.3.2 聚类分析法的具体计算步骤 192

10.3.3 聚类分析法在高光谱上的应用 194

10.4 高光谱降维与分类 194

10.4.1 高光谱降维和分类的基本思想 194

10.4.2 高光谱降维和分类实例 200

10.5 小结 201

参考文献 202

第11章 异常检测与特征识别 204

11.1 高光谱图像异常检测 204

11.1.1 高光谱异常检测的意义与难点 204

11.1.2 经典的异常检测方法 206

11.1.3 异常检测实例 211

11.2 基于发射率曲线提取的红外高光谱目标识别 215

11.2.1 发射率光谱曲线提取 217

11.2.2 光谱匹配识别技术研究 222

11.3 小结 225

参考文献 225

第12章 展望 228

12.1 高光谱数据处理技术的发展 228

12.2 从单平台到多平台协同发展 230

12.3 从单类型数据到多源数据融合 230