《高光谱图像压缩与融合技术》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:赵学军编著
  • 出 版 社:北京:北京邮电大学出版社
  • 出版年份:2015
  • ISBN:9787563543632
  • 页数:177 页
图书介绍:本书主要介绍遥感高光谱图像压缩与融合技术的基本概念、原理和常用算法及创新算法,并进行了实验验证、比较分析及评价,探讨了高光谱图像应用于矿产资源评价模型的研究。本书可作为信息处理,计算机编码,遥感图像处理,遥感图像解释,矿产评价,卫星遥感等学科的研究生专业教材,也可供上述学科及计算机编码及应用技术、遥感、资源探测及军事侦察等领域的科技工作者和高等院校的师生参考。

第一篇 遥感高光谱图像基础知识 3

第1章 遥感概述 3

1.1 遥感的概念与特点 3

1.2 遥感的分类 4

1.3 遥感过程及技术系统 5

1.3.1 遥感实验 5

1.3.2 遥感信息获取 5

1.3.3 遥感信息处理 5

1.3.4 遥感信息的应用 6

第2章 高光谱图像概述 7

2.1 高光谱图像 7

2.2 高光谱图像特性 8

2.2.1 空间相关性 8

2.2.2 谱间相关性 8

2.3 实验数据及平台概述 9

2.3.1 实验数据 9

2.3.2 实验平台 11

第3章 高光谱图像压缩基本原理 12

3.1 高光谱图像冗余 12

3.1.1 编码冗余 12

3.1.2 像素域冗余 12

3.1.3 视觉冗余 13

3.2 信息论基本概念 13

3.3 信源编码理论 14

3.3.1 无失真编码定理 14

3.3.2 限失真编码定理 14

第4章 高光谱图像融合基本技术 16

4.1 高光谱图像预处理技术 16

4.2 图像融合及其研究现状 17

4.2.1 图像融合基本概念 17

4.2.2 高光谱图像融合及研究现状 18

4.3 遥感图像融合层次分类 19

4.4 高光谱影像与高空间分辨率影像融合过程分析 21

第二篇 遥感高光谱图像压缩技术 25

第5章 基于预测的无损压缩算法 25

5.1 基于双向递归预测的高光谱图像无损压缩算法 25

5.1.1 双向预测理论 25

5.1.2 双向递归预测理论 27

5.1.3 改进的双向递归预测理论 29

5.2 基于预测的高光谱图像并行压缩算法 33

5.2.1 计算机并行原理 33

5.2.2 高光谱图像并行压缩算法 36

5.3 高光谱图像预测算法实验结果 38

5.3.1 双向递归预测算法实验结果 38

5.3.2 基于预测的双核并行实验结果 39

5.3.3 基于预测的四核并行实验结果 40

5.3.4 基于预测的八核并行实验结果 41

5.3.5 图像数据压缩前后的图像对比 43

第6章 基于变换的压缩算法 44

6.1 小波变换的基本原理 44

6.1.1 小波的定义 44

6.1.2 离散小波与多分辨率分析 45

6.1.3 小波变换在图像压缩中的应用 46

6.2 整数小波变换 47

6.2.1 整数小波变换原理 47

6.2.2 整数小波核心算法 48

6.3 基于整数小波的高光谱图像无损压缩算法 51

6.4 基于3D-SPIHT的高光谱有损压缩算法 56

6.4.1 SPIHT算法原理 56

6.4.2 3D-SPIHT算法流程 56

6.4.3 SPIHT的技术内容 57

6.5 基于PCA变换与小波变换的组合有损压缩算法 59

6.5.1 PCA变换的原理 59

6.5.2 PCA变换与小波变换的组合算法流程图 60

6.6 算法比较 61

第7章 基于矢量量化的压缩算法 63

7.1 矢量量化原理 63

7.2 矢量量化基本算法 64

7.3 矢量量化用于高光谱图像压缩 64

7.4 矢量量化算法的改进 66

7.5 改进算法的实验结果及评价 67

第8章 基于分布式编码的无损压缩算法 69

8.1 DSC理论基础 69

8.2 基于陪集码的DSC实现 70

8.3 分布式算法实验结果 75

第9章 高光谱图像有损压缩性能评价 76

9.1 光谱失真度的度量指标 76

9.1.1 几何度量 76

9.1.2 概率度量 77

9.2 图像压缩质量评价指标 78

9.2.1 压缩比 78

9.2.2 均方误差 78

9.2.3 信噪比 78

9.2.4 峰值信噪比 79

9.3 高光谱无损压缩算法比较和评价 79

9.3.1 小波算法实验结果 79

9.3.2 预测算法实验结果 80

9.3.3 矢量量化实验结果 81

9.3.4 分布式算法实验结果 81

9.3.5 四种算法压缩时间比较 82

9.4 高光谱有损压缩算法的比较和评价 83

9.5 有损压缩算法对于矿产信息波谱的影响分析 86

第三篇 遥感高光谱图像融合技术 93

第10章 高光谱图像融合数据预处理 93

10.1 HSI数据的预处理 93

10.1.1 HSI数据的读取 93

10.1.2 HSI数据的条纹去除 94

10.2 HSI数据的大气校正 95

10.3 CCD数据的预处理 97

10.3.1 CCD数据的读取 98

10.3.2 CCD数据的大气校正 98

第11章 高光谱图像配准与尺度转换 100

11.1 SIFT配准算法 100

11.1.1 SIFT算法概述 101

11.1.2 尺度空间和降采样图像的形成 101

11.1.3 特征点的检测 104

11.1.4 特征点的精确定位 104

11.1.5 特征点主方向的提取 104

11.1.6 关键点特征描述及归一化SIFT描述子的生成 105

11.2 基于归一化SIFT算法的不同光学影像自动配准 107

11.2.1 基于归一化SIFT算法的匹配 107

11.2.2 RANSAC的基本矩阵估计 108

11.3 配准模型解算及尺度转换算法选取 108

11.3.1 配准模型解算 108

11.3.2 尺度转换算法的选取 109

第12章 高光谱数据融合的基本方法 111

12.1 基于IHS的高光谱图像融合算法 111

12.1.1 基于IHS的高光谱图像融合算法原理 111

12.1.2 IHS融合方法实验效果 112

12.2 基于PCA变换的高光谱融合算法 112

12.2.1 基于PCA变换的高光谱融合算法原理 112

12.2.2 主成分分析(PCA)融合法实验效果 113

12.3 基于高通滤波的高光谱融合算法 114

12.4 基于Brovey变换高光谱融合算法 114

12.4.1 基于Brovey变换高光谱融合算法原理 114

12.4.2 Brovey融合方法实验效果 114

12.5 基于小波变换高光谱融合算法 115

12.6 高通滤波与IHS结合高光谱图像融合算法 116

12.7 CRISP高光谱影像融合算法 117

12.7.1 CRISP锐化方法简介 117

12.7.2 CRISP锐化算法过程 117

12.7.3 CRISP融合实验结果 119

12.8 几种经典融合算法比较 120

第13章 基于粒子群优化Contourlet变换的融合算法 123

13.1 粒子群算法 123

13.2 Contourlet变换 124

13.3 基于粒子群优化Contourlet变换融合算法 125

13.4 融合结果及分析 127

第14章 基于MAP/SMM模型的高光谱图像融合 131

14.1 MAP/SMM模型高光谱图像融合原理概述 131

14.2 观测模型建立 131

14.3 MAP 估计模型 133

14.4 随机混合模型 135

14.5 模型参数求解 136

14.6 MAP/SMM估计 137

14.7 简化观测模型 139

14.8 光谱响应函数 140

14.9 空间点扩散函数 141

14.10 高分辨率丰度图的优化 143

第15章 高光谱融合图像评价 145

15.1 常用遥感融合图像评价方法 145

15.1.1 主观评价方法 145

15.1.2 客观评价方法 145

15.1.3 基于层次分析法的模糊综合评价研究 147

15.2 高光谱融合图像的模糊评价实现 150

15.3 高光谱图像融合实验结果与分析 151

15.3.1 实验数据介绍 151

15.3.2 实验结果与分析 152

第四篇 高光谱图像矿产资源评价应用研究 159

第16章 高光谱图像的分类 159

16.1 高光谱图像的分类 159

16.2 最大似然分类法 160

16.3 K均值分类法 161

第17章 矿产资源评价模型的研究 162

17.1 神经网络基本原理 163

17.2 粒子群算法原理 164

17.3 高光谱数据在矿产资源评价流程及模型中的应用 165

17.4 实验结果及分析 167

结语 171

参考文献 172