高光譜影像分析與應用

《地球觀測與導航技術叢書》出版說明
序
前言
第1章 緒論
1.1 對地觀測體系中的高光譜遙感技術
1.2 高光譜遙感與地理空間信息獲取
1.3 高光譜影像處理與分析
第2章 地物光譜特征及探測要求
2.1 植被的光譜特征
2.1.1 植被光譜的基本特征
2.1.2 植被光譜的特征參數
2.1.3 影響植被光譜特征的因素
2.1.4 綠色涂料與植被光譜的區(qū)別
2.2 土壤巖石的光譜特征
2.2.1 土壤的光譜特征
2.2.2 巖石的光譜特征
2.3 人工地物的光譜特征
2.3.1 建筑物頂部材料的光譜特征
2.3.2 道路鋪面材料的光譜特征
2.4 陸地水體的光譜特征
2.4.1 清潔水體的光譜特征
2.4.2 含沙量對水體反射光譜特征的影響
2.4.3 葉綠素濃度對水體反射光譜特征的影響
2.4.4 水體不同深度的光譜反射特征
2.4.5 雪的光譜反射特征
2.5 海部要素的光譜特征
2.5.1 海水的光譜特征
2.5.2 海岸帶植被的光譜特征
2.5.3 海岸基巖和灘涂的光譜特征
2.6 高光譜影像地物屬性探測要求
2.6.1 植被探測要求
2.6.2 土壤巖石的探測要求
2.6.3 人工地物的探測要求
2.6.4 陸地水體和冰川的探測要求
2.6.5 海部要素的探測要求
第3章 高光譜成像系統(tǒng)
3.1 高光譜遙感成像機理
3.1.1 光學探測
3.1.2 空間掃描
3.1.3 光譜分光
3.2 成像光譜儀發(fā)展現狀
3.2.1 國外的成像光譜儀系統(tǒng)
3.2.2 國內的成像光譜儀系統(tǒng)
3.3 成像光譜儀定標
3.3.1 光譜定標
3.3.2 輻射定標
3.3.3 幾何定標
3.4 高光譜遙感數據特點
3.4.1 立方體結構
3.4.2 數據描述模型
第4章 高光譜影像校正技術
4.1 太陽輻射及大氣傳輸特性
4.1.1 太陽輻射
4.1.2 大氣對電磁波傳輸過程的影響
4.1.3 輻射傳輸方程
4.2 高光譜影像的輻射誤差
4.2.1 傳感器的靈敏度特性引起的輻射誤差
4.2.2 光照條件差異引起的輻射誤差
4.2.3 大氣條件不同引起的輻射誤差
4.3 基于定標參數的輻射校正
4.3.1 輻射校正參數獲取
4.3.2 影像輻射校正方法
4.4 高光譜影像大氣輻射校正
4.4.1 基于輻射傳輸理論的大氣輻射校正
4.4.2 利用影像數據進行反射率反演
4.4.3 借助地面特殊地物的光譜反射率方法
4.5 高光譜影像的幾何特性
4.5.1 幾何成像模型
4.5.2 影像幾何變形
4.6 高光譜影像幾何校正
4.6.1 幾何校正的一般方法
4.6.2 基于POS 的幾何校正
第5章 地物光譜數據庫技術
5.1 概述
5.1.1 地物光譜數據庫的概念
5.1.2 地物光譜數據庫的地位和作用
5.1.3 地物光譜數據庫建設流程
5.2 光譜數據庫研究現狀
5.2.1 國外光譜數據庫研究現狀
5.2.2 國內地物光譜數據庫研究進展
5.3 地物光譜數據庫系統(tǒng)設計
5.3.1 系統(tǒng)應用要求分析
5.3.2 系統(tǒng)設計原則
5.3.3 系統(tǒng)內容設計
5.3.4 系統(tǒng)結構設計
5.3.5 系統(tǒng)功能設計
5.4 地物光譜數據獲取
5.4.1 實驗室光譜測量
5.4.2 地面光譜測量
5.4.3 遙感影像提取法
第6章 光譜特征分析與匹配
6.1 光譜特征增強與定量分析
6.1.1 光譜特征增強方法
6.1.2 光譜特征參量化
6.2 光譜相似性測度
6.2.1 幾何空間測度
6.2.2 概率空間測度
6.2.3 變換空間測度
6.2.4 綜合相似性測度
6.2.5 分類試驗
6.3 光譜匹配技術
6.3.1 編碼匹配
6.3.2 光譜角度匹配
6.3.3 交叉相關光譜匹配
6.3.4 匹配濾波技術
6.4 尺度空間匹配技術
6.4.1 尺度空間理論
6.4.2 波峰特征提取
6.4.3 匹配算法
6.5 決策樹匹配分類
6.5.1 決策樹分類方法
6.5.2 光譜匹配的層次分析模型
6.5.3 應用實例
第7章 高光譜影像統(tǒng)計模式分類
7.1 高光譜影像的模式分類原理
7.1.1 模式識別的概念和方法
7.1.2 統(tǒng)計模式識別一般過程
7.2 Bayes統(tǒng)計決策分類
7.2.1 基本決策規(guī)則
7.2.2 正態(tài)分布下的極大似然法分類
7.3 Bayes非參數決策分類
7.3.1 Fisher線性判別法
7.3.2 Fisher判別函數的訓練
7.3.3 Fisher分段線性判別函數
7.4 聚類分析法與非監(jiān)督分類
7.4.1 聚類準則
7.4.2 K-均值聚類法
7.4.3 ISODATA聚類法
7.4.4 基于核構造的動態(tài)聚類法
7.5 人工神經網絡分類
7.5.1 多層感知器
7.5.2 BP算法
7.5.3 徑向基函數網絡
7.5.4 Kohonen網絡
第8章 光譜特征選擇與提取
8.1 高維光譜特征分析基礎
8.1.1 高維特征空間樣本分布
8.1.2 “維數災難”現象
8.1.3 波段間相關性分析
8.2 類別可分性準則
8.2.1 基本特性
8.2.2 類內類間距離準則
8.2.3 概率距離準則
8.2.4 信息熵準則
8.3 基于類別可分性的特征提取
8.3.1 依類內類間距離準則的特征提取
8.3.2 依概率距離準則的特征提取
8.3.3 依信息熵準則的特征提取
8.4 基于信息壓縮的特征提取
8.4.1 主成分分析
8.4.2 噪聲分離變換
8.5 獨立成分分析特征提取
8.5.1 模型估計方法
8.5.2 快速ICA算法
8.6 投影尋蹤特征提取
8.6.1 投影指標
8.6.2 基于PP的高光譜影像特征提取
8.7 非線性特征提取方法
第9章 高光譜影像核方法分析
9.1 核函數與核方法原理
9.1.1 核函數
9.1.2 核方法
9.2 統(tǒng)計學習理論與支持向量機
9.2.1 統(tǒng)計學習理論
9.2.2 支持向量機
9.3 支持向量機分類
9.3.1 快速訓練算法
9.3.2 多類分類器構造
9.3.3 核函數及參數選擇
9.4 核Fisher判別分類
9.4.1 Fisher判別分析
9.4.2 核Fisher判別分析
9.4.3 核Fisher判別分類
9.5 相關向量機分類
9.5.1 稀疏Bayes模型
9.5.2 模型參數推斷
9.5.3 相關向量機分類
9.6 非線性特征提取
9.6.1 核主成分分析
9.6.2 核巴氏距離投影尋蹤
9.6.3 廣義判別分析
第10章 混合像元分解
10.1 概述
10.1.1 混合像元分解的意義
10.1.2 混合像元分解流程
10.2 光譜混合模型
10.2.1 混合光譜的成因
10.2.2 線性混合模型
10.2.3 非線性混合模型
10.2.4 隨機混合模型
10.3 端元個數估計
10.3.1 NPD算法
10.3.2 正交子空間投影法
10.4 端元提取技術
10.4.1 典型端元提取算法
10.4.2 空間信息輔助下的端元提取技術
10.4.3 基于粒子群優(yōu)化的端元提取算法
10.5 光譜解混技術
10.5.1 監(jiān)督分解算法
10.5.2 非監(jiān)督分解算法
第11章 高光譜與高空間分辨率影像融合
11.1 概述
11.1.1 像素級融合
11.1.2 特征級融合
11.1.3 決策級融合
11.2 融合預處理
11.2.1 輻射校正
11.2.2 幾何糾正
11.2.3 影像配準
11.3 高光譜與高空間分辨率影像融合算法
11.3.1 通用像素級融合算法
11.3.2 通用像素級融合算法特點分析
11.3.3 基于非負矩陣分解的融合算法
11.3.4 基于遺傳算法的融合方法
11.3.5 基于影像光譜復原的空間域融合方法
11.3.6 基于混合像元分解的融合算法
11.3.7 基于邊緣信息的光譜信息保持型融合算法
11.4 融合效果評價
11.4.1 主觀評價方法
11.4.2 客觀評價方法
11.4.3 綜合評價方法
第12章 高光譜數據處理系統(tǒng)設計
12.1 高光譜數據處理系統(tǒng)現狀分析
12.1.1 國外高光譜數據處理系統(tǒng)介紹
12.1.2 國內高光譜數據處理系統(tǒng)介紹
12.2 高光譜數據處理系統(tǒng)結構設計
12.2.1 高光譜影像數據結構
12.2.2 數據處理流程設計
12.2.3 系統(tǒng)體系結構設計
12.3 高光譜數據處理系統(tǒng)功能設計
12.3.1 影像數據預處理模塊
12.3.2 屬性信息分類提取模塊
12.3.3 數據融合模塊
12.4 高光譜數據處理關鍵技術及其實現
12.4.1 高光譜影像幾何校正技術
12.4.2 高維光譜特征壓縮和提取技術
12.4.3 高光譜與高空間分辨率數據融合處理技術
12.4.4 高精度的分類提取技術
12.5 高光譜遙感影像分析軟件系統(tǒng)
12.5.1 高光譜影像讀存顯示
12.5.2 高光譜影像預處理
12.5.3 高光譜影像特征分析
12.5.4 高光譜影像分類識別
12.5.5 地物光譜數據庫
參考文獻
彩圖