遥感图像信息融合与分辨率增强技术

图书标准信息

• 作者 王晓飞 著
• 出版社 人民邮电出版社
• 出版时间 2019-08
• 版次 1
• ISBN 9787115516930
• 定价 98.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 200页

【内容简介】

本书是在参阅了大量国内外相关论著、优秀论文，结合了作者多年来从事遥感图像处理的教学经验及科研成果，并对科技部重点研发计划及国家自然科学基金项目研究成果进行系统总结的基础上撰写而成的。基于光学成像原理，分析了不同光学遥感图像之间的空间分辨率和光谱分辨率间的内在关系，论述了遥感影像间的高精度几何配准、数据融合、分辨率增强及评价标准、高光谱图像解混及子像素制图、分辨率增强在小目标检测中的应用等。其中，基于相关向量机（RVM）空间与光谱结合的噪声估计方法、基于高斯拟合的配准控制点提取算法、基于相关向量机的增强高光谱图像分辨率的数据融合算法、基于SVDD的高光谱图像目标检测算法等技术属于原创性的创新，并已经投入实际应用。

本书适合各大专院校从事遥感图像处理及应用方向的教师和研究生，本科阶段在地图学与地理信息系统、电子工程等专业学习的高年级学生，遥感、测绘、数字图像处理领域的研究所以及相关机构的科研人员和工程技术人员等学习参考。

【作者简介】

王晓飞 硕士和博士阶段一直从事遥感图像处理方面的课题研究，在博士后工作期间，与北京二十一世纪科技发展有限公司合作，从事的也是遥感图像处理方面的研究。在黑龙江大学工作期间，一直从事图像处理和遥感图像处理方面的教学与科研工作。2013年6月出版专著《数字图像处理》（科学出版社）。

【目录】

目录

第 1章绪论 1

1．1国际遥感的发展历程和趋势 3

1．2国内遥感的发展历程和现状 7

参考文献 20

第 2章光学遥感基础 22

2．1光学遥感系统成像原理 22

2．2基本概念 37

2．2．1空间分辨率 37

2．2．2光谱分辨率 39

2．2．3辐射分辨率 41

2．2．4时间分辨率 41

2．2．5遥感系统的信息容量 42

2．2．6光学遥感空间与光谱分辨率间的关系 42

参考文献 44

第3章高光谱图像特性及噪声评价和降维算法 45

3．1高光谱图像特性分析 46

3．1．1典型地物的光谱特性 46

3．1．2波段间相关性 48

3．2空间与光谱结合的噪声估计方法 49

3．2．1噪声产生的机理 49

3．2．2几种遥感图像中常用的噪声概率密度函数 52

3．2．3噪声评估国内外研究现状 55

3．2．4空间/光谱维去相关法噪声评估 58

3．2．5实验分析 62

3．3高光谱图像特征提取/降维 64

3．3．1主成分分析 64

3．3．2最小噪声变换 66

3．3．3线性判别分析 67

3．3．4降维处理对高光谱图像应用的影响分析 68

参考文献 69

第4章遥感图像配准校正 71

4．1遥感图象配准原理 71

4．1．1图象预处理及配准控制点选取 73

4．1．2图象间变换模型的建立 74

4．1．3待配准图象的几何变换和重采样 76

4．1．4配准精度的评定 79

4．2基于灰度信息的传感器遥感图象的配准 80

4．2．1基于相关的配准方法 80

4．2．2基于互信息的配准方法 88

4．2．3基于高斯模型的遥感图像配准 93

参考文献 98

第5章基于融合空间信息的分辨率增强技术 100

5．1基于图像融合的分辨率增强技术 100

5．1．1图像融合技术 100

5．1．2分辨率增强技术 102

5．1．3基于IHS变换融合算法及其改进算法的分辨率增强技术 106

5．2增强空间信息的高光谱图像数据融合 115

5．2．1基于回归的融合算法 116

5．2．2基于相关向量回归的融合算法 118

5．2．3仿真实验及性能分析 119

参考文献 121

第6章基于时空融合的分辨率增强算法 124

6．1基于时空自适应反射率融合模型的分辨率增强算法 124

6．1．1基于STARFM改进时空数据融合方法 125

6．1．2时空融合算法原理 126

6．1．3基于STARFM改进的时空数据融合方法 129

6．1．4实验结果与分析 132

6．2基于神经网络的时空融合分辨率增强 136

6．2．1神经网络的概述 138

6．2．2基于卷积神经网络反射率时空融合影像分辨率增强 141

6．2．3基于卷积神经网络图像超分辨率的算法改进 145

6．2．4实验结果与分析 148

参考文献 150

第7章基于混合像元分解的高光谱图像分辨率增强 154

7．1光谱解混发展现状 154

7．2基于无监督聚类的高光谱图像端元提取 159

7．2．1 N-FINDR算法及其不足 160

7．2．2基于无监督聚类的端元提取算法 162

7．2．3实验结果与分析 165

7．3基于支持向量数据描述的混合像素分解 170

7．3．1未知端元对解混的影响分析 170

7．3．2混合像素分解算法 171

7．3．3实验结果与讨论 172

7．4混合像元分解后的分辨率增强 177

7．4．1基于空间相关性的子像素制图方法 177

7．4．2基于感兴趣目标的子像素制图方法 179

参考文献 180

第8章分辨率增强算法在小目标检测中的应用 184

8．1典型高光谱图像目标检测算法及效果评价方法 184

8．1．1光谱角度填图法 186

8．1．2约束能量最小化算法 187

8．1．3检测算法评价及ROC曲线 188

8．1．4分析与讨论 189

8．2基于支持向量机数据描述的高光谱图像目标检测 190

8．2．1支持向量数据描述原理及性能分析 191

8．2．2基于SVDD的目标检测算法原理及实现 196

8．2．3实验结果与分析 197

8．3分辨率增强在小目标检测中的应用及性能评价 201

8．3．1基于融合的分辨率增强在小目标检测的应用 201

8．3．2基于解混的分辨率增强在目标检测中的应用 203

参考文献 208