遙感圖像檢索技術(shù)

內(nèi)容概要

　　《遙感圖像檢索技術(shù)》由程起敏編著，是國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目“多Agent驅(qū)動(dòng)的反饋式遙感圖像檢索關(guān)鍵技術(shù)研究”及國(guó)家973計(jì)劃資助項(xiàng)目“下—代互聯(lián)網(wǎng)信息存儲(chǔ)的組織模式和核心技術(shù)研究”的成果之一。作者從視覺(jué)層次、對(duì)象及空間關(guān)系層次及語(yǔ)義層次闡述了遙感圖像檢索技術(shù)，涵蓋了遙感圖像的光譜特征檢索、紋理特征檢索、形狀特征檢索、多目標(biāo)空間關(guān)系檢索、區(qū)域檢索、語(yǔ)義檢索及相關(guān)反饋檢索、壓縮域檢索及高維可視化特征索引等多方面內(nèi)容。

書(shū)籍目錄

第1章　緒論
　1．1　從基于文本到基于圖像
　1．2　圖像檢索技術(shù)的發(fā)展及現(xiàn)狀
　　1．2．1　圖像檢索層次
　　1．2．2　基于內(nèi)容的圖像檢索與MPEG．7標(biāo)準(zhǔn)
　　1．2．3　圖像檢索系統(tǒng)主要功能模塊
　　1．2．4　國(guó)內(nèi)外圖像檢索系統(tǒng)
　1．3　基于內(nèi)容的圖像檢索涉及的關(guān)鍵技術(shù)
　　1．3．1　圖像特征描述及相似性度量
　　1．3．2　圖像數(shù)據(jù)的組織和管理
　　1．3．3　支持相似性度量的高維特征索引技術(shù)
　　1．3．4　查詢(xún)方式及相關(guān)反饋模型
　　1．3．5　圖像檢索性能評(píng)價(jià)
　1．4　遙感圖像檢索技術(shù)的現(xiàn)狀及熱點(diǎn)
　　1．4．1　典型遙感圖像檢索系統(tǒng)
　　1．4．2　遙感圖像檢索的研究熱點(diǎn)
　參考文獻(xiàn)
第2章　基于光譜特征的遙感圖像檢索
　2．1　高光譜遙感基礎(chǔ)知識(shí)
　2．2　高光譜遙感圖像的光譜分析
　2．3　高光譜遙感圖像的光譜特征選擇
　　2．3．1　光譜特征選擇方法分類(lèi)
　　2．3．2　基于仿射傳播算法的光譜波段選擇
　2．4　高光譜遙感圖像的光譜特征提取
　　2．4．1　基于主成分分析的光譜特征提取
　　2．4．2　基于MNF變換的光譜特征提取
　2．5　高光譜遙感圖像的光譜匹配
　　2．5．1　光譜波段距離度量函數(shù)
　　2．5．2　光譜匹配方法
　2．6　基于光譜特征的高光譜遙感圖像檢索
　　2．6．1　基于光譜曲線參量化指標(biāo)的檢索
　　2．6．2　基于光譜曲線形態(tài)的檢索
　參考文獻(xiàn)
第3章　基于紋理特征的遙感圖像檢索
　3．1　紋理及紋理分析方法
　3．2　基于2D Gabor小波濾波器的遙感圖像檢索
　　3．2．1　2D Gabor小波濾波器　
　　3．2．2　基于2D Gabor小波濾波器的紋理特征提取及相似性度量
　　3．2．3　基于2D Gabor小波濾波器的遙感圖像紋理特征檢索
　3．3　基于小波變換的遙感圖像檢索
　　3．3．1　小波直方圖和快速小波直方圖
　　3．3．2　基于小波直方圖的紋理特征提取及相似性度量
　　3．3．3　基于小波變換的遙感圖像紋理特征漸進(jìn)式檢索
　3．4　基于多進(jìn)制小波變換的遙感圖像檢索
　　3．4．1　多進(jìn)制小波的分解和重構(gòu)
　　3．4．2　多進(jìn)制小波直方圖和多進(jìn)制快速小波直方圖
　　3．4．3　基于多進(jìn)制小波直方圖的遙感圖像紋理特征提取及相似性度量
　　3．4．4　基于多進(jìn)制小波變換的遙感圖像紋理特征漸進(jìn)式檢索
　3．5　基于Contourlet變換的遙感圖像檢索
　　3．5．1　Contourlet變換
　　3．5．2　基于Contourlet變換的遙感圖像紋理特征提取及相似性度量
　　3．5．3　基于Contourlet變換的遙感圖像紋理特征漸進(jìn)式檢索
　參考文獻(xiàn)
第4章　基于形狀特征的遙感圖像檢索
　4．1　形狀描述及相似性檢索
　　4．1．1　形狀的基本描述和表達(dá)方法
　　4．1．2　理想的形狀特征描述子指標(biāo)
　　4．1．3　基于形狀的相似性檢索
　4．2　遙感圖像目標(biāo)類(lèi)型及形狀庫(kù)的創(chuàng)建
　　4．2．1　遙感圖像簡(jiǎn)單目標(biāo)的基本類(lèi)型
　　4．2．2　遙感圖像目標(biāo)形狀特征庫(kù)的創(chuàng)建
　4．3　基于目標(biāo)輪廓特征的遙感圖像檢索
　　4．3．1　邊緣檢測(cè)算法綜述
　　4．3．2　基于區(qū)域矩和相對(duì)矩的形狀描述
　　4．3．3　基于小波變換和不變相對(duì)矩的遙感圖像形狀特征檢索
　　4．3．4　基于多尺度形態(tài)學(xué)和不變相對(duì)矩的遙感圖像形狀特征檢索
　參考文獻(xiàn)
第5章　基于空間關(guān)系韻遙感圖像檢索
　5．1　空間關(guān)系理論基礎(chǔ)
　5．2　空間關(guān)系的表達(dá)及空間相似性度量
　　5．2．1　基于目標(biāo)幾何近似的空間關(guān)系表達(dá)
　　5．2．2　基于目標(biāo)串的空間關(guān)系表達(dá)
　　5．2．3　基于直方圖的空間關(guān)系表達(dá)及相似性度量
　　5．2．4　基于圖的空間關(guān)系表達(dá)及相似性度量
　5．3　基于多目標(biāo)空間關(guān)系的遙感圖像檢索
　　5．3．1　基于空間關(guān)系的遙感圖像檢索
　　5．3．2　基于F-直方圖的遙感圖像多目標(biāo)方位關(guān)系檢索
　參考文獻(xiàn)
第6章　基于區(qū)域的遙感圖像檢索
　6．1　基于規(guī)則劃分區(qū)域的遙感圖像檢索
　　6．1．1　基于不重疊區(qū)域的遙感圖像數(shù)據(jù)分塊組織
　　6．1．2　基于重疊區(qū)域的遙感圖像數(shù)據(jù)分塊組織
　　6．1．3　基于Nona—tree的遙感圖像檢索
　6．2　基于任意形狀區(qū)域的遙感圖像特征提取及檢索
　　6．2．1　遙感圖像的紋理分割
　　6．2．2　任意形狀區(qū)域的填充
　　6．2．3　基于任意形狀區(qū)域的遙感圖像特征提取及檢索
　參考文獻(xiàn)
第7章　基于壓縮域的遙感圖像檢索
　7．1　壓縮域圖像檢索技術(shù)
　　7．1．1　基于空問(wèn)壓縮域的圖像檢索
　　7．1．2　基于變換壓縮域的圖像檢索
　7．2　顧及壓縮域尺度相關(guān)性的遙感圖像檢索
　　7．2．1　小波域尺度相關(guān)性
　　7．2．2　NSCT域尺度相關(guān)性
　　7．2．3　顧及尺度相關(guān)性的NSCT域變換系數(shù)擬合模型
　　7．2．4　顧及尺度相關(guān)性的遙感圖像NSCT壓縮域檢索
　參考文獻(xiàn)
第8章　基于語(yǔ)義的遙感圖像檢索
　8．1　圖像語(yǔ)義的描述、提取和度量
　　8．1．1　圖像語(yǔ)義層次模型
　　8．1．2　圖像語(yǔ)義的描述和提取
　　8．1．3　圖像語(yǔ)義的相似性度量
　8．2　基于語(yǔ)義的遙感圖像檢索
　　8．2．1　基于語(yǔ)義的遙感圖像檢索綜述
　　8．2．2 基于本體論的遙感圖像語(yǔ)義模型
　　8．2．3　基于數(shù)據(jù)挖掘的遙感圖像語(yǔ)義檢索
　參考文獻(xiàn)
第9章　遙感圖像數(shù)據(jù)庫(kù)
　9．1　遙感圖像數(shù)據(jù)庫(kù)的發(fā)展
　　9．1．1　遙感圖像數(shù)據(jù)庫(kù)管理方式
　　9．1．2　大型遙感圖像數(shù)據(jù)庫(kù)系統(tǒng)
　9．2　遙感圖像數(shù)據(jù)的金字塔模型及可視化
　9．3　遙感圖像數(shù)據(jù)的壓縮
　9．4　遙感圖像數(shù)據(jù)的空間索引
　9．5　遙感圖像庫(kù)的空間數(shù)據(jù)庫(kù)引擎
　9．6　遙感圖像數(shù)據(jù)的Web發(fā)布技術(shù)
參考文獻(xiàn)
第10章　遙感圖像高維可視化特征相似性索引
　10．1　降維技術(shù)概述
　　10．1．1　降維的定義及分類(lèi)
　　10．1．2　主要降維技術(shù)
　10．2　向量空間多維索引結(jié)構(gòu)
　　10．2．1　向量空間及相應(yīng)的距離函數(shù)
　　10．2．2　向量空間多維索引結(jié)構(gòu)分類(lèi)
　10．3　度量空間高維索引結(jié)構(gòu)
　　10．3．1　度量空間和相似性查詢(xún)的概念
　　10．3．2　度量空間高維索引結(jié)構(gòu)及分析
　10．4　基于VP-tree和MVP-tree的遙感圖像可視化特征索引
　　10．4．1　VP-tree和MVP-tree
　　10．4．2　基于VP-tree和MVP-tree的遙感圖像可視化特征索引
　參考文獻(xiàn)
第11章　遙感圖像的相關(guān)反饋檢索
　11．1　相關(guān)反饋技術(shù)概述
　11．2　基于查詢(xún)向量轉(zhuǎn)移的圖像相關(guān)反饋檢索
　11．3　基于特征權(quán)重調(diào)整的圖像相關(guān)反饋檢索
　11．4　基于灰色系統(tǒng)理論和特征權(quán)重調(diào)整的圖像相關(guān)反饋檢索
　11．5　基于機(jī)器學(xué)習(xí)的遙感圖像相關(guān)反饋檢索
　　11．5．1　SVM的基本理論
　　11．5．2　基于SVM的遙感圖像相關(guān)反饋檢索
　參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁(yè)：插圖：高維特征索引技術(shù)是基于內(nèi)容的圖像檢索中的一個(gè)重要問(wèn)題，遙感圖像內(nèi)容的多樣性和復(fù)雜性、遙感圖像數(shù)據(jù)的海量性以及Web環(huán)境下的應(yīng)用需求，都對(duì)采用高效索引技術(shù)為可視化特征建立相似性索引提出了更高的要求?；趦?nèi)容的圖像檢索與基于文本信息的檢索的一個(gè)不同之處在于，基于文本信息的圖像檢索是一種精確查詢(xún)，而基于內(nèi)容的圖像檢索屬于典型的相似性查詢(xún)問(wèn)題，也就是說(shuō)，如果將查詢(xún)圖像的可視化特征理解為廣義度量空間中的一個(gè)點(diǎn)，那么圖像相似性檢索可視為在高維度量空間中尋找與查詢(xún)點(diǎn)距離最近的一組點(diǎn)的相似性查詢(xún)問(wèn)題。如何在廣義的度量空間中通過(guò)距離函數(shù)進(jìn)行高維向量之間相似性檢索，在包括模式識(shí)別、多媒體數(shù)據(jù)庫(kù)、圖像檢索等在內(nèi)的眾多領(lǐng)域都有著廣泛的應(yīng)用需求，已經(jīng)成為影響圖像檢索性能的一個(gè)關(guān)鍵性問(wèn)題。目前，主要通過(guò)兩種方法解決基于內(nèi)容的圖像檢索中高維可視化特征向量的相似性索引問(wèn)題，一種是首先對(duì)高維特征空間做線性或者非線性降維處理，然后采用包括四叉樹(shù)、k-d樹(shù)、R樹(shù)族等在內(nèi)的成熟的多維索引結(jié)構(gòu)建立特征相似性索引，這種方法已經(jīng)在很多領(lǐng)域得到較為成熟的應(yīng)用；另一種是對(duì)高維特征空間直接應(yīng)用基于距離的度量空間高維索引結(jié)構(gòu)建立特征相似性索引，這種方法從廣義上來(lái)講，具有更加寬泛的適用范圍，可以直接用于高維空間查詢(xún)，也可以用于高維非空間查詢(xún)，但是目前無(wú)論是理論方法還是應(yīng)用都還不夠成熟，其針對(duì)具體應(yīng)用領(lǐng)域的索引性能仍有待進(jìn)一步的挖掘和驗(yàn)證。圖像的可視化特征往往采用高維特征向量表示。高維數(shù)據(jù)空間體現(xiàn)出許多在低維數(shù)據(jù)空間無(wú)法想象的特殊性質(zhì)，最明顯的特點(diǎn)就是從幾何學(xué)角度來(lái)看，隨著維數(shù)的增加，有限數(shù)量的樣本集在高維數(shù)據(jù)空間的分布將變得更加稀疏。從統(tǒng)計(jì)學(xué)的角度來(lái)看，在給定逼近精度的條件下，估計(jì)一個(gè)多元函數(shù)所需要的樣本點(diǎn)數(shù)將隨著變量個(gè)數(shù)的增加以指數(shù)形式增長(zhǎng)，造成在原始高維空間的分類(lèi)操作所需的訓(xùn)練樣本數(shù)急劇增加。而且，高維數(shù)據(jù)空間的數(shù)據(jù)分布也很難判斷是否滿(mǎn)足或假定符合某種分布，造成低維數(shù)據(jù)空間的數(shù)據(jù)處理和分析方法很難直接應(yīng)用于高維數(shù)據(jù)空間。在高維數(shù)據(jù)空間，二階統(tǒng)計(jì)量對(duì)于分類(lèi)精度的提高十分重要，但是隨著維數(shù)的增加，方差矩陣中待估計(jì)參數(shù)的個(gè)數(shù)迅速增加，二階統(tǒng)計(jì)量的估計(jì)變得很困難。在表示圖像可視化特征的高維特征向量中，信息重要程度不同，某些信息可能屬于次要信息或者是在信息提取過(guò)程中由于不期望的因素引入的噪聲，在實(shí)際應(yīng)用中作用不大甚至無(wú)用，某些信息之間存在較強(qiáng)的相關(guān)性。

編輯推薦

《遙感圖像檢索技術(shù)》由武漢大學(xué)出版社出版的。

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    遙感圖像檢索技術(shù) PDF格式下載

---