多源多时相卫星遥感图像数据融合与应用研究PDF电子书下载

1 绪论 1

1.1 研究的目的和意义 1

1.2 国内外研究现状及有待解决的问题 2

1.2.1 SAR图像斑点噪声的抑制 2

1.2.2 星载SAR图像信息的提取 3

1.2.3 TM图像与星载SAR图像的多源多时相融合 3

1.2.4 卫星遥感的城市应用研究 4

1.3 主要研究内容及技术方法 5

2 地球资源卫星遥感图像的获取及特性 7

2.1 陆地卫星（Landsat）系列 7

2.1.1 传感器 7

2.1.2 陆地卫星的轨道与覆盖 10

2.1.3 陆地卫星图像的特性 12

2.2 地球观测实验卫星（SPOT）系列 15

2.2.1 SPOT卫星的轨道特征 15

2.2.2 SPOT卫星传感器的主要特征 16

2.3 中巴地球资源卫星（CBERS） 18

2.3.1 概述 18

2.3.2 CBERS—1的轨道特征 18

2.3.3 CBERS—1传感器 19

2.3.4 CBERS—1主要产品 19

2.4 高分辨率地球资源卫星（IKONOS） 19

2.4.1 轨道特征 20

2.4.2 传感器 20

2.4.3 主要产品 20

2.5 加拿大雷达卫星（Radarsat） 20

2.5.1 侧视雷达的基本工作原理 21

2.5.2 雷达波长 21

2.5.3 侧视雷达图像的地面分辨率 22

2.5.4 Radarsat简介及数据获取特点 24

3 星载SAR图像斑点噪声的抑制 26

3.1 雷达散射特性 26

3.1.1 后向散射系数 26

3.1.2 雷达图像强度 26

3.2 星载SAR图像斑点噪声的形成机理 27

3.2.1 SAR图像斑点噪声的形成机理 27

3.2.2 SAR图像斑点噪声的统计特性 27

3.2.3 SAR图像中的噪声模型 30

3.3 小波变换与小波分析的基本理论 31

3.3.1 小波理论及其应用简述 31

3.3.2 小波变换 32

3.4 利用小波变换抑制SAR图像的斑点噪声 40

3.4.1 噪声抑制滤波方法 40

3.4.2 小波分解SAR图像中斑点噪声贡献的分析 42

3.4.3 SAR图像噪声抑制的理论和算法 43

3.4.4 实验分析 45

3.5 基于小波包分解的SAR图像斑点噪声滤除 48

3.5.1 小波包的概念和性质 48

3.5.2 信号的小波包分解与分析 49

3.5.3 实验分析 51

3.6 小结 54

4 星载SAR图像信息提取 55

4.1 SAR图像预处理 56

4.2 SAR图像的地物遥感信息机理分析与解译 58

4.2.1 SAR图像成像的几何特点 58

4.2.2 雷达图像的信息特征 59

4.2.3 地物后向散射特性与雷达图像的目视解译 60

4.3 SAR图像的纹理信息提取 64

4.3.1 纹理的概念与雷达图像纹理信息的特点 64

4.3.2 SAR图像中纹理信息提取的方法 65

4.4 利用神经网络分类法进行图像监督分类 74

4.4.1 遥感图像分类方法概述 74

4.4.2 利用BP神经网络进行图像分类 74

4.5 基于小波纹理信息的SAR图像分类研究 78

4.5.1 基于小波纹理信息提取的SAR图像分类算法 79

4.5.2 实验分析 79

4.5.3 精度评定 80

4.6 小结 82

5 SAR图像与TM图像的数据融合 83

5.1 概述 83

5.1.1 遥感图像融合的概念和意义 83

5.1.2 多源遥感数据融合方法 85

5.2 SAR图像与TM图像的特点 87

5.2.1 遥感方式、成像机理不同 87

5.2.2 图像的信息特点不同 87

5.2.3 图像空间分辨率的含义不同 89

5.2.4 图像的判读因素、解译标志不同 90

5.3 SAR图像与TM图像的数据融合 91

5.3.1 彩色变换法 91

5.3.2 小波变换法 94

5.4 融合图像分析 98

5.5 融合图像的质量评价 99

5.6 Landsat-7卫星多光谱图像与全色图像的数据融合 103

5.6.1 Landsat-7数据简介及多光谱图像波段的选择 104

5.6.2 实验结果与分析 104

5.7 小结 108

6 多源多时相卫星遥感的煤炭城市应用 109

6.1 概述 109

6.1.1 城市化与城市扩展 109

6.1.2 煤矿区的地表塌陷灾害 110

6.1.3 研究区概况 111

6.2 图像的预处理 112

6.2.1 TM图像的几何纠正 112

6.2.2 TM图像的大气校正 115

6.2.3 图像间的配准 116

6.2.4 同种传感器不同时相遥感图像的标准化 116

6.3 煤矿区地表塌陷的监测 118

6.3.1 监测方法概述 118

6.3.2 煤矿区概况 120

6.3.3 植被指数差值法 120

6.3.4 影像复合法监测煤矿区的地表塌陷 121

6.4 多源多时相遥感图像在城市扩展监测中的应用 123

6.4.1 卫星遥感的城市影像特征 123

6.4.2 图像的监督分类 124

6.4.3 变化信息的提取 127

6.5 对徐州市发展规划的建议 128

6.5.1 徐州市城市扩展概况 128

6.5.2 实现徐州市可持续发展的对策 130

6.6 小结 131

7 基于遥感的徐州市城市扩展及驱动力分析 132

7.1 研究区概况 132

7.2 主要数据源 132

7.3 遥感图像信息提取 132

7.3.1 多时相遥感图像变化监测方法的选择 133

7.3.2 神经网络分类法提取遥感图像的信息 133

7.4 城市扩展分析 136

7.4.1 各行政区城市扩展的差异 136

7.4.2 城市扩展侵占的土地类型及数量 137

7.4.3 城市扩展的空间特征 139

7.4.4 城市扩展的驱动力分析 140

7.5 结论 142

8 基于遥感的徐州市土地利用时空变化分析 143

8.1 研究区概况 143

8.2 研究方法 143

8.2.1 数据源 143

8.2.2 图像处理 143

8.2.3 土地利用类型的划分 144

8.2.4 土地利用变化指数模型的选择 144

8.3 结果与分析 146

8.3.1 徐州市土地利用结构动态变化信息 146

8.3.2 单个土地利用类型面积变化的变化率分析 147

8.3.3 土地利用动态转移矩阵 148

8.3.4 土地利用程度变化 151

8.3.5 土地利用动态度 151

8.3.6 土地利用变化类型的多度和重要度指数 152

8.3.7 徐州市土地利用变化的空间特征 153

8.4 土地利用时空变化的驱动力分析 155

8.4.1 建设用地增长的驱动力分析 155

8.4.2 煤炭资源的开采和加工是徐州市土地利用变化的原因之一 155

8.5 小结 156

9 结论与展望 157

参考文献 159

附录 171