遙感數(shù)據(jù)智能處理方法與程序設(shè)計(jì)

前言

數(shù)字遙感衛(wèi)星技術(shù)和地面數(shù)字處理技術(shù)開始于20世紀(jì)60年代。40余年過去了，我國在氣象衛(wèi)星、海洋和資源遙感衛(wèi)星中都實(shí)現(xiàn)了傳感器數(shù)字掃描和地面數(shù)字處理。遙感系統(tǒng)處理將數(shù)碼信號加工成可以辨識的數(shù)字圖像，遙感應(yīng)用處理源源不斷地將可用的圖像信息和知識輸送給用戶。遙感衛(wèi)星應(yīng)用在我國國民經(jīng)濟(jì)、社會發(fā)展、國防建設(shè)的宏觀決策中發(fā)揮著不可或缺的作用；遙感衛(wèi)星數(shù)據(jù)與信息產(chǎn)品也成為國家基礎(chǔ)性、戰(zhàn)略性信息資源，同時展現(xiàn)出廣闊的產(chǎn)業(yè)化前景。進(jìn)入21世紀(jì)，國家實(shí)現(xiàn)小康步伐加快，為了全面落實(shí)國民經(jīng)濟(jì)與自然全面、協(xié)調(diào)可持續(xù)發(fā)展的科學(xué)發(fā)展觀，國家宏觀政策、自然災(zāi)害監(jiān)測與管理、小城鎮(zhèn)建設(shè)、綠色國內(nèi)生產(chǎn)總值（GDP）、國家安全等對遙感衛(wèi)星信息和知識的需求與依賴更加強(qiáng)烈，對遙感應(yīng)用的質(zhì)量提出了更高的要求，也為遙感處理技術(shù)發(fā)展提供了前所未有的機(jī)遇。遙感數(shù)據(jù)獲取技術(shù)與不斷擴(kuò)大的應(yīng)用需求共同推動著遙感應(yīng)用處理的發(fā)展。遙感衛(wèi)星應(yīng)用的前提條件是通過遙感應(yīng)用處理將遙感數(shù)字圖像轉(zhuǎn)變成可以使用的信息和知識。隨著國內(nèi)外資源、環(huán)境遙感衛(wèi)星系列的形成和地球系統(tǒng)探測計(jì)劃的逐步實(shí)施，可利用的系列遙感衛(wèi)星傳感器不僅覆蓋了整個光譜波段，如MSS-ETM、SPOT-1～SPOT-5、CBERS1和CBERS2等，還包括高光譜衛(wèi)星傳感器，如AVIRIS、Hyperion等，高空間分辨率衛(wèi)星IKONOS、QuickBird等，以及MODIS、GEMS、GRACE等科學(xué)探測衛(wèi)星，逐步構(gòu)成了對地球觀測的遙感衛(wèi)星網(wǎng)絡(luò)，這標(biāo)志著遙感衛(wèi)星發(fā)展到對地球綜合、整體觀測的新階段。在國際地球觀測組織（GEOSS）2005～2015年10年計(jì)劃的推動下，充分利用國際國內(nèi)遙感衛(wèi)星數(shù)據(jù)資源解決實(shí)際應(yīng)用問題，已經(jīng)成為我國遙感界的時代命題。其中，自動實(shí)現(xiàn)規(guī)模處理流程、定量反演地表物理生物量和積極引進(jìn)遙感數(shù)據(jù)智能處理算法的要求突顯出來。在這樣一個大背景的推動下，作為長期工作在遙感圖像處理研究領(lǐng)域的研究團(tuán)隊(duì)，我們敏銳地認(rèn)識到新需求的到來，同時不斷思考在遙感數(shù)據(jù)智能處理的新領(lǐng)域作出“探路者”的貢獻(xiàn)。

內(nèi)容概要

本書是作者經(jīng)過10余年在人工智能理論與遙感信息理論學(xué)科交叉領(lǐng)域的實(shí)踐，不斷探索所取得的成果總結(jié)。全書主要內(nèi)容包括空間變換與分割、貝葉斯網(wǎng)絡(luò)、偽二維隱馬爾可夫、神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊算法、粗糙集、支持向量機(jī)、禁忌人工免疫網(wǎng)絡(luò)等算法和算法組合。本書密切結(jié)合遙感應(yīng)用中和圖像處理中的問題，在介紹智能算法基本原理的同時，注重闡述算法與應(yīng)用問題的機(jī)理性結(jié)合，突出啟發(fā)性和實(shí)用性，培養(yǎng)和提高思考問題和解決問題的能力。本書附有智能算法的軟件程序光盤及使用說明書。    本書適合遙感技術(shù)、遙感信息機(jī)理和遙感圖像應(yīng)用處理專業(yè)的廣大研究生使用，同時可供從事智能處理的軟件開發(fā)技術(shù)人員參考。

書籍目錄

序前言第1章  緒論   1.1  衛(wèi)星遙感系統(tǒng)與任務(wù)   1.2  遙感數(shù)據(jù)處理任務(wù)與方法   1.3  本章小結(jié)   主要參考文獻(xiàn)第2章  變換與分割   2.1  引言   2.2  GIVENS旋轉(zhuǎn)變換與分解   2.3  Gram-Schmidt向量空間投影變換   2.4  小波高頻局部高頻融合   2.5  判別函數(shù)與超平面分割   2.6  本章小結(jié)   主要參考文獻(xiàn)第3章  貝葉斯網(wǎng)絡(luò)   3.1  引言   3.2  貝葉斯基礎(chǔ)   3.3  貝葉斯網(wǎng)絡(luò)推理與分類器   3.4  貝葉斯網(wǎng)絡(luò)分類   3.5  動態(tài)貝葉斯網(wǎng)絡(luò)   3.6  貝葉斯網(wǎng)絡(luò)推理   3.7  本章小結(jié)   主要參考文獻(xiàn)第4章  偽二維隱馬爾可夫   4.1  引言   4.2  偽二維隱馬爾可夫基礎(chǔ)   4.3  偽二維隱馬爾可夫模型的目標(biāo)識別   4.4  P2DHMM目標(biāo)檢測實(shí)驗(yàn)   4.5  本章小結(jié)   主要參考文獻(xiàn)第5章  遺傳算法   5.1  引言   5.2  遺傳算法基礎(chǔ)   5.3  遺傳算法的進(jìn)化規(guī)則   5.4  遙感遺傳超平面分類   5.5  參數(shù)編解碼及其實(shí)現(xiàn)   5.6  EOS／MODIS圖像數(shù)據(jù)分類實(shí)驗(yàn)   5.7  ETM+數(shù)據(jù)分類實(shí)驗(yàn)   5.8  遺傳一匹配   5.9  遺傳一邊緣提取   5.10  本章小結(jié)   主要參考文獻(xiàn)第6章  神經(jīng)網(wǎng)絡(luò)   6.1  引言   6.2  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則   6.3  BP網(wǎng)絡(luò)分類   6.4  SOFM-LVO網(wǎng)絡(luò)分類   6.5  PCNN神經(jīng)網(wǎng)絡(luò)   6.6  本章小結(jié)   主要參考文獻(xiàn)第7章  模糊聚類   7.1  引言   7.2  模糊聚類數(shù)學(xué)基礎(chǔ)   7.3  模糊C-均值聚類和改進(jìn)的模糊C-均值聚類   7.4  本章小結(jié)   主要參考文獻(xiàn)第8章  粗糙集與容差粗糙集   8.1  引言   8.2  粗糙集理論   8.3  容差粗糙集   8.4  容差粗糙集數(shù)據(jù)預(yù)處理算法   8.5  容差粗糙集與BP算法結(jié)合的分類實(shí)驗(yàn)   8.6  容差粗糙集監(jiān)督分類   8.7  本章小結(jié)   主要參考文獻(xiàn)第9章  支持向量機(jī)   9.1  引言   9.2  支持向量機(jī)原理   9.3  新型支持向量機(jī)與遙感影像分類   9.4  本章小結(jié)   主要參考文獻(xiàn)第10章  禁忌人工免疫網(wǎng)絡(luò)算法   10.1  引言   10.2  禁忌搜索和人工免疫網(wǎng)絡(luò)   10.3  禁忌人工免疫網(wǎng)絡(luò)算法設(shè)計(jì)與實(shí)現(xiàn)   10.4  基于禁忌人工免疫網(wǎng)絡(luò)算法的影像自動配準(zhǔn)   10.5  禁忌人工免疫網(wǎng)絡(luò)算法的影像自動融合   10.6  本章小結(jié)   主要參考文獻(xiàn)第11章  粒子濾波   11.1  引言   11.2  粒子濾波原理   11.3  粒子濾波檢測前跟蹤框架   11.4  結(jié)合背景預(yù)測算法的粒子濾波檢測前跟蹤框架   11.5  本章小結(jié)   主要參考文獻(xiàn)彩圖

章節(jié)摘錄

插圖：即使數(shù)學(xué)公式?jīng)]有錯誤，從貝葉斯學(xué)習(xí)得出結(jié)果也是不切實(shí)際的，因?yàn)镹個變量的可能的網(wǎng)絡(luò)結(jié)構(gòu)數(shù)目超過n的指數(shù)次冪，而逐一排除這些假設(shè)的網(wǎng)絡(luò)結(jié)構(gòu)是很困難的?？梢詰?yīng)用一個“模型選擇”的方法來解決這個問題，該方法假設(shè)p僅有一個狹窄的峰，在所有可能的結(jié)構(gòu)中選擇一個最好的模型，認(rèn)為是正確的模型?！澳Ｐ瓦x擇”方法又包括兩種：一種是“打分搜索”方法；另一種是“依賴性分析”方法。打分搜索方法的步驟就是通過打分確定好的網(wǎng)絡(luò)結(jié)構(gòu)模型，通過模型搜索來尋找好模型。打分的標(biāo)準(zhǔn)，也就是確定好模型的標(biāo)準(zhǔn)包括貝葉斯質(zhì)量測量、最小長度編碼測量、信息論測量。貝葉斯質(zhì)量測量來源于貝葉斯統(tǒng)計(jì)學(xué)，主要是貝葉斯理論和共軛性。模型搜索的算法主要有K2算法、Buntine's算法、CB算法:K2算法是Cooper和Herskovits（1992）提出的，描述了一種貪婪搜索算法，給出可能性最大的網(wǎng)絡(luò)結(jié)構(gòu)。該算法假定結(jié)點(diǎn)的順序已經(jīng)確定，它從一個空的網(wǎng)絡(luò)開始，根據(jù)每個結(jié)點(diǎn)的順序，通過依次迭代計(jì)算而完成對網(wǎng)絡(luò)結(jié)構(gòu)的搜索。Buntine's算法并不需要事先確定結(jié)點(diǎn)的順序，該算法起點(diǎn)是一個空的父結(jié)點(diǎn)集合，每一步的迭代計(jì)算中在沒有環(huán)和對網(wǎng)絡(luò)質(zhì)量增加的時候便增加一條連接弧度，最后完成對模型的搜索。CB算法是K2算法的擴(kuò)展，它使用條件獨(dú)立性檢驗(yàn)準(zhǔn)則從數(shù)據(jù)中產(chǎn)生一個好的結(jié)點(diǎn)順序，然后用K2算法產(chǎn)生的結(jié)點(diǎn)順序建立網(wǎng)絡(luò)結(jié)構(gòu)。

編輯推薦

《遙感數(shù)據(jù)智能處理方法與程序設(shè)計(jì)(第2版)》：地球觀測與導(dǎo)航技術(shù)叢書。

圖書封面

評論、評分、閱讀與下載

---

    遙感數(shù)據(jù)智能處理方法與程序設(shè)計(jì) PDF格式下載

---