高光谱遥感图像处理方法及应用PDF|Epub|txt|kindle电子书版本网盘下载

高光谱遥感图像处理方法及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 高光谱遥感的理论基础1

1.1 高光谱遥感概述1

1.2 高光谱遥感成像机理5

1.3 高光谱遥感图像的特点8

1.4 高光谱遥感图像数据表达9

1.5 高光谱遥感与多光谱遥感的联系与区别10

参考文献11

第2章 高光谱图像特征提取技术12

2.1 特征提取技术概述12

2.2 高光谱图像基本特征提取算法16

2.2.1 主成分分析16

2.2.2 线性判别分析17

2.2.3 基于核的非线性特征提取算法18

2.2.4 基于流形学习的非监督特征提取算法18

2.2.5 F-分值特征提取方法22

2.2.6 递归特征消除方法22

2.2.7 最小噪声分数23

2.2.8 独立成分分析24

2.3 高光谱图像波段提取算法25

2.3.1 半监督局部稀疏嵌入特征提取算法25

2.3.2 基于全局和局部流形结构的特征提取算法27

2.3.3 结合遗传算法和蚁群算法的特征提取算法29

2.3.4 高光谱图像蒙特卡罗特征提取算法31

2.4 高光谱图像波段提取算法性能评价34

2.4.1 半监督局部稀疏嵌入特征提取算法的性能评价35

2.4.2 基于全局和局部流形结构的特征提取算法的性能评价38

2.4.3 结合遗传算法和蚁群算法的特征提取算法的性能评价41

2.4.4 高光谱图像蒙特卡罗特征提取算法的性能评价46

参考文献48

第3章 高光谱图像端元提取技术49

3.1 端元提取技术概述49

3.2 高光谱图像基本端元提取方法49

3.2.1 N-FINDR端元提取算法49

3.2.2 纯像素索引法50

3.2.3 凸锥分析51

3.2.4 迭代误差分析52

3.2.5 ORASIS算法52

3.2.6 自动形态学端元提取算法52

3.2.7 顶点成分分析法54

3.3 高光谱图像端元提取算法55

3.3.1 改进的N-FINDR高光谱端元提取算法55

3.3.2 改进的I EA端元提取算法58

3.4 高光谱图像端元提取方法的性能评价60

3.4.1 改进的N-FINDR高光谱端元提取算法的性能评价60

3.4.2 改进的IEA端元提取算法的性能评价61

参考文献65

第4章 高光谱图像光谱解混技术66

4.1 光谱解混技术概述66

4.2 高光谱图像基本光谱解混算法68

4.2.1 线性光谱混合模型68

4.2.2 丰度反演算法69

4.2.3 解混误差理论分析70

4.2.4 解决端元可变问题算法72

4.2.5 光谱解混精度评价76

4.3 高光谱图像光谱解混算法77

4.3.1 基于正交子空间投影的多端元高光谱解混算法77

4.3.2 基于分层的多端元高光谱解混算法79

4.3.3 基于全约束OMP的多端元高光谱解混算法81

4.3.4 基于稀疏表示的高光谱解混算法83

4.3.5 改进的OMP高光谱稀疏解混算法87

4.3.6 自适应稀疏度的OMP高光谱稀疏解混算法90

4.4 高光谱图像光谱解混算法评价91

4.4.1 基于OSP的多端元高光谱解混算法评价91

4.4.2 基于分层的多端元高光谱解混算法评价95

4.4.3 基于全约束OMP的多端元高光谱解混算法评价100

4.4.4 基于稀疏表示的高光谱解混算法评价103

4.4.5 改进的OMP高光谱稀疏解混算法评价105

4.4.6 自适应稀疏度的OMP高光谱稀疏解混算法评价110

参考文献112

第5章 高光谱图像监督分类技术114

5.1 高光谱图像分类技术概述114

5.2 高光谱图像基本分类算法116

5.2.1 光谱角匹配116

5.2.2 最大似然分类117

5.2.3 Fisher判别分析117

5.2.4 支持向量机分类器118

5.2.5 相关向量机分类器126

5.3 高光谱图像分类的评价准则128

5.4 高光谱图像分类算法129

5.4.1 基于高斯低通滤波的最大似然分类129

5.4.2 基于小波核函数的高光谱图像分类131

5.4.3 基于第二代小波融合的高光谱图像分类134

5.4.4 基于特征加权的高光谱图像分类141

5.4.5 基于定制核稀疏表示的高光谱图像分类143

5.4.6 基于模糊加权核C-均值聚类的高光谱图像分类147

5.4.7 模糊特征加权支持向量机151

5.5 高光谱图像分类算法的性能评价153

5.5.1 基于高斯低通滤波的最大似然分类性能评价154

5.5.2 基于小波核函数的高光谱图像分类性能评价158

5.5.3 基于第二代小波融合的高光谱分类性能评价160

5.5.4 基于特征加权的高光谱分类性能评价164

5.5.5 基于定制核稀疏表示的分类评价168

5.5.6 模糊加权核C-均值聚类算法的分类评价173

5.5.7 模糊特征加权支持向量机的分类评价175

参考文献178

第6章 高光谱图像半监督分类技术181

6.1 高光谱图像半监督分类技术概述181

6.2 高光谱图像基本半监督分类算法182

6.2.1 图论的基础概念182

6.2.2 基于图的半监督分类算法184

6.3 高光谱图像半监督分类算法187

6.3.1 结合LLGC和LS-SVM的半监督分类算法187

6.3.2 引入负相似的LapSVM半监督分类191

6.3.3 基于空-谱信息的高光谱半监督分类算法196

6.3.4 基于空-谱标签传递的高光谱半监督分类算法200

6.4 高光谱图像半监督分类算法的性能评价202

6.4.1 结合LLGC和LS-SVM半监督分类算法的性能评价202

6.4.2 引入负相似的LapSVM半监督分类的性能评价206

6.4.3 基于空-谱信息的高光谱半监督分类的性能评价211

6.4.4 基于空-谱标签传递的高光谱半监督分类的性能评价217

参考文献227

第7章 高光谱图像目标匹配检测技术229

7.1 目标匹配检测技术概述229

7.2 高光谱图像基本目标匹配检测算法231

7.2.1 高光谱图像目标匹配检测的关键问题231

7.2.2 高光谱图像目标检测的一般过程与评价标准232

7.2.3 经典的高光谱图像目标匹配检测方法232

7.3 高光谱图像目标匹配检测算法234

7.3.1 基于空间支持的稀疏表示目标检测234

7.3.2 基于StOMp算法的HSI目标稀疏检测239

7.3.3 基于无监督字典的HSI目标稀疏检测242

7.4 高光谱图像目标匹配检测算法评价245

7.4.1 基于空间支持的稀疏表示目标检测算法评价245

7.4.2 基于StOMp算法的HSI目标稀疏检测算法评价254

7.4.3 基于无监督字典的HSI目标稀疏检测257

参考文献259

第8章 高光谱图像异常目标检测技术261

8.1 异常目标检测技术概述261

8.2 高光谱图像异常目标检测基本理论265

8.3 高光谱图像异常目标检测算法268

8.3.1 基于空域滤波的核RX高光谱异常检测算法268

8.3.2 自适应核高光谱异常检测算法272

8.3.3 基于光谱相似度量核的高光谱异常检测算法277

8.4 高光谱图像异常目标检测算法评价281

8.4.1 基于空域滤波的核RX高光谱异常检测算法评价281

8.4.2 自适应核高光谱异常检测算法评价282

8.4.3 基于光谱相似度量核的高光谱异常检测算法评价284

参考文献289

第9章 高光谱实时目标检测技术292

9.1 高光谱遥感目标检测概念及特点292

9.1.1 目标存在形式292

9.1.2 高光谱图像目标检测特点292

9.1.3 高光谱图像目标检测分类293

9.1.4 高光谱图像目标检测关键问题293

9.2 基于像素递归的高光谱实时目标检测295

9.2.1 Woodbury矩阵引理296

9.2.2 基于R-RYD的递归实时算子297

9.2.3 基于K-RXD的递归实时算子298

9.2.4 算法复杂性分析299

9.2.5 仿真实验结果与分析300

9.3 采用滑动实时窗的高光谱局部实时检测305

9.3.1 高光谱局部异常检测常用算法306

9.3.2 采用滑动实时窗口的局部异常检测308

9.3.3 仿真实验结果与分析311

9.4 基于波段递归更新的高光谱目标检测算法315

9.4.1 分块矩阵求逆引理315

9.4.2 基于波段递归的高光谱目标检测316

9.4.3 仿真实验结果与分析319

参考文献321

第10章 高光谱图像压缩处理技术324

10.1 高光谱压缩处理技术概述324

10.2 图像压缩质量评价标准326

10.3 高光谱图像压缩处理算法327

10.3.1 基于目标分布改进DCT的图像压缩327

10.3.2 多元向量量化的图像压缩329

10.3.3 基于提升格式的图像压缩332

10.3.4 基于向量量化的图像压缩335

10.4 高光谱图像压缩性能评价337

10.4.1 基于目标分布的图像压缩性能评价337

10.4.2 多元向量量化的图像压缩性能评价343

10.4.3 基于提升格式的图像压缩性能评价350

10.4.4 基于向量量化的图像压缩性能评价351

参考文献352

第11章 高光谱图像可视化技术354

11.1 可视化技术概述354

11.2 面向类别分析结果的可视化方法358

11.2.1 基于硬分类结果的数据可视化359

11.2.2 基于软分类结果的自动彩色分配方法361

11.3 高光谱图像可视化方法性能评价364

11.3.1 硬分类类别彩色标签的选择及分配364

11.3.2 基于光谱解混结果的可视化结果366

参考文献368

第12章 高光谱遥感应用简介369

12.1 高光谱遥感在农业方面的应用369

12.1.1 农作物疾病监测、病虫害监测以及入侵物种监测369

12.1.2 农作物产量估计370

12.1.3 农作物分类370

12.2 高光谱遥感在地质领域方面的应用370

12.2.1 高光谱矿物识别与矿物填图371

12.2.2 高光谱地质成因信息探测研究371

12.2.3 高光谱成矿预测研究371

12.2.4 高光谱植被地化信息探测研究372

12.2.5 高光谱矿山环境分析研究372

12.3 高光谱遥感在草原监测方面的应用372

12.3.1 草地生物量估算373

12.3.2 草地种类识别374

12.3.3 草地化学成分估测374

12.4 高光谱遥感在森林研究方面的应用375

12.4.1 森林调查375

12.4.2 森林生化组成与森林健康状态376

12.5 高光谱遥感在海洋研究方面的应用377

12.5.1 海洋遥感中的基础研究377

12.5.2 海洋与海岸带资源环境监测中的应用研究378

12.5.3 高光谱海洋研究国际发展相关动态378

12.6 高光谱遥感在环境监测方面的应用379

12.6.1 大气污染监测379

12.6.2 土壤侵蚀监测379

12.6.3 水环境监测379

12.7 高光谱遥感在减灾方面的应用380

12.7.1 干旱380

12.7.2 洪涝381

12.7.3 低温雨雪冰冻灾害381

12.7.4 火灾382

12.7.5 地质灾害383

12.7.6 生物灾害384

12.7.7 其他灾害384

参考文献385