遙感數字圖像分析導論（第五版）

《遙感數字圖像分析導論（第五版）》是2015年電子工業出版社出版的圖書，作者是John A. Richards。

基本介紹

• 書名：遙感數字圖像分析導論（第五版）
• 作者：John A. Richards （J. A. 理查茲）
• 譯者：張鈞萍、谷延鋒、陳雨時
• ISBN：9787121249914
• 頁數：364頁
• 出版社：電子工業出版社 
• 出版時間：2015-03
• 開本：16開
• 叢書名：國防電子信息技術叢書

內容簡介

本書首先介紹了遙感圖像數據源及特性，之後各章分兩部分內容： 第2章至第7章主要探討遙感圖像處理的基本技術和方法，包括校正和配準、增強、變換等，第8章至第12章主要探討遙感圖像處理的套用技術和方法，包括監督/非監督分類、特徵減少、多源圖像分析處理等。該書以易於讀者理解和套用為宗旨，在側重不同處理技術和方法的同時，充分結合了當前的新理論、新技術和新方法。特別值得指出的是，新版本在內容修訂、材料補充的基礎上，增加了許多圖像及相關處理結果，更易於讀者理解。

目錄

第1章 遙感圖像數據來源及特性

1.1 能量來源及波長範圍

1.2 原始數據特性

1.3 遙感平台

1.4 地球表面的哪些特性能夠測量

1.5 通常的空間數據源與地理信息系統

1.6 數字圖像數據的尺度

1.7 數字地球

1.8 本書的結構安排

1.9 關於遙感圖像數據來源及特性的參考文獻

1.10習題

第2章 校正與配準圖像

2.1 引言

2.2 輻射失真源

2.3 儀器誤差

2.4 太陽輻射曲線和大氣對輻射測量的影響

2.5 補償太陽輻射曲線

2.6 大氣的影響

2.7 大氣對遙感圖像的影響

2.8 校正寬波段系統的大氣影響

2.9 校正窄波段系統的大氣影響

2.10經驗的、數據驅動的大氣校正方法

2.11幾何失真源

2.12地球自轉的影響

2.13平台高度、姿態和速度變化的影響

2.14感測器視場的影響： 全景失真

2.15地球曲率的影響

2.16儀器特性造成的幾何失真

2.17幾何失真校正

2.18利用映射函式進行圖像校正

2.19幾何失真的數學表示及校正

2.20圖像到圖像的配準

2.21其他圖像幾何操作

2.22關於校正和配準圖像的參考文獻

2.23習題

第3章 解譯圖像

3.1 引言

3.2 圖像解譯

3.3 定量化分析： 從數據到標籤

3.4 定量化分析和像片解譯的對比

3.5 定量化分析的基礎

3.6 子類和光譜類

3.7 非監督分類

3.8 關於解譯圖像的參考文獻

3.9 習題

第4章 圖像的輻射增強

4.1 引言

4.2 圖像直方圖

4.3 對比度修正

4.4 直方圖均衡

4.5 直方圖匹配

4.6 密度分割

4.7 關於圖像輻射增強的參考文獻

4.8 習題

第5章 幾何處理與增強： 圖像域技術

5.1 引言

5.2 圖像濾波的鄰域操作

5.3 圖像平滑

5.4 銳化和邊緣檢測

5.5 邊緣檢測

5.6 線檢測和點檢測

5.7 細化和連線

5.8 作為卷積運算的幾何處理

5.9 圖像域技術和傅立葉變換方法的比較

5.10圖像的幾何特性

5.11形態學分析

5.12形狀識別

5.13關於圖像域技術的幾何增強的參考文獻

5.14習題

第6章 圖像光譜域變換

6.1 引言

6.2 圖像算術和植被指數

6.3 主成分變換

6.4 噪聲調整的主成分變換

6.5 KauthThomas纓帽變換

6.6 核主成分分析

6.7 HSI圖像顯示

6.8 全色銳化

6.9 關於光譜域圖像變換的參考文獻

6.10習題

第7章 圖像的空間域變換

7.1 引言

7.2 特殊函式

7.3 傅立葉級數

7.4 傅立葉變換

7.5 離散傅立葉變換

7.6 卷積

7.7 採樣定理

7.8 圖像的離散傅立葉變換

7.9 利用傅立葉變換對圖像進行處理

7.10二維卷積

7.11其他傅立葉變換

7.12頻譜泄漏和窗函式

7.13小波變換

7.14圖像的小波變換

7.15小波變換在遙感圖像分析中的套用

7.16關於空間域圖像變換的參考文獻

7.17習題

第8章 監督分類技術

8.1 引言

8.2 監督分類的基本步驟

8.3 最大似然分類

8.4 高斯混合模型

8.5 最小距離分類器

8.6 平行六面體分類器

8.7 馬氏距離分類器

8.8 非參數分類

8.9 查表分類

8.10k近鄰分類器

8.11光譜角製圖

8.12非參數分類——幾何方法

8.13訓練線性分類器

8.14支持向量機： 線性可分類別

8.15支持向量機： 類別重疊情況

8.16支持向量機： 線性不可分數據和核函式

8.17用兩類分類器進行多類別分類

8.18分類器委員會

8.19網路分類器： 神經網路

8.20基於上下文的分類

8.21關於監督分類技術的參考文獻

8.22習題

第9章 聚類與非監督分類

9.1 聚類的套用

9.2 相似性度量與聚類準則

9.3 k均值聚類

9.4 Isodata聚類

9.5 初始聚類中心的選擇

9.6 k均值和Isodata的聚類代價

9.7 非監督分類

9.8 一個關於k均值算法聚類的例子

9.9 單通聚類技術

9.10分層聚類

9.11其他聚類指標

9.12其他聚類技術

9.13聚類空間分類

9.14關於聚類與非監督分類的參考文獻

9.15習題

第10章 特徵減少

10.1 特徵減少的必要性

10.2 處理高維數據的一些注意事項

10.3 可分性度量

10.4 離散度

10.5 JeffriesMatusita距離

10.6 變換離散度

10.7 用於最小距離分類的可分性度量

10.8 通過光譜變換進行特徵減少

10.9 協方差矩陣塊對角化

10.10通過正則化提高協方差估計

10.11關於特徵減少的參考文獻

10.12習題

第11章 圖像分類實踐

11.1 引言

11.2 分類概述

11.3 採用最大似然規則的監督分類

11.4 混合的監督/非監督方法

11.5 聚類空間分類

11.6 採用支持向量機的監督分類

11.7 評價分類精度

11.8 決策樹分類器

11.9 通過光譜學和光譜庫搜尋的圖像解譯

11.10端元與解混

11.11是否存在最好的分類器

11.12關於圖像分類實踐的參考文獻

11.13習題

第12章 多源圖像分析

12.1 引言

12.2 堆疊向量分析

12.3 統計多源方法

12.4 證據理論

12.5 基於知識的圖像分析

12.6 可操作的多源分析

12.7 關於多源圖像分析的參考文獻

12.8 習題

附錄A 衛星高度和周期

附錄B 十進制數的二進制表示

附錄C 向量和矩陣代數中的基本結果

附錄D 機率與統計的一些基礎知識

附錄E 最大似然決策準則懲罰函式的推導