光学卫星信号处理与增强PDF电子书下载

第1章 星载光学传感器 1

1.1 序言 1

1.2 光学卫星传感器及其类型 1

1.3 全色传感器 2

1.4 多光谱传感器 4

1.4.1 Landsat MSS、TM和ETM＋ 4

1.4.2 SPOT卫星的HRV、HRVIR和HRG 9

1.4.3 其他多光谱传感器 10

1.5 高光谱传感器 10

1.5.1 什么是高光谱传感器 10

1.5.2 高光谱传感器的工作原理 11

1.5.3 高光谱传感器的类型 12

1.5.4 高光谱传感器的运行模式 15

1.5.5 星载高光谱传感器 16

1.6 傅里叶变换成像光谱仪 21

1.6.1 简述 21

1.6.2 　FTS传感器的类型和工作原理 22

1.6.3 星载IFTS 22

1.7 激光雷达传感器 27

1.7.1 定义和描述 27

1.7.2 激光雷达空间技术实验 29

1.7.3 航天飞机激光高度计 29

1.7.4 火星轨道激光高度计 30

1.7.5 地球科学激光高度计 30

1.7.6 正交极化的云气溶胶激光雷达 30

1.7.7 大气激光多普勒激光雷达 31

1.7.8 水星激光高度计 32

1.7.9 月球轨道激光高度计 32

1.7.10 新一代高分辨率扫描成像激光雷达 33

参考文献 34

第2章 卫星数据生产和产品分级标准 38

2.1 空间数据和信息系统 38

2.2 地球观测系统数据和信息系统 38

2.2.1 飞行器指挥与控制中心 39

2.2.2 数据接收和0级数据处理 39

2.2.3 数据产品生产 39

2.2.4 数据归档、管理和分发 39

2.2.5 数据产品的目标定位和访问机制 40

2.3 地球观测系统数据产品分类标准 40

2.4 行星数据系统和产品 41

2.4.1 标准数据产品 41

2.4.2 工程数据和其他辅助数据产品 42

2.4.3 数据集说明 42

2.5 行星数据产品分级标准 43

2.6 地球观测系统产品等级划分案例 43

2.6.1 　0级数据产品 44

2.6.2 　1级数据产品 44

2.6.3 　2级及更高级别数据产品 44

2.7 行星数据产品分级的案例 45

2.7.1 　1级数据产品：原始数据 46

2.7.2 　2级数据产品：拉曼数据包 46

2.7.3 　3级数据产品：校正未识别的拉曼光谱 46

2.7.4 　5级数据产品：碳含量／矿物学的结果 46

2.7.5 　6级数据产品：辅助数据 47

2.7.6 　7级数据产品：相关数据 47

2.7.7 　8级数据产品：用户说明 47

参考文献 47

第3章 卫星数据和图像的质量度量 49

3.1 质量度量的需求分析 49

3.2 全参考度量 50

3.2.1 常见全参考度量 51

3.2.2 基于视觉感知质量的全参考度量 55

3.3 半参考度量 60

3.3.1 四种半参考度量——用于空间分辨率提高后图像的质量评价 62

3.3.2 基于小波域自然图像统计模型的半参考度量 64

3.4 无参考度量 65

3.4.1 针对JPEG压缩图像的无参考度量 66

3.4.2 针对全色锐化多光谱图像的无参考度量 68

参考文献 69

第4章 卫星数据压缩 72

4.1 无损和近无损数据压缩 72

4.1.1 无损压缩 73

4.1.2 近无损压缩 74

4.2 高光谱图像的矢量量化数据压缩 75

4.2.1 快速矢量量化压缩算法综述 75

4.2.2 近无损压缩的矢量量化技术 78

4.3 光谱图像的星上数据压缩 79

4.3.1 一维差分脉冲编码调制 79

4.3.2 基于离散余弦变换的压缩 80

4.3.3 基于小波变换的压缩 81

4.3.4 选择性压缩 82

4.4 超光谱探测仪数据的无损压缩 83

4.4.1 基于小波变换和基于预测方法的比较 83

4.4.2 使用预先计算的矢量量化无损压缩 86

4.4.3 采用基于预测的下三角变换的无损压缩 88

4.5 航天器数据的CCSDS数据压缩国际标准 92

4.5.1 三个空间数据压缩标准 92

4.5.2 无损数据压缩国际标准 93

4.5.3 图像数据压缩标准 94

4.5.4 无损多光谱／高光谱压缩标准 99

参考文献 102

第5章 卫星数据的格式化与分包 107

5.1 采用CCSDS空间数据传输协议格式化卫星数据 107

5.2 遥测传输系统的概念 109

5.2.1 分包层 109

5.2.2 传输帧层 109

5.2.3 信道编码层 110

5.3 空间数据分包的概念 110

5.4 空间数据包结构 111

5.4.1 数据包主导头 112

5.4.2 包数据域 113

5.5 遥测传输帧 115

5.5.1 传输帧的主导头 116

5.5.2 传输帧副导头 118

5.5.3 传输帧数据域 119

5.5.4 操作控制域 119

5.5.5 帧误码控制域 120

参考文献 121

第6章 信道编码 123

6.1 遥测传输系统的层及信道编码 123

6.2 信道编码提升空间数据的连接性能 125

6.2.1 信道编码性能测量 125

6.2.2 信道编码性能的香农极限 125

6.3 　Reed-Solomon编码 127

6.3.1 定义 127

6.3.2 　RS编码器 129

6.3.3 　RS符号交织 130

6.3.4 　RS码的译码 131

6.3.5 　RS码的性能 132

6.4 卷积码 132

6.4.1 　CCSDS标准（7，1/2）卷积码编码器 133

6.4.2 　CCSDS标准删余卷积码编码器 134

6.4.3 卷积码的最大似然软译码 135

6.4.4 　（7，1/2）码和删余卷积码的性能 136

6.5 　RS码和卷积码的级联 139

6.6 　Turbo码 141

6.6.1 　Turbo码的定义 141

6.6.2 　Turbo编码器和译码器 142

6.6.3 　Turbo码与传统级联码的比较 143

6.7 低密度奇偶校验码 145

6.7.1 　LDPC码简介 145

6.7.2 CCSDS推荐的LDPC编码 146

6.7.3 　LDPC码的性能 148

参考文献 149

第7章 光学传感器的定标 151

7.1 定标的重要性 151

7.2 绝对和相对辐射定标 153

7.3 卫星光学传感器模型 154

7.4 发射前的地面定标 156

7.4.1 综述 156

7.4.2 地球资源卫星仪器的实验室定标 158

7.4.3 　AVIRIS实验室定标 158

7.5 发射后机上定标 159

7.6 替代定标 162

7.7 换算至传感器辐亮度和大气顶部反射率 163

7.7.1 传感器辐亮度的换算 163

7.7.2 大气顶部反射率换算 165

7.7.3 传感器的亮度温度换算 165

参考文献 166

第8章 空间畸变和光谱弯曲的检测与校正 171

8.1 成像光谱仪的光谱畸变和空间畸变 171

8.1.1 光谱畸变：光谱弯曲 171

8.1.2 空间畸变：梯形畸变 173

8.1.3 　Keystone和Smile对成像像元形状和位置的影响 175

8.2 利用大气吸收特征匹配方法测试Smile畸变 176

8.3 五台成像光谱仪的Smile畸变测试 179

8.3.1 　AVIRIS传感器Smile畸变测试 180

8.3.2 　SFSI传感器的Smile畸变测试 182

8.3.3 　CASI传感器的Smile畸变测试 185

8.3.4 　CHRIS传感器的Smile畸变测试 187

8.3.5 　Hyperion传感器的Smile畸变测试 188

8.4 利用空间特征的波段间相关性检测空间畸变 193

8.5 高光谱成像仪的Keystone畸变测试 194

8.5.1 　AVIRIS传感器的Keystone畸变测试 194

8.5.2 　Aurora传感器的Keystone畸变测试 196

8.5.3 　CASI传感器的Keystone畸变测试 197

8.5.4 　SFSI传感器的Keystone畸变测试 198

8.5.5 　Hyperion传感器的Keystone畸变测试 198

8.5.6 　Keystone测试小结 199

8.6 　Keystone畸变对光谱相似性度量的影响 200

参考文献 202

第9章 多传感器图像融合 204

9.1 图像融合定义 204

9.2 三类图像融合算法 206

9.3 常见图像融合方法 207

9.3.1 　IHS融合 207

9.3.2 主成分分析融合 210

9.3.3 算术组合融合 211

9.3.4 小波变换融合 213

9.4 典型图像融合技术的比较 215

9.4.1 九种融合技术简介 215

9.4.2 评估小结 217

9.5 基于复数脊波变换的图像融合 218

9.5.1 目的 218

9.5.2 　Radon变换 219

9.5.3 脊波变换 219

9.5.4 迭代反向投影 220

9.5.5 图像融合 221

9.5.6 图像融合实验结果 223

9.6 光学和雷达图像融合 230

9.6.1 基于强度调制的多光谱和合成孔径雷达图像融合 230

9.6.2 基于小波变换的合成孔径雷达和光学图像融合 231

9.6.3 基于局部方差和均值的合成孔径雷达和光学图像融合 231

9.6.4 　RADARSAT-1和SPOT图像融合 232

参考文献 233

第10章 利用探测器空间畸变特性增强图像分辨率 242

10.1 利用信号处理来改善卫星载荷的性能 242

10.2 利用卫星探测器的空间畸变特性来改善空间分辨率 243

10.3 利用Keystone提高单波段图像的空间分辨率 246

10.3.1 具有子像素位移的图像的融合 246

10.3.2 方法1：基于Keystone效应引起的子像素位移提取出波段图像 247

10.3.3 方法2：基于预定的子像素位移量获取合成图像 249

10.3.4 方法3：基于像素点强度值的接近程度获取合成图像 250

10.3.5 两种处理子像素级位移图像的方案及迭代反向投影的实现方法 251

10.4 单波段高分辨率图像实验结果 254

10.4.1 图像质量评价标准：改进型视觉信息保真度 254

10.4.2 测试高光谱数据立方体 255

10.4.3 目标数据立方体的处理结果 255

10.4.4 　Key Lake数据立方体实验结果 259

10.5 整个数据立方体的空间分辨率提高 261

10.6 数据立方体空间分辨率增强后的实验结果 262

10.7 总结和讨论 267

参考文献 268

第11章 提高卫星传感器信噪比的数字降噪处理方法 274

11.1 降低噪声提高卫星传感器信噪比 274

11.2 空间维光谱维混合降噪 275

11.2.1 小波收缩降噪 275

11.2.2 问题描述 277

11.2.3 提出的方法 281

11.2.4 去噪实验结果 286

11.3 主成分分析法和小波收缩去噪 295

11.3.1 　PCA与小波变换联合去噪方法 296

11.3.2 　PCA和小波联合去噪方法的实验结果 298

11.4 主成分分析与块匹配三维滤波相结合去噪 303

11.4.1 　PCA联合BM3D降噪法 303

11.4.2 实验结果 304

11.5 混合光谱-空间维降噪技术评估 306

11.5.1 用于评估的遥感产品 306

11.5.2 评估标准 309

11.5.3 评估结果 311

参考文献 314

第12章 降噪后的高光谱图像小目标探测 318

12.1 高光谱图像目标探测 318

12.2 基于光谱角填图的方法 319

12.2.1 测试数据立方体 319

12.2.2 使用光谱角填图算法对目标面积进行估算 321

12.2.3 目标面积估算结果 324

12.3 接受器操作特性方法 327

12.4 使用光谱分解进行目标探测 329

12.4.1 混合像元分解和目标掩模 330

12.4.2 评价标准 332

12.4.3 目标探测与评价结果 333

12.5 基于像素的端元光谱丰度值总和的目标探测 341

12.5.1 亚像素目标探测 341

12.5.2 目标探测和评价结果 344

12.5.3 讨论和结论 349

参考文献 351

第13章 高光谱图像降维 354

13.1 三种降维方法和波段选择方法回顾 354

13.1.1 主成分分析降维 355

13.1.2 小波变换降维 355

13.1.3 最小噪声分离降维 356

13.1.4 波段选择 356

13.2 三种降维方法和一种波段选择方法的评估 357

13.2.1 端元提取实验 357

13.2.2 矿物检测实验 359

13.2.3 矿物分类实验 360

13.2.4 森林分类应用 361

13.2.5 小结 363

13.3 局部线性嵌入降维 363

13.3.1 改进的局部线性嵌入方法非线性降维 364

13.3.2 基于端元提取和矿物检测的评估 366

13.4 利用局部线性嵌入与拉普拉斯特征映射组合方法 370

13.4.1 局部线性嵌入与拉普拉斯特征映射组合降维 370

13.4.2 端元提取实验结果 372

13.5 双变量小波收缩与主成分分析方法 373

13.5.1 双变量小波收缩＋主成分分析方法的数据降维与降噪 374

13.5.2 双变量小波收缩＋主成分分析方法的评估 376

13.6 小波包和主成分分析组合方法 379

13.6.1 小波包＋邻域收缩＋主成分分析方法降维与降噪 380

13.6.2 小波包＋邻域收缩＋主成分分析方法评估 382

参考文献 383

第14章 基于数据立方体几何形状的快速端元提取 386

14.1 混合像元与线性光谱分解 386

14.2 端元提取方法 388

14.2.1 方法概述 388

14.2.2 　N-FINDR算法 389

14.2.3 单体增长法 390

14.2.4 像元纯度指数法 390

14.2.5 迭代误差分析 391

14.2.6 自动形态学光谱端元提取 391

14.2.7 自动目标生成方法／顶点成分分析 392

14.2.8 完全约束最小二乘法线性解混 392

14.3 基于减少搜索空间的快速端元提取算法 393

14.3.1 快速N-FINDR 393

14.3.2 仿真结果 396

14.3.3 讨论 403

参考文献 404

术语中英文对照表 407