多源遙感影像數(shù)據(jù)融合技術(shù)

內(nèi)容概要

本書是作者近幾年在多源遙感影像融合技術(shù)方面的總結(jié)。全書共分六章。第一章緒論，主要介紹多源遙感影像數(shù)據(jù)融合的目的、意義及國內(nèi)外研究現(xiàn)狀；第二章介紹多源遙感影像數(shù)據(jù)融合的理論基礎(chǔ)；第三章論述多源遙感影像像素級融合技術(shù)；第四章論述基于Bayes融合法的多源遙感影像數(shù)據(jù)分類技術(shù)；第五章論述基于Dempster-Shafer證據(jù)理論的多源信息融合原理、方法及其在影像紋理識別中的應(yīng)用；第六章論述基于改進的BP神經(jīng)網(wǎng)絡(luò)的多源遙感影像融合分類以及分類融合方法。    本書可供遙感、測繪、地質(zhì)、國土資源與環(huán)境、電子信息工程、計算機科學(xué)等相關(guān)專業(yè)研究生、科研人員和工程技術(shù)人員參考。

作者簡介

　　賈永紅，男，湖北仙桃人，1966年9月生。武漢大學(xué)教授、博士生導(dǎo)師。
　　1987年畢業(yè)于武漢測繪科技大學(xué)攝影測量與遙感本科專業(yè)，獲學(xué)上學(xué)位；1989年底獲該專業(yè)碩士學(xué)位，并留校任教；2001年獲武漢大學(xué)工學(xué)博士學(xué)位。曾任遙感信息工程學(xué)院GIS教研室副主任和院長助理。
　　現(xiàn)主要從事遙感圖像處理與分析的教學(xué)與研究工作，國家精品課程一數(shù)字圖像處理課程負責人。目前研究方向主要為遙感信息融合、土地覆蓋／利用分類與變化監(jiān)測等方向。
　　主要著作有：《計算機圖像處理與分析》、《數(shù)字圖像處理》等。

書籍目錄

第1章　緒論　§1.1　多源遙感影像數(shù)據(jù)融合的目的和意義　§1.2　多源遙感影像數(shù)據(jù)融合的研究現(xiàn)狀　§1.3　主要研究內(nèi)容第2章　多源遙感影像數(shù)據(jù)融合的理論基礎(chǔ)　§2.1　多源遙感影像數(shù)據(jù)融合的概念　　2.1.1　概念　　2.1.2　有關(guān)術(shù)語　§2.2　多源遙感影像數(shù)據(jù)融合的層次、模型與結(jié)構(gòu)　　2.2.1　融合的形式　　2.2.2　融合的層次　　2.2.3　融合的一般模型　　2.2.4　融合的結(jié)構(gòu)類型　§2.3　多源遙感影像數(shù)據(jù)融合方法分類　　2.3.1　按哲學(xué)觀點分類　　2.3.2　按融合層次分類　　2.3.3　按融合理論分類　　§2.4　本章小結(jié)第3章　多源遙感影像像素級融合技術(shù)　§3.1　多源遙感影像像素級融合技術(shù)概述　　3.1.1　影像像素級融合的基本概念　　3.1.2　融合影像數(shù)據(jù)的選擇　　3.1.3　影像像素級融合過程、特點及其應(yīng)用　§3.2　多源遙感影像的空間配準方法　　3.2.1　基于數(shù)字地面模型的精糾正　　3.2.2　多項式糾正　　3.2.3　基于三角網(wǎng)(大面元)的糾正　　3.2.4　小面元微分糾正　§3.3　影像像素級融合方法及其特點　　3.3.1　空間域融合法　　3.3.2　變換域融合法　§3.4　影像像素級融合影像質(zhì)量評價　§3.5　試驗與分析　　3.5.1　試驗數(shù)據(jù)簡介　　3.5.2　試驗結(jié)果分析　§3.6　本章小結(jié)第4章　基于Bayes理論的融合方法及其應(yīng)用　§4.1　Bayes統(tǒng)計理論　　4.1.1　概率論要點　　4.1.2　Bayes統(tǒng)計理論　§4.2　基于Bayes理論的融合方法　§4.3　基于Bayes融合法的多源遙感影像分類　　4.3.1　成像模型　　4.3.2　上下文關(guān)系模型　　4.3.3　融合模型　§4.4　試驗與分析　§4.5　本章小結(jié)第5章　基于Dempster-Shafer理論的信息融合及其應(yīng)用　§5.1　Dempster-Shafer證據(jù)理論簡介　　5.1.1　Dempster-Sharer證據(jù)理論要點　　5.1.2　Bayes理論與證據(jù)理論的比較　§5.2　基于Dempster-Shafer的信息融合原理　§5.3　基于Dempster-Shafer融合法的影像紋理分類　　5.3.1　紋理特征提取　　5.3.2　在影像紋理識別中的應(yīng)用　……第6章　基于BP神經(jīng)網(wǎng)絡(luò)的多源遙感影像分類方法參考文獻

章節(jié)摘錄

插圖：從數(shù)學(xué)角度來說，就是求映射的逆映射。但由于傳感器的局限性，上述映射是多到一的映射，也就是說，所有傳感器的全部信息，只能描述對象的某方面特征，而具有這樣特征的對象卻有很多。要使一組數(shù)據(jù)對應(yīng)惟一的對象，即上述映射為一一映射，就必須對映射的原像和映射本身加以約束，使問題能有惟一的解。這是嵌入約束融合法的大致思想。由于多源遙感影像數(shù)據(jù)具有不確定性，而客觀對象受各種隨機因素的影響在不斷地變化，為了使建立的模型能反映這一特性，建立隨機模型可能更適宜。若希望建立包容各類數(shù)據(jù)源的統(tǒng)一數(shù)學(xué)模型，這要求對每一數(shù)據(jù)源的物理規(guī)律和相互關(guān)系有明確的了解，并能用物理定律和數(shù)學(xué)語言加以描述。由此可見嵌入約束方法有其局限性。多源遙感影像數(shù)據(jù)融合大多以各像素的灰度值作為數(shù)據(jù)源，而且對物體成像的光學(xué)模型通常有較好的理論描述，因此多源遙感影像數(shù)據(jù)融合可根據(jù)嵌入約束觀點建立融合的數(shù)學(xué)模型。如第四章的Bayes融合法就屬于這一類方法。二、證據(jù)組合證據(jù)組合觀點認為，完成一項任務(wù)就是依據(jù)客觀對象某方面的信息作出幾種可能的決策，而多源數(shù)據(jù)在一定程度上是對客觀對象的反映。因此分析每一數(shù)據(jù)支持某種決策的證據(jù)的支持程度，并將不同信息源數(shù)據(jù)的支持程度進行組合，即證據(jù)組合，從而得出現(xiàn)有組合證據(jù)支持程度最大的決策，作為信息融合的結(jié)果。這就是證據(jù)組合的基本思想。對于多源遙感影像數(shù)據(jù)融合，若直接從多源遙感影像數(shù)據(jù)中提取關(guān)于客觀對象的相關(guān)信息有困難，可先由單源遙感影像數(shù)據(jù)估計對每一種可能決策的支持程度，然后尋找一種證據(jù)組合的方法或規(guī)則，通過組合已知兩異源證據(jù)的支持程度，能得出兩證據(jù)的聯(lián)合證據(jù)對決策的支持度。

編輯推薦

《多源遙感影像數(shù)據(jù)融合技術(shù)》：測繪科技專著出版基金資助

圖書封面

評論、評分、閱讀與下載

---

    多源遙感影像數(shù)據(jù)融合技術(shù) PDF格式下載

---