遥感数字图像分析导论 第5版PDF|Epub|txt|kindle电子书版本网盘下载

遥感数字图像分析导论 第5版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 遥感图像数据来源及特性1

1.1 能量来源及波长范围1

1.2 原始数据特性3

1.3 遥感平台4

1.4 地球表面的哪些特性能够测量8

1.5 通常的空间数据源与地理信息系统13

1.6 数字图像数据的尺度15

1.7 数字地球16

1.8 本书的结构安排17

1.9 关于遥感图像数据来源及特性的参考文献18

1.10 习题19

第2章 校正与配准图像22

2.1 引言22

2.2 辐射失真源22

2.3 仪器误差23

2.4 太阳辐射曲线和大气对辐射测量的影响25

2.5 补偿太阳辐射曲线26

2.6 大气的影响26

2.7 大气对遥感图像的影响29

2.8 校正宽波段系统的大气影响30

2.9 校正窄波段系统的大气影响31

2.10 经验的、数据驱动的大气校正方法35

2.11 几何失真源37

2.12 地球自转的影响38

2.13 平台高度、姿态和速度变化的影响39

2.14 传感器视场的影响：全景失真40

2.15 地球曲率的影响41

2.16 仪器特性造成的几何失真42

2.17 几何失真校正43

2.18 利用映射函数进行图像校正44

2.19 几何失真的数学表示及校正50

2.20 图像到图像的配准52

2.21 其他图像几何操作55

2.22 关于校正和配准图像的参考文献55

2.23 习题56

第3章 解译图像61

3.1 引言61

3.2 图像解译61

3.3 定量化分析：从数据到标签64

3.4 定量化分析和像片解译的对比64

3.5 定量化分析的基础65

3.6 子类和光谱类70

3.7 非监督分类71

3.8 关于解译图像的参考文献72

3.9 习题72

第4章 图像的辐射增强74

4.1 引言74

4.2 图像直方图74

4.3 对比度修正75

4.4 直方图均衡79

4.5 直方图匹配84

4.6 密度分割87

4.7 关于图像辐射增强的参考文献89

4.8 习题90

第5章 几何处理与增强：图像域技术93

5.1 引言93

5.2 图像滤波的邻域操作93

5.3 图像平滑95

5.4 锐化和边缘检测98

5.5 边缘检测103

5.6 线检测和点检测103

5.7 细化和连接103

5.8 作为卷积运算的几何处理104

5.9 图像域技术和傅里叶变换方法的比较106

5.10 图像的几何特性107

5.11 形态学分析110

5.12 形状识别114

5.13 关于图像域技术的几何增强的参考文献115

5.14 习题115

第6章 图像光谱域变换117

6.1 引言117

6.2 图像算术和植被指数117

6.3 主成分变换119

6.4 噪声调整的主成分变换135

6.5 Kauth-Thomas缨帽变换137

6.6 核主成分分析139

6.7 HSI图像显示142

6.8 全色锐化143

6.9 关于光谱域图像变换的参考文献143

6.10 习题145

第7章 图像的空间域变换147

7.1 引言147

7.2 特殊函数147

7.3 傅里叶级数150

7.4 傅里叶变换152

7.5 离散傅里叶变换153

7.6 卷积156

7.7 采样定理158

7.8 图像的离散傅里叶变换160

7.9 利用傅里叶变换对图像进行处理162

7.10 二维卷积164

7.11 其他傅里叶变换164

7.12 频谱泄漏和窗函数165

7.13 小波变换166

7.14 图像的小波变换175

7.15 小波变换在遥感图像分析中的应用176

7.16 关于空间域图像变换的参考文献176

7.17 习题177

第8章 监督分类技术179

8.1 引言179

8.2 监督分类的基本步骤179

8.3 最大似然分类181

8.4 高斯混合模型188

8.5 最小距离分类器192

8.6 平行六面体分类器195

8.7 马氏距离分类器196

8.8 非参数分类196

8.9 查表分类197

8.10 k近邻分类器197

8.11 光谱角制图198

8.12 非参数分类——几何方法198

8.13 训练线性分类器199

8.14 支持向量机：线性可分类别199

8.15 支持向量机：类别重叠情况203

8.16 支持向量机：线性不可分数据和核函数205

8.17 用两类分类器进行多类别分类207

8.18 分类器委员会208

8.19 网络分类器：神经网络210

8.20 基于上下文的分类218

8.21 关于监督分类技术的参考文献226

8.22 习题229

第9章 聚类与非监督分类231

9.1 聚类的应用231

9.2 相似性度量与聚类准则231

9.3 k均值聚类233

9.4 Isodata聚类234

9.5 初始聚类中心的选择235

9.6 k均值和Isodata的聚类代价235

9.7 非监督分类236

9.8 一个关于k均值算法聚类的例子236

9.9 单通聚类技术238

9.10 分层聚类240

9.11 其他聚类指标241

9.12 其他聚类技术242

9.13 聚类空间分类242

9.14 关于聚类与非监督分类的参考文献245

9.15 习题246

第10章 特征减少248

10.1 特征减少的必要性248

10.2 处理高维数据的一些注意事项248

10.3 可分性度量249

10.4 离散度250

10.5 Jeffries-Matusita距离252

10.6 变换离散度254

10.7 用于最小距离分类的可分性度量255

10.8 通过光谱变换进行特征减少255

10.9 协方差矩阵块对角化267

10.10 通过正则化提高协方差估计271

10.11 关于特征减少的参考文献272

10.12 习题272

第11章 图像分类实践275

11.1 引言275

11.2 分类概述275

11.3 采用最大似然规则的监督分类277

11.4 混合的监督／非监督方法280

11.5 聚类空间分类284

11.6 采用支持向量机的监督分类284

11.7 评价分类精度286

11.8 决策树分类器299

11.9 通过光谱学和光谱库搜索的图像解译306

11.10 端元与解混307

11.11 是否存在最好的分类器308

11.12 关于图像分类实践的参考文献312

11.13 习题314

第12章 多源图像分析316

12.1 引言316

12.2 堆栈向量分析317

12.3 统计多源方法317

12.4 证据理论321

12.5 基于知识的图像分析324

12.6 可操作的多源分析331

12.7 关于多源图像分析的参考文献333

12.8 习题335

附录A 卫星高度和周期337

附录B 十进制数的二进制表示339

附录C 向量和矩阵代数中的基本结果340

附录D 概率与统计的一些基础知识347

附录E 最大似然决策准则惩罚函数的推导350