面向对象的高分辨率遥感图像分析PDF电子书下载

第1章 面向对象的高分辨率遥感图像分析概述 1

1.1 对地观测的发展 1

1.2 高分辨率遥感图像的特点 2

1.3 遥感图像分析的含义 2

1.4 高分辨率遥感图像分析存在困难的原因 4

1.5 基于像素的图像分析 5

1.6 对象的概念 7

1.7 面向对象与基于对象的区别 9

1.8 面向对象的图像分析的相关理论与方法 10

1.9 面向对象图像分析的发展历程 16

1.10 面向对象的图像分析的软件与模块 19

1.11 面向对象的图像分析与基于像素的图像分析的关系 21

1.12 面向对象的图像分析的优点与不足 22

第2章 遥感图像分割 24

2.1 图像分割所依据的基本特征 24

2.2 基于三个基本特征的图像分割的不足 26

2.3 遥感图像分割方法的变化 29

2.4 典型的图像分割方法 35

2.5 融合边缘与光谱特征的图像分割 44

2.6 遥感图像分割方法的应用需求 49

第3章 多尺度分析与遥感图像多尺度分割 50

3.1 尺度的概念与内涵 50

3.2 尺度空间理论与图像的多尺度分析 51

3.3 地物的多尺度特征 54

3.4 地物的多尺度分析 56

3.5 图像多尺度分割 56

3.6 基于不同特征的图像多尺度分割方法 63

3.7 图像多尺度分割存在的问题 79

第4章 遥感图像特征、遥感图像对象特征及算法 81

4.1 特征、规则、模型、上下文和知识的内涵 81

4.2 特征图像 81

4.3 图像对象特征计算相关的算法 82

4.4 图像元数据 93

4.5 图像对象的特征 93

4.6 图像对象特征的选用与计算存在的问题 107

第5章 面向对象的遥感图像分析方法 108

5.1 分割对象的数据组织 108

5.2 模糊理论的概念与方法 111

5.3 最近邻分类法 116

5.4 基于产生式规则的知识表示 116

5.5 决策树分类法 118

5.6 模拟退火算法 120

5.7 面向对象的图像分析存在的问题 121

第6章 面向对象的遥感图像分析实例 123

6.1 单波段、单极化SAR图像分类 123

6.2 基于极化SAR后向散射特征的水体提取 130

6.3 基于Paul分解的极化SAR作物分类 135

6.4 基于Freeman分解的极化SAR建筑物检测 142

6.5 光学图像的建筑物提取 147

6.6 光学图像的变化检测 154

第7章 面向对象的遥感图像分析的未来发展趋势 158

7.1 探索新的图像多尺度分割方法 158

7.2 认知科学理论融入面向对象的图像分析 159

7.3 面向对象的图像分析与基于像素的图像分析相结合 160

7.4 面向对象的图像分析中遥感图像与其他数据相结合 160

7.5 面向对象的自动分析是需要探讨的一个发展方向 161

7.6 面向对象的图像分析有待向图像理解延伸 162

7.7 基于对象的图像分析转向面向对象的图像分析 162

参考文献 163