遥感数字图像分析导论-(第五版) 内容简介

本书首先介绍了遥感图像数据源及特性，之后各章分两部分内容： 第2章至第7章主要探讨遥感图像处理的基本技术和方法，包括校正和配准、增强、变换等，第8章至第12章主要探讨遥感图像处理的应用技术和方法，包括监督/非监督分类、特征减少、多源图像分析处理等。该书以易于读者理解和应用为宗旨，在侧重不同处理技术和方法的同时，充分结合了当前的新理论、新技术和新方法。特别值得指出的是，新版本在内容修订、材料补充的基础上，增加了许多图像及相关处理结果，更易于读者理解。

遥感数字图像分析导论-(第五版) 本书特色

本书首先介绍了遥感图像数据源及特性，之后各章分两部分内容： 第2章至第7章主要探讨遥感图像处理的基本技术和方法，包括校正和配准、增强、变换等，第8章至第12章主要探讨遥感图像处理的应用技术和方法，包括监督/非监督分类、特征减少、多源图像分析处理等。该书以易于读者理解和应用为宗旨，在侧重不同处理技术和方法的同时，充分结合了当前的新理论、新技术和新方法。特别值得指出的是，新版本在内容修订、材料补充的基础上，增加了许多图像及相关处理结果，更易于读者理解。

遥感数字图像分析导论-(第五版) 目录

第1章 遥感图像数据来源及特性
1.1 能量来源及波长范围
1.2 原始数据特性
1.3 遥感平台
1.4 地球表面的哪些特性能够测量
1.5 通常的空间数据源与地理信息系统
1.6 数字图像数据的尺度
1.7 数字地球
1.8 本书的结构安排
1.9 关于遥感图像数据来源及特性的参考文献
1.10习题
第2章 校正与配准图像
2.1 引言
2.2 辐射失真源
2.3 仪器误差
2.4 太阳辐射曲线和大气对辐射测量的影响
2.5 补偿太阳辐射曲线
2.6 大气的影响
2.7 大气对遥感图像的影响
2.8 校正宽波段系统的大气影响
2.9 校正窄波段系统的大气影响
2.10 经验的、数据驱动的大气校正方法
2.11 几何失真源
2.12 地球自转的影响
2.13 平台高度、姿态和速度变化的影响
2.14 传感器视场的影响： 全景失真
2.15 地球曲率的影响
2.16 仪器特性造成的几何失真
2.17 几何失真校正
2.18 利用映射函数进行图像校正
2.19 几何失真的数学表示及校正
2.20 图像到图像的配准
2.21 其他图像几何操作
2.22 关于校正和配准图像的参考文献
2.23 习题
第3章 解译图像
3.1 引言
3.2 图像解译
3.3 定量化分析： 从数据到标签
3.4 定量化分析和像片解译的对比
3.5 定量化分析的基础
3.6 子类和光谱类
3.7 非监督分类
3.8 关于解译图像的参考文献
3.9 习题
第4章 图像的辐射增强
4.1 引言
4.2 图像直方图
4.3 对比度修正
4.4 直方图均衡
4.5 直方图匹配
4.6 密度分割
4.7 关于图像辐射增强的参考文献
4.8 习题
第5章 几何处理与增强： 图像域技术
5.1 引言
5.2 图像滤波的邻域操作
5.3 图像平滑
5.4 锐化和边缘检测
5.5 边缘检测
5.6 线检测和点检测
5.7 细化和连接
5.8 作为卷积运算的几何处理
5.9 图像域技术和傅里叶变换方法的比较
5.10 图像的几何特性
5.11 形态学分析
5.12 形状识别
5.13 关于图像域技术的几何增强的参考文献
5.14 习题
第6章 图像光谱域变换
6.1 引言
6.2 图像算术和植被指数
6.3 主成分变换
6.4 噪声调整的主成分变换
6.5 kauththomas缨帽变换
6.6 核主成分分析
6.7 hsi图像显示
6.8 全色锐化
6.9 关于光谱域图像变换的参考文献
6.10习题
第7章 图像的空间域变换
7.1 引言
7.2 特殊函数
7.3 傅里叶级数
7.4 傅里叶变换
7.5 离散傅里叶变换
7.6 卷积
7.7 采样定理
7.8 图像的离散傅里叶变换
7.9 利用傅里叶变换对图像进行处理
7.10 二维卷积
7.11 其他傅里叶变换
7.12 频谱泄漏和窗函数
7.13 小波变换
7.14 图像的小波变换
7.15 小波变换在遥感图像分析中的应用
7.16 关于空间域图像变换的参考文献
7.17 习题
第8章 监督分类技术
8.1 引言
8.2 监督分类的基本步骤
8.3 *大似然分类
8.4 高斯混合模型
8.5 *小距离分类器
8.6 平行六面体分类器
8.7 马氏距离分类器
8.8 非参数分类
8.9 查表分类
8.10 k近邻分类器
8.11 光谱角制图
8.12 非参数分类——几何方法
8.13 训练线性分类器
8.14 支持向量机： 线性可分类别
8.15 支持向量机： 类别重叠情况
8.16 支持向量机： 线性不可分数据和核函数
8.17 用两类分类器进行多类别分类
8.18 分类器委员会
8.19 网络分类器： 神经网络
8.20 基于上下文的分类
8.21 关于监督分类技术的参考文献
8.22 习题
第9章 聚类与非监督分类
9.1 聚类的应用
9.2 相似性度量与聚类准则
9.3 k均值聚类
9.4 isodata聚类
9.5 初始聚类中心的选择
9.6 k均值和isodata的聚类代价
9.7 非监督分类
9.8 一个关于k均值算法聚类的例子
9.9 单通聚类技术
9.10 分层聚类
9.11 其他聚类指标
9.12 其他聚类技术
9.13 聚类空间分类
9.14 关于聚类与非监督分类的参考文献
9.15 习题
第10章 特征减少
10.1 特征减少的必要性
10.2 处理高维数据的一些注意事项
10.3 可分性度量
10.4 离散度
10.5 jeffriesmatusita距离
10.6 变换离散度
10.7 用于*小距离分类的可分性度量
10.8 通过光谱变换进行特征减少
10.9 协方差矩阵块对角化
10.10 通过正则化提高协方差估计
10.11 关于特征减少的参考文献
10.12 习题
第11章 图像分类实践
11.1 引言
11.2 分类概述
11.3 采用*大似然规则的监督分类
11.4 混合的监督/非监督方法
11.5 聚类空间分类
11.6 采用支持向量机的监督分类
11.7 评价分类精度
11.8 决策树分类器
11.9 通过光谱学和光谱库搜索的图像解译
11.10 端元与解混
11.11 是否存在*好的分类器
11.12 关于图像分类实践的参考文献
11.13 习题
第12章 多源图像分析
12.1 引言
12.2 堆栈向量分析
12.3 统计多源方法
12.4 证据理论
12.5 基于知识的图像分析
12.6 可操作的多源分析
12.7 关于多源图像分析的参考文献
12.8 习题
附录a 卫星高度和周期
附录b 十进制数的二进制表示
附录c 向量和矩阵代数中的基本结果
附录d 概率与统计的一些基础知识
附录e *大似然决策准则惩罚函数的推导