《遥感数字图像分析 第4版》PDF下载

  • 购买积分:12 如何计算积分?
  • 作  者:(澳)JohnA.Richards,(澳)XiupingJia著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2009
  • ISBN:9787121087165
  • 页数:333 页
图书介绍:本书是John A. Richards教授和Xiuping Jia博士经典著作Remote Sensing Digital Image Analysis(第4版)中译本。全书除第1章介绍遥感图像数据源及特性外,基本包含两大方面内容:第一方面包括第2章~第7章,主要涉及遥感图像处理的基本技术和方法,如校正和配准、解译、增强、变换等;第二方面包括第8章~第13章,主要涉及遥感图像处理的应用技术和方法,如监督/非监督分类、特征减少、多源/多传感器处理、高光谱处理等。

第1章 遥感图像数据源及特性 1

1.1 数据源介绍 1

1.1.1 数字图像数据特性 1

1.1.2 遥感中通常所用的光谱范围 3

1.1.3 结束语 6

1.2 遥感平台 7

1.3 微波范围的图像数据源 10

1.3.1 侧视机载雷达和合成孔径雷达 10

1.4 一般的空间数据源 12

1.4.1 空间数据类型 12

1.4.2 数据格式 13

1.4.3 地理信息系统(GIS) 14

1.4.4 对图像处理与分析的挑战 16

1.5 数字图像数据中尺度的比较 17

第1章参考文献 17

习题 19

第2章 图像数据的误差校正和配准 21

2.1 辐射失真源 21

2.1.1 大气对辐射的影响 21

2.1.2 大气对遥感图像的影响 24

2.1.3 仪器误差 24

2.2 辐射失真校正 25

2.2.1 大气影响的精确校正 25

2.2.2 大气影响的粗校正 27

2.2.3 仪器误差校正 27

2.3 几何失真源 29

2.3.1 地球转动影响 30

2.3.2 全景失真 31

2.3.3 地球曲率 33

2.3.4 扫描时间扭曲 34

2.3.5 平台高度、速度和姿态的变化 34

2.3.6 纵横比失真 35

2.3.7 传感器扫描的非线性度 35

2.4 几何失真校正 36

2.4.1 利用映射多项式进行图像校正 36

2.4.1.1 映射多项式和地面控制点 37

2.4.1.2 重采样 37

2.4.1.3 插值 38

2.4.1.4 控制点的选择 40

2.4.1.5 地图网格配准举例 40

2.4.2 数学模型 41

2.4.2.1 纵横比校正 42

2.4.2.2 地球旋转扭曲校正 43

2.4.2.3 图像北-南指向 43

2.4.2.4 全景效应校正 44

2.4.2.5 组合校正 44

2.5 图像配准 44

2.5.1 地理参考和地理编码 44

2.5.2 图像到图像间配准 44

2.5.3 通过相关对控制点定位 45

2.5.4 图像到图像间配准举例 45

2.6 混合图像几何操作 48

2.6.1 图像旋转 48

2.6.2 尺度变换和变焦 48

第2章参考文献 48

习题 49

第3章 数字图像数据的解译 53

3.1 解译方法 53

3.2 图片解译中图像的形式 54

3.3 用于图片解译的计算机处理 56

3.4 定量分析导论——分类 58

3.5 多光谱空间和光谱类 59

3.6 用模式识别进行定量分析 60

3.6.1 像素矢量和标号 60

3.6.2 非监督分类 61

3.6.3 监督分类 61

第3章参考文献 63

习题 63

第4章 辐射增强技术 65

4.1 引言 65

4.1.1 点操作和查找表 65

4.1.2 标量和矢量图像 65

4.2 图像直方图 66

4.3 图像数据的对比度修正 66

4.3.1 直方图修正原则 66

4.3.2 线性对比度增强 67

4.3.3 饱和线性对比度增强 69

4.3.4 自动对比度增强 69

4.3.5 对数和指数对比度增强 69

4.3.6 分段线性对比度修正 70

4.4 直方图均衡化 70

4.4.1 累积直方图的使用 70

4.4.2 直方图均衡化中的奇异性 75

4.5 直方图匹配 76

4.5.1 直方图匹配的原则 76

4.5.2 图像到图像的对比度匹配 77

4.5.3 匹配到数学参考模型 79

4.6 密度分割 79

4.6.1 黑白密度分割 79

4.6.2 彩色密度分割和伪彩色 81

第4章参考文献 82

习题 82

第5章 基于图像域技术的几何增强 85

5.1 邻域操作 85

5.2 模板运算 85

5.3 卷积操作的几何增强 86

5.4 图像域方法和傅里叶变换方法的比较 88

5.5 图像平滑(低通滤波器) 89

5.5.1 均值平滑 89

5.5.2 中值滤波 91

5.6 边缘检测和增强 92

5.6.1 线性边缘检测模板 93

5.6.2 空间微分技术 94

5.6.2.1 Roberts算子 94

5.6.2.2 Sobel算子 95

5.6.2.3 Prewitt算子 95

5.6.3 细化、连接和边界响应 95

5.6.4 相减平滑(锐化)的边缘增强 96

5.7 线条检测 97

5.7.1 线性线条检测模板 97

5.7.2 非线性和半线性线条检测模板 98

5.8 一般卷积滤波器 98

5.9 检测几何特性 99

5.9.1 纹理 99

5.9.2 空间相关性——半方差图 100

5.9.3 形状检测 101

第5章参考文献 102

习题 103

第6章 图像数据的多光谱变换 105

6.1 主成分变换 105

6.1.1 均值矢量和协方差矩阵 105

6.1.2 零相关、旋转变换 108

6.1.3 实例——一些实际的考虑 111

6.1.4 原点移动的作用 114

6.1.5 主成分在图像增强和显示中的应用 115

6.1.6 对比度增强的Taylor方法 115

6.1.7 主成分分析的其他应用 117

6.2 噪声调整的主成分变换 118

6.3 Kauth-Thomas缨帽变换 120

6.4 图像算术、波段比和植被指数 122

第6章参考文献 123

习题 123

第7章 图像数据的傅里叶变换 125

7.1 引言 125

7.2 特殊函数 125

7.2.1 复指数函数 126

7.2.2 Dirac Delta函数(δ函数) 126

7.2.2.1 δ函数的性质 127

7.2.3 Heaviside阶跃函数 127

7.3 傅里叶级数 127

7.4 傅里叶变换 128

7.5 卷积 129

7.5.1 卷积积分 129

7.5.2 与脉冲的卷积 130

7.5.3 卷积定理 131

7.6 采样定理 131

7.7 离散傅里叶变换 133

7.7.1 离散频谱 133

7.7.2 离散傅里叶变换公式 134

7.7.3 离散傅里叶变换性质 135

7.7.4 离散傅里叶变换的计算 135

7.7.5 快速傅里叶变换算法的发展 136

7.7.6 快速傅里叶变换的计算代价 139

7.7.7 比特重组和存储的考虑 139

7.8 图像的离散傅里叶变换 140

7.8.1 定义 140

7.8.2 二维离散傅里叶变换的计算 140

7.8.3 空间频率的概念 141

7.8.4 几何增强的图像滤波 142

7.8.5 二维卷积 143

7.9 结论 143

第7章参考文献 145

习题 145

第8章 监督分类技术 146

8.1 监督分类的步骤 146

8.2 最大似然分类 147

8.2.1 贝叶斯分类器 147

8.2.2 最大似然决策规则 147

8.2.3 多变量正态类模型 148

8.2.4 决策平面 149

8.2.5 阈值 149

8.2.6 每类所需训练像素数目 151

8.2.7 一个简单的示例说明 151

8.3 最小距离分类 153

8.3.1 有限的训练数据情况 153

8.3.2 判别函数 153

8.3.3 最大似然到最小距离分类的退化 154

8.3.4 决策平面 155

8.3.5 阈值 155

8.4 平行六面体分类 155

8.5 分类器分类时间的比较 156

8.6 其他监督分类方法 157

8.6.1 马氏距离分类器 157

8.6.2 查表分类 157

8.6.3 k近邻分类器 158

8.7 高斯混合模型 159

8.8 基于上下文的分类 159

8.8.1 空间上下文的概念 159

8.8.2 基于图像预处理的上下文分类 160

8.8.3 分类后滤波 160

8.8.4 概率标记松弛法 161

8.8.4.1 基本算法 161

8.8.4.2 邻域函数 162

8.8.4.3 确定兼容性系数 163

8.8.4.4 最后步骤——终止过程 163

8.8.4.5 示例 164

8.8.5 采用马尔可夫随机场处理空间上下文 165

8.9 非参数分类——几何方法 167

8.9.1 线性判别 167

8.9.1.1 权矢量的概念 167

8.9.1.2 测试类别成员 168

8.9.1.3 训练 169

8.9.1.4 修正增量的确定 170

8.9.1.5 分类——阈值逻辑单元 171

8.9.1.6 多类分类 172

8.9.2 支持矢量分类器 172

8.9.2.1 线性可分数据 172

8.9.2.2 线性不可分情况——核函数的应用 176

8.9.2.3 多类分类 176

8.9.3 分类器网络——解决非线性分类问题 177

8.9.4 神经网络方法 177

8.9.4.1 处理单元 177

8.9.4.2 神经网络的训练——后向传播 179

8.9.4.3 网络参数的选择 182

8.9.4.4 示例 182

第8章参考文献 186

习题 189

第9章 聚类与非监督分类 191

9.1 光谱类别的描述 191

9.2 相似性度量与聚类准则 191

9.3 迭代优化(均值平移)聚类算法 193

9.3.1 基本算法 193

9.3.2 合并和删除 194

9.3.3 分裂增长聚类 194

9.3.4 初始聚类中心的选择 195

9.3.5 聚类代价 195

9.4 非监督分类与聚类图 195

9.5 一个聚类的例子 196

9.6 单通聚类技术 197

9.6.1 单通算法 197

9.6.2 优点和限制 198

9.6.3 条带生成参数 198

9.6.4 单通算法的变形 199

9.6.5 例子 199

9.7 可凝聚的分层聚类 200

9.8 直方图峰值选择聚类 201

第9章参考文献 203

习题 203

第10章 特征减少 205

10.1 特征减少与可分性 205

10.2 用于多变量正态光谱类模型的可分性度量 205

10.2.1 分布重叠 206

10.2.2 离散度 206

10.2.2.1 一般表达式 206

10.2.2.2 一对正态分布的离散度 208

10.2.2.3 离散度用于特征选择 208

10.2.2.4 离散度的一个问题 209

10.2.3 JM距离 209

10.2.3.1 定义 209

10.2.3.2 离散度和JM距离的比较 210

10.2.4 变换离散度 211

10.2.4.1 定义 211

10.2.4.2 变换离散度与正确分类概率的关系 211

10.2.4.3 变换离散度用于聚类 212

10.3 用于最小距离分类的可分性度量 212

10.4 通过数据变换进行特征减小 213

10.4.1 利用主成分变换进行特征减小 213

10.4.2 作为特征选择方法的正则分析 214

10.4.2.1 类内和类间协方差矩阵 215

10.4.2.2 可分性度量 216

10.4.2.3 广义的特征值方程 217

10.4.2.4 例子 218

10.4.3 判别式分析特征提取(DAFE) 219

10.4.4 无参数判别分析与判决边界特征提取(DBFE) 220

10.4.5 无参数加权的特征提取(NWFE) 224

10.4.6 算术变换 225

第10章参考文献 226

习题 227

第11章 图像分类方法 228

11.1 引言 228

11.2 监督分类 228

11.2.1 概述 228

11.2.2 训练数据的确定 229

11.2.3 特征选择 229

11.2.4 检测多模态分布 230

11.2.5 结果的表达 230

11.2.6 重采样对分类的影响 230

11.3 非监督分类 231

11.3.1 非监督分类概述,与监督方法的比较 231

11.3.2 特征选择 232

11.4 混合的监督/非监督方法 232

11.4.1 基本步骤 232

11.4.2 聚类区的选择 233

11.4.3 光谱类数目的合理化 233

11.5 分类精度的评价……234. 234

11.5.1 利用检验像素集 234

11.5.2 留一个的方法进行精度评价——交叉验证 237

11.6 例案研究1:灌溉区域确定 237

11.6.1 背景 238

11.6.2 研究区域 238

11.6.3 聚类 238

11.6.4 特征生成 240

11.6.5 分类与结果 240

11.6.6 结论性评述 241

11.7 例案研究2:灌木林火的多时相监测 241

11.7.1 背景 242

11.7.2 技术的简单说明 242

11.7.3 研究区域 243

11.7.4 配准 244

11.7.5 主成分变换 244

11.7.6 主成分图像的分类 246

11.8 分级分类 247

11.8.1 决策树分类器 247

11.8.2 决策树设计 248

11.8.3 渐进式两类决策分类器 249

11.8.4 决策树中的错误累积 251

11.9 高光谱数据分类的说明 252

第11章参考文献 253

习题 254

第12章 多源、多传感器方法 256

12.1 堆栈矢量方法 256

12.2 统计多源方法 257

12.2.1 联合统计决策准则 257

12.2.2 群策分类器 258

12.2.3 评价等级和意见一致性理论方法 258

12.2.4 先验概率的使用 259

12.2.5 监督标号松弛法 259

12.3 证据理论 260

12.3.1 证据质量的概念 260

12.3.2 合并证据——正交和 261

12.3.3 决策准则 262

12.4 基于知识的图像分析 263

12.4.1 知识处理:仿效照片判读 263

12.4.2 基于知识的图像分析系统基础 264

12.4.2.1 结构 264

12.4.2.2 知识的表示:规则 265

12.4.2.3 推理机制 266

12.4.3 处理多源和多传感器数据 267

12.4.4 例子 269

12.4.4.1 对一个标号命题的论据规则 269

12.4.4.2 对一个标号命题的认可 270

12.4.4.3 知识库和结果 271

第12章参考文献 273

习题 275

第13章 高光谱图像数据的解译 276

13.1 数据的特点 276

13.2 对解译的挑战 278

13.2.1 数据量 278

13.2.2 冗余度 278

13.2.3 定标的必要性 279

13.2.4 维数问题:Hughes现象 280

13.3 数据定标技术 281

13.3.1 精细辐射校正 281

13.3.2 数据归一化 282

13.3.3 近似的辐射校正 283

13.4 利用光谱信息的解译 283

13.4.1 光谱角制图 283

13.4.2 使用专家光谱知识和光谱库搜索 284

13.4.3 通过光谱编码的光谱库搜索 285

13.4.3.1 二值化光谱编码 285

13.4.3.2 匹配算法 287

13.5 利用统计方法的高光谱解译 288

13.5.1 传统专题制图方法的局限 288

13.5.2 基于块的最大似然分类 288

13.6 特征减少 291

13.6.1 特征选择 291

13.6.2 光谱变换 291

13.6.3 由主成分变换数据进行特征选择 292

13.7 规则化的协方差估计器 293

13.8 高光谱数据的压缩 294

13.9 光谱解混:端元分析 296

第13章参考文献 297

习题 298

附录A 任务和传感器 300

附录B 卫星高度和周期 319

附录C 十进制数的二进制表示 321

附录D 矢量和矩阵代数中的要点 323

附录E 概率与统计中的一些基础知识 328

附录F 最大似然决策准则的惩罚函数推导 331