高光譜圖像分類(lèi)與目標(biāo)探測(cè)

內(nèi)容概要

　　隨著航空航天高光譜遙感技術(shù)的發(fā)展，高光譜遙感數(shù)據(jù)也越來(lái)越普及并為人們廣泛使用。高光譜圖像處理的一個(gè)重要特點(diǎn)就是從光譜維去理解地物在空間維的特性、展布與變化。其中，基于高光譜數(shù)據(jù)的地物精細(xì)分類(lèi)和目標(biāo)探測(cè)始終是高光譜遙感技術(shù)應(yīng)用的核心內(nèi)容之一。《高光譜圖像分類(lèi)與目標(biāo)探測(cè)》簡(jiǎn)要介紹了高光譜遙感原理和圖像特點(diǎn)，分析高光譜圖像處理所涉及的圖像噪聲評(píng)估、數(shù)據(jù)降維以及混合像元分解等關(guān)鍵問(wèn)題，在此基礎(chǔ)上系統(tǒng)總結(jié)國(guó)內(nèi)外在高光譜圖像分類(lèi)與目標(biāo)探測(cè)領(lǐng)域的經(jīng)典算法，其中包括作者多年的科研成果，使讀者能夠比較全面地了解高光譜圖像分類(lèi)與目標(biāo)探測(cè)的基本原理、方法和最新進(jìn)展。
　　《高光譜圖像分類(lèi)與目標(biāo)探測(cè)》可以作為從事高光譜遙感應(yīng)用研究的科研人員的專(zhuān)業(yè)書(shū)，也可以作為地圖學(xué)與地理信息系統(tǒng)、信號(hào)與信息處理等相關(guān)專(zhuān)業(yè)人員的輔修參考書(shū)。

書(shū)籍目錄

序
前言
第1章 高光譜遙感原理及圖像特點(diǎn)
 1.1 高光譜遙感理論基礎(chǔ)
 1.1.1 太陽(yáng)輻射
 1.1.2 電磁波與地物的相互作用
 1.1.3 電磁輻射與大氣的相互作用
 1.2 高光譜遙感成像技術(shù)
 1.2.1 光譜分光
 1.2.2 空間成像
 1.2.3 探測(cè)器
 1.3 高光譜圖像處理與分析的特點(diǎn)
 1.3.1
高光譜圖像分析的核心是光譜分析
 1.3.2
高光譜圖像分析是一種定量化分析
 1.3.3
特征選擇與提取對(duì)海量高光譜數(shù)據(jù)處理尤為重要
 1.3.4
混合像元是高光譜圖像處理面臨的一個(gè)重要問(wèn)題
 參考文獻(xiàn)
第2章 高光譜圖像噪聲評(píng)估與數(shù)據(jù)降維
 2.1 高光譜圖像噪聲評(píng)估的常用方法
 2.1.1 均勻區(qū)域法
 2.1.2 地學(xué)統(tǒng)計(jì)法
 2.1.3 局部均值與局部標(biāo)準(zhǔn)差法
 2.1.4 空間/光譜維去相關(guān)法
 2.2 高光譜圖像噪聲評(píng)估方法優(yōu)化
 2.2.1
基于均勻塊局部標(biāo)準(zhǔn)差的方法
 2.2.2
基于殘差調(diào)整的局部均值與局部標(biāo)準(zhǔn)差法
 2.2.3
基于均勻區(qū)域劃分的噪聲評(píng)估方法
 2.3 高光譜圖像數(shù)據(jù)降維的常用方法
 2.3.1 主成分分析
 2.3.2 最小/最大自相關(guān)因子分析
 2.3.3 最大噪聲分?jǐn)?shù)
 2.3.4 噪聲調(diào)整的主成分分析
 2.3.5 典型分析
 2.3.6 獨(dú)立成分分析
 2.3.7 投影尋蹤
 2.3.8 典型判別分析
 2.3.9 典型相關(guān)分析
 2.3.10 非負(fù)矩陣分解
 2.3.11 非線(xiàn)性主成分分析
 2.3.12
基于“流形學(xué)習(xí)”的非線(xiàn)性降維方法
 2.4 最大噪聲分?jǐn)?shù)降維方法優(yōu)化
 2.4.1
MNF變換中廣義特征值求解
 2.4.2
MNF對(duì)于圖像數(shù)值變化的敏感性
 2.4.3
地物空間分布對(duì)MNF變換的影響
 2.4.4
噪聲評(píng)估結(jié)果對(duì)MNF的影響
 2.4.5
優(yōu)化的MNF變換及其圖像分類(lèi)應(yīng)用
 2.5 高光譜圖像降維方法分析與評(píng)價(jià)
 2.5.1
高光譜圖像降維方法關(guān)聯(lián)分析
 2.5.2
高光譜圖像降維方法選擇策略
 參考文獻(xiàn)
第3章 高光譜圖像混合像元分解
 3.1 混合像元問(wèn)題與光譜混合模型
 3.1.1 混合像元產(chǎn)生的機(jī)理
 3.1.2 非線(xiàn)性光譜混合模型
 3.1.3 線(xiàn)性光譜混合模型
 3.2 高光譜圖像線(xiàn)性光譜解混流程
 3.2.1 線(xiàn)性光譜解混技術(shù)流程
 3.2.2 端元數(shù)目確認(rèn)
 3.2.3 數(shù)據(jù)降維方法選擇
 3.2.4 端元光譜變異性與端元束
 3.3 高光譜圖像端元提取方法
 3.3.1 純像元指數(shù)
 3.3.2 內(nèi)部最大體積法
 3.3.3 頂點(diǎn)成分分析
 3.3.4 單形體投影方法
 3.3.5 順序最大角凸錐
 3.3.6 迭代誤差分析
 3.3.7 外包單形體收縮
 3.3.8 最小體積單形體分析
 3.3.9 凸錐分析
 3.3.10
光學(xué)實(shí)時(shí)自適應(yīng)光譜識(shí)別系統(tǒng)
 3.3.11 自動(dòng)形態(tài)學(xué)
 3.3.12 最大距離法
 3.3.13 最大體積法
 3.3.14 最大零空間投影距離法
 3.3.15 定量化獨(dú)立成分分析法
 3.4 高光譜圖像端元豐度反演方法
 3.4.1 最小二乘法
 3.4.2 濾波向量法
 3.4.3 迭代光譜混合分析
 3.4.4
基于端元投影向量的豐度反演方法
 3.4.5
基于單形體體積的豐度反演方法
 3.5 空間信息在混合像元分解中的應(yīng)用
 3.5.1
空間信息輔助下的端元快速提取
 3.5.2
空間信息輔助下的混合光譜分解
 3.6 高光譜圖像混合光譜分解方法分析與評(píng)價(jià)
 3.6.1
高光譜圖像端元提取方法定量評(píng)價(jià)
 3.6.2
線(xiàn)性光譜解混對(duì)不同空間分辨率圖像的適應(yīng)性評(píng)價(jià)
 參考文獻(xiàn)
第4章 高光譜圖像監(jiān)督分類(lèi)
 4.1 高光譜圖像分類(lèi)的概念及特點(diǎn)
 4.1.1 高光譜圖像分類(lèi)的概念
 4.1.2 高光譜圖像分類(lèi)的特點(diǎn)
 4.1.3 高光譜圖像數(shù)據(jù)描述模型
 4.2 高光譜圖像監(jiān)督分類(lèi)流程及步驟
 4.3 基于光譜特征空間的高光譜圖像分類(lèi)
 4.3.1 光譜特征匹配分類(lèi)方法
 4.3.2 遙感圖像統(tǒng)計(jì)模型分類(lèi)方法
 4.3.3
高光譜圖像神經(jīng)網(wǎng)絡(luò)分類(lèi)方法
 4.3.4
高光譜圖像支持向量機(jī)分類(lèi)方法
 4.4 幾何空間與光譜特征空間結(jié)合的高光譜圖像分類(lèi)
 4.4.1
基于圖像上下文的高光譜圖像分類(lèi)
 4.4.2
基于同質(zhì)地物提取的高光譜圖像分類(lèi)
 4.4.3
紋理信息輔助下的高光譜圖像分類(lèi)
 4.4.4 面向?qū)ο蟮母吖庾V圖像分類(lèi)
 4.5 高光譜圖像分類(lèi)精度評(píng)價(jià)
 4.5.1 誤差矩陣
 4.5.2 漏分誤差和多分誤差
 4.5.3 Kappa分析
 參考文獻(xiàn)
第5章 高光譜圖像非監(jiān)督分類(lèi)
 5.1 非監(jiān)督分類(lèi)方法框架
 5.2 典型非監(jiān)督分類(lèi)算法
 5.2.1 K均值算法
 5.2.2 ISODATA算法
 5.3 模糊K均值聚類(lèi)
 5.4 蟻群算法優(yōu)化的K均值聚類(lèi)
 參考文獻(xiàn)
第6章 高光譜圖像目標(biāo)探測(cè)理論與模型
 6.1 高光譜圖像目標(biāo)探測(cè)的概念及特點(diǎn)
 6.1.1
高光譜圖像中目標(biāo)存在的幾種形式
 6.1.2
高光譜圖像目標(biāo)探測(cè)與圖像分類(lèi)的差異
 6.1.3
高光譜圖像目標(biāo)探測(cè)與傳統(tǒng)空間維目標(biāo)探測(cè)比較
 6.1.4
高光譜圖像目標(biāo)探測(cè)中的幾個(gè)關(guān)鍵問(wèn)題
 6.2 高光譜圖像目標(biāo)探測(cè)中的影響因素
 6.2.1 目標(biāo)的光譜偽裝特性與揭露
 6.2.2 遙感器成像特性與成像方式
 6.2.3 高光譜圖像噪聲
 6.2.4 高光譜數(shù)據(jù)降維
 6.3 高光譜目標(biāo)探測(cè)算法設(shè)計(jì)的一般過(guò)程
 6.4 高光譜目標(biāo)探測(cè)的子空間模型
 6.5 高光譜目標(biāo)探測(cè)的概率統(tǒng)計(jì)模型
 6.5.1 NP決策規(guī)則
 6.5.2 Fisher準(zhǔn)則
 參考文獻(xiàn)
第7章 高光譜圖像目標(biāo)探測(cè)算法
 7.1 高光譜圖像目標(biāo)探測(cè)算法選擇
 7.1.1 依據(jù)算法參數(shù)
 7.1.2 依據(jù)算法模型
 7.2 未知目標(biāo)、未知背景的目標(biāo)探測(cè)算法
 7.2.1 RX異常探測(cè)算法
 7.2.2 低概率目標(biāo)探測(cè)算法
 7.2.3 均衡目標(biāo)探測(cè)算法
 7.2.4
基于數(shù)據(jù)白化距離的異常探測(cè)算法
 7.3 已知目標(biāo)、未知背景的目標(biāo)探測(cè)算法
 7.3.1 約束最小能量算子
 7.3.2
自適應(yīng)余弦一致性評(píng)估器算法
 7.3.3 自適應(yīng)匹配濾波算法
 7.3.4 橢圓輪廓分布模型探測(cè)器
 7.3.5
基于ECD的雙曲線(xiàn)決策門(mén)限型目標(biāo)探測(cè)算法
 7.3.6
基于ECD的拋物線(xiàn)決策門(mén)限型目標(biāo)探測(cè)算法
 7.3.7 非監(jiān)督目標(biāo)生成處理
 7.3.8
非監(jiān)督向量量化目標(biāo)子空間投影法
 7.3.9
基于加權(quán)自相關(guān)矩陣的CEM算法
 7.3.10
基于加權(quán)自相關(guān)矩陣的OSP算法
 7.4 已知目標(biāo)、已知背景的目標(biāo)探測(cè)算法
 7.4.1 正交子空間投影
 7.4.2
目標(biāo)約束下的干擾最小化濾波算法
 7.4.3 廣義似然比算法
 7.4.4 特征子空間投影算法
 7.4.5 目標(biāo)子空間投影算法
 7.4.6 斜子空間投影算法
 7.4.7
基于斜交子空間投影的GLRT探測(cè)算法
 7.5 未知目標(biāo)、已知背景的目標(biāo)探測(cè)算法
 7.6 多源信息輔助下的高光譜圖像目標(biāo)探測(cè)
 7.6.1 HSI-HRI融合
 7.6.2 HSI-SAR融合
 7.7 高光譜圖像目標(biāo)探測(cè)算法性能評(píng)價(jià)
 7.7.1 接收器曲線(xiàn)計(jì)算
 7.7.2 線(xiàn)性混合光譜模擬實(shí)驗(yàn)
 7.7.3 真實(shí)場(chǎng)景高光譜圖像實(shí)驗(yàn)
 參考文獻(xiàn)
索引
彩圖

章節(jié)摘錄

版權(quán)頁(yè)：插圖：在高光譜圖像的監(jiān)督分類(lèi)中，需要對(duì)訓(xùn)練樣本進(jìn)行特征統(tǒng)計(jì)，并通過(guò)自學(xué)習(xí)后的分類(lèi)器對(duì)圖像進(jìn)行分類(lèi)，訓(xùn)練樣本的數(shù)量以及代表性十分重要，直接影響到分類(lèi)精度。因此，在無(wú)法獲取圖像上穩(wěn)定訓(xùn)練樣本的情況下，監(jiān)督法分類(lèi)不能得到較好的分類(lèi)結(jié)果。非監(jiān)督分類(lèi)就是不用訓(xùn)練樣本，直接根據(jù)圖像數(shù)據(jù)的組織方式進(jìn)行自學(xué)習(xí)的一種分類(lèi)方法。這種方法可以根據(jù)分類(lèi)判別準(zhǔn)則進(jìn)行無(wú)人管理的自動(dòng)分類(lèi)。非監(jiān)督分類(lèi)方法快速簡(jiǎn)單且具有一定的分類(lèi)精度，可以作為監(jiān)督分類(lèi)的重要補(bǔ)充手段（許殿元和丁樹(shù)柏，1990）.通過(guò)參考非監(jiān)督分類(lèi)的結(jié)果，可以對(duì)監(jiān)督分類(lèi)進(jìn)行修改和調(diào)整。非監(jiān)督分類(lèi)法無(wú)需事先知道各類(lèi)地物的類(lèi)別統(tǒng)計(jì)特征，一般只是提供少數(shù)閾值對(duì)分類(lèi)過(guò)程加以控制。在分類(lèi)過(guò)程中，首先將圖像上不同類(lèi)別進(jìn)行區(qū)分，各類(lèi)別的具體屬性，要根據(jù)地面實(shí)況調(diào)查和比較來(lái)決定。目前的高光譜圖像非監(jiān)督分類(lèi)主要采用的仍是通常的遙感圖像非監(jiān)督分類(lèi)方法，但基于高光譜圖像的非監(jiān)督分類(lèi)在使用過(guò)程中要注意以下四個(gè)方面問(wèn)題。（1）高光譜圖像的波段眾多，在自學(xué)習(xí)過(guò)程中會(huì)產(chǎn)生大量冗余，分類(lèi)前進(jìn)行特征提取和選擇有利于提高自學(xué)習(xí)過(guò)程的效率。（2）在高光譜圖像非監(jiān)督分類(lèi)算法中，可以充分利用高光譜圖像中端元提取、光譜分析等手段獲得較精確的類(lèi)別初值，輔助進(jìn)行高光譜圖像非監(jiān)督分類(lèi)。（3）選擇非相似性量度時(shí)，需要充分考慮地物的光譜特性，結(jié)合輻射糾正、光譜定量反演結(jié)果適當(dāng)選擇。

編輯推薦

《高光譜圖像分類(lèi)與目標(biāo)探測(cè)》由科學(xué)出版社出版。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    高光譜圖像分類(lèi)與目標(biāo)探測(cè) PDF格式下載

---