图像对象层次的遥感影像分析PDF电子书下载

第1章 绪论 1

1.1 面向地理对象的遥感图像分析技术 1

1.1.1 概念 1

1.1.2 技术背景与历程 2

1.1.3 GEOBIA思想与特色 4

1.2 GEOBIA发展与工具软件 6

1.3 GEOBIA研究进展 9

1.3.1 分割尺度的选择与优化 10

1.3.2 面向对象的遥感信息获取 11

1.3.3 面向对象的遥感变化检测 12

1.3.4 GEOBIA与地学知识的关联 14

第2章 影像与图像对象所蕴含的信息 17

2.1 高空间分辨率遥感影像 17

2.2 图像对象中蕴含的信息 21

2.2.1 遥感影像中的物理量 22

2.2.2 地物波谱信息 24

2.2.3 图像的颜色信息 25

2.2.4 纹理信息 26

2.3 图像对象中的空间信息 29

2.3.1 几何位置信息 29

2.3.2 关系特征 31

2.3.3 形状特征 33

2.3.4 空间结构信息 34

2.3.5 空间信息的矢量表达 34

第3章 图像分割方法 36

3.1 相似性度量 36

3.2 图像分割基础 39

3.3 超像素图像分割 41

3.4 均值漂移聚类图像分割 42

3.5 纹理图像分割 44

3.6 图像混合分割 45

3.6.1 图像分割预处理 46

3.6.2 基于分水岭变换的混合分割算法 49

3.6.3 分割实验与结果分析 52

第4章 遥感影像多尺度分析技术 55

4.1 遥感影像多尺度分割算法 55

4.1.1 多尺度分割算法原理 55

4.1.2 图像对象的合并 57

4.2 分割算法优化 61

4.2.1 波段选择 61

4.2.2 分割参数选择 62

4.2.3 分割过程描述 63

4.3 分割结果分析 64

4.3.1 分割策略对结果的影响分析 64

4.3.2 不同地物分割结果分析 66

4.4 算法的变化 68

4.4.1 分割中合并代价的计算方法 68

4.4.2 生长点的选择 70

4.4.3 合并准则及次序 71

第5章 集成边缘的多尺度分析 75

5.1 边缘与多尺度分析 75

5.2 边缘检测 76

5.2.1 Canny边缘检测 76

5.2.2 SUSAN边缘检测 78

5.2.3 置信度边缘检测 78

5.3 边缘引导的多尺度分割方法 81

5.3.1 边缘获取 83

5.3.2 边缘约束的图像分割 84

5.3.3 应用案例 85

第6章 图像对象的最优分割 89

6.1 最优分割问题 90

6.2 全局最优分割尺度 91

6.3 图像对象的最优分割尺度 94

6.3.1 算法原理 94

6.3.2 分割过程分析 96

6.3.3 基于显著性曲线的最优分割结果确定 97

6.3.4 基于差异性的图像对象识别 99

6.4 图像对象可分性理论分析 103

6.4.1 相邻图斑之间的分类可分性问题 103

6.4.2 分割过程中显著性差异的变化 104

第7章 图像分割精度评价 108

7.1 图像分割精度评价概述 108

7.2 非监督评价方法 109

7.2.1 区域内部一致性度量 110

7.2.2 区域差异性度量 113

7.2.3 复合度量 114

7.2.4 基于边界的分割评价 115

7.3 监督评价方法 115

7.4 应用案例 119

第8章 图像对象分类及信息获取 123

8.1 模糊聚类法 124

8.2 最邻近分类法 126

8.3 支持向量机分类法 130

8.3.1 SVM分类基本原理 130

8.3.2 SVM分类实现途径 131

8.3.3 决策树支持向量机的遥感图像分类 134

8.3.4 案例分析 136

第9章 基于图像分割的变化检测 139

9.1 遥感变化检测法 140

9.1.1 遥感变化检测的一般步骤 141

9.1.2 遥感变化检测精度评价 142

9.2 基于图像分割的变化检测概述 142

9.3 面向图斑的直接遥感变化检测法 145

9.3.1 区域协方差阵描述子 148

9.3.2 算法描述 149

9.4 案例分析 151

9.4.1 变化检测法对分割尺度的依赖 153

9.4.2 特征集成影像与图斑协方差阵表 153

9.4.3 结果讨论 154

第10章 图像对象层次的变化检测 158

10.1 相关研究工作 159

10.2 算法基础 160

10.3 方法描述 162

10.4 应用案例 163

10.4.1 变化检测结果 165

10.4.2 与常规变化检测方法比较 167

10.5 讨论与结论 170

10.5.1 形状变化意味着变化 170

10.5.2 有意义的图像对象至关重要 171

第11章 图像对象的形状表达及匹配 172

11.1 基于轮廓特征的形状匹配 172

11.1.1 基于图像矩的形状匹配 173

11.1.2 基于Shape Context的形状匹配算法 174

11.1.3 基于MPHD的形状匹配算法 175

11.2 云和云的阴影的形状表达及匹配 177

11.2.1 云与云阴影图像对象获取 177

11.2.2 云与云阴影图像对象的匹配前处理 180

11.2.3 匹配过程优化 181

11.2.4 云及云阴影替补 184

参考文献 187

后记 200