目錄
“電子與信息作戰(zhàn)”叢書序
譯者序
前言
第1章 星載光學(xué)傳感器 1
1.1 序言 1
1.2 光學(xué)衛(wèi)星傳感器及其類型 1
1.3 全色傳感器 2
1.4 多光譜傳感器 4
1.4.1 LandsatMSS、TM和ETM+ 4
1.4.2 SPOT衛(wèi)星的HRV、HRVIR和HRG 9
1.4.3 其他多光譜傳感器 10
1.5 高光譜傳感器 10
1.5.1 什么是高光譜傳感器 10
1.5.2 高光譜傳感器的工作原理 11
1.5.3 高光譜傳感器的類型 12
1.5.4 高光譜傳感器的運(yùn)行模式 15
1.5.5 星載高光譜傳感器 16
1.6 傅里葉變換成像光譜儀 21
1.6.1 簡(jiǎn)述 21
1.6.2 FTS傳感器的類型和工作原理 22
1.6.3 星載IFTS 22
1.7 激光雷達(dá)傳感器 27
1.7.1 定義和描述 27
1.7.2 激光雷達(dá)空間技術(shù)實(shí)驗(yàn) 29
1.7.3 航天飛機(jī)激光高度計(jì) 29
1.7.4 火星軌道激光高度計(jì) 30
1.7.5 地球科學(xué)激光高度計(jì) 30
1.7.6 正交極化的云——?dú)馊苣z激光雷達(dá) 30
1.7.7 大氣激光多普勒激光雷達(dá) 31
1.7.8 水星激光高度計(jì) 32
1.7.9 月球軌道激光高度計(jì) 32
1.7.10 新一代高分辨率掃面成像激光雷達(dá) 33
參考文獻(xiàn) 34
第2章 衛(wèi)星數(shù)據(jù)生產(chǎn)和產(chǎn)品分級(jí)標(biāo)準(zhǔn) 38
2.1 空間數(shù)據(jù)和信息系統(tǒng) 38
2.2 地球觀測(cè)系統(tǒng)數(shù)據(jù)信息系統(tǒng) 38
2.2.1 飛行器指揮與控制中心 39
2.2.2 數(shù)據(jù)接收和0級(jí)數(shù)據(jù)處理 39
2.2.3 數(shù)據(jù)產(chǎn)品生產(chǎn) 39
2.2.4 數(shù)據(jù)歸檔、管理和分發(fā) 39
2.2.5 衛(wèi)星數(shù)據(jù)產(chǎn)品的目標(biāo)定位和訪問機(jī)制 40
2.3 地球觀測(cè)系統(tǒng)數(shù)據(jù)產(chǎn)品分類標(biāo)準(zhǔn) 40
2.4 行星數(shù)據(jù)系統(tǒng)和產(chǎn)品 41
2.4.1 標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品 41
2.4.2 工程數(shù)據(jù)和其他輔助數(shù)據(jù)產(chǎn)品 42
2.4.3 數(shù)據(jù)集說明 42
2.5 行星數(shù)據(jù)產(chǎn)品分級(jí)標(biāo)準(zhǔn) 43
2.6 地球觀測(cè)系統(tǒng)產(chǎn)品等級(jí)劃分案例 43
2.6.1 0級(jí)數(shù)據(jù)產(chǎn)品 44
2.6.2 1級(jí)數(shù)據(jù)產(chǎn)品 44
2.6.3 2級(jí)及更高級(jí)別數(shù)據(jù)產(chǎn)品 44
2.7 行星數(shù)據(jù)產(chǎn)品分級(jí)的案例 45
2.7.1 1級(jí)數(shù)據(jù)產(chǎn)品：原始數(shù)據(jù) 46
2.7.2 2級(jí)數(shù)據(jù)產(chǎn)品：拉曼數(shù)據(jù)包 46
2.7.3 3級(jí)數(shù)據(jù)產(chǎn)品：校正未識(shí)別的拉曼光譜 46
2.7.4 5級(jí)數(shù)據(jù)產(chǎn)品：碳含量/礦物學(xué)的結(jié)果 46
2.7.5 6級(jí)數(shù)據(jù)產(chǎn)品：輔助數(shù)據(jù) 47
2.7.6 7級(jí)數(shù)據(jù)產(chǎn)品：相關(guān)數(shù)據(jù) 47
2.7.7 8級(jí)數(shù)據(jù)產(chǎn)品：用戶說明 47
參考文獻(xiàn) 47
第3章 衛(wèi)星數(shù)據(jù)和圖像的質(zhì)量度量 49
3.1 質(zhì)量度量的需求分析 49
3.2 全參考度量 50
3.2.1 常見全參考度量 51
3.2.2 基于視覺感知質(zhì)量的全參考度量 55
3.3 半?yún)⒖级攘?60
3.3.1 四種半?yún)⒖级攘俊�—用于空間分辨率提高后圖像的質(zhì)量評(píng)價(jià) 62
3.3.2 基于小波域自然圖像統(tǒng)計(jì)模型的半?yún)⒖级攘?64
3.4 無參考度量 65
3.4.1 針對(duì)JPEG壓縮圖像的無參考度量 66
3.4.2 針對(duì)全色銳化多光譜圖像的無參考度量 68
參考文獻(xiàn) 69
第4章 衛(wèi)星數(shù)據(jù)壓縮 72
4.1 無損和近無損數(shù)據(jù)壓縮 72
4.1.1 無損壓縮 73
4.1.2 近無損壓縮 74
4.2 高光譜圖像的矢量量化數(shù)據(jù)壓縮 75
4.2.1 快速矢量量化壓縮算法綜述 75
4.2.2 近無損壓縮的矢量量化技術(shù) 78
4.3 光譜圖像的星上數(shù)據(jù)壓縮 79
4.3.1 一維差分脈沖編碼調(diào)制 79
4.3.2 基于離散余弦變換的壓縮 80
4.3.3 基于小波變換的壓縮 81
4.3.4 選擇性壓縮 82
4.4 超光譜探測(cè)儀數(shù)據(jù)的無損壓縮 83
4.4.1 基于小波變換和基于預(yù)測(cè)方法的比較 83
4.4.2 使用預(yù)先計(jì)算的矢量量化無損壓縮 86
4.4.3 采用基于預(yù)測(cè)的下三角變換的無損壓縮 88
4.5 航天器數(shù)據(jù)的CCSDS數(shù)據(jù)壓縮國(guó)際標(biāo)準(zhǔn) 92
4.5.1 三個(gè)空間數(shù)據(jù)壓縮標(biāo)準(zhǔn) 92
4.5.2 無損數(shù)據(jù)壓縮國(guó)際標(biāo)準(zhǔn) 93
4.5.3圖像數(shù)據(jù)壓縮標(biāo)準(zhǔn) 94
4.5.4 無損多光譜/高光譜壓縮標(biāo)準(zhǔn) 99
參考文獻(xiàn) 102
第5章 衛(wèi)星數(shù)據(jù)的格式化與分包 107
5.1 采用CCSDS空間數(shù)據(jù)傳輸協(xié)議格式化衛(wèi)星數(shù)據(jù) 107
5.2 遙測(cè)傳輸系統(tǒng)的概念 109
5.2.1 分包層 109
5.2.2 傳輸幀層 109
5.2.3 信道編碼層 110
5.3 空間數(shù)據(jù)分包的概念 110
5.4 空間數(shù)據(jù)包結(jié)構(gòu) 111
5.4.1 數(shù)據(jù)包主導(dǎo)頭 112
5.4.2 包數(shù)據(jù)域 113
5.5 遙測(cè)傳輸幀 115
5.5.1 傳輸幀的主導(dǎo)頭 116
5.5.2 傳輸幀副導(dǎo)頭 118
5.5.3 傳輸幀數(shù)據(jù)域 119
5.5.4 操作控制域 119
5.5.5 幀誤碼控制域 120
參考文獻(xiàn) 121
第6章 信道編碼 123
6.1 遙測(cè)傳輸系統(tǒng)的層及信道編碼 123
6.2 信道編碼提升空間數(shù)據(jù)的連接性能 125
6.2.1 信道編碼性能測(cè)量 125
6.2.2 信道編碼性能的香農(nóng)極限 125
6.3 Reed——Solomon（RS）編碼 127
6.3.1 定義 127
6.3.2 RS編碼器 129
6.3.3 RS符號(hào)交織 130
6.3.4 RS碼的譯碼 131
6.3.5 RS碼的性能 132
6.4 卷積碼 132
6.4.1 CCSDS標(biāo)準(zhǔn)(7,1/2)卷積碼編碼器 133
6.4.2 CCSDS標(biāo)準(zhǔn)刪余卷積碼編碼器 134
6.4.3 卷積碼的最大似然軟譯碼 135
6.4.4 (7,1/2)碼和刪余卷積碼的性能 136
6.5 RS碼和卷積碼的級(jí)聯(lián) 139
6.6 Turbo碼 141
6.6.1 Turbo碼的定義 141
6.6.2 Turbo編碼器和譯碼器 142
6.6.3 Turbo碼與傳統(tǒng)級(jí)聯(lián)碼的比較 143
6.7 低密度奇偶校驗(yàn)碼 145
6.7.1 LDPC碼簡(jiǎn)介 145
6.7.2 CCSDS推薦的LDPC編碼 146
6.7.3 LDPC碼的性能 148
參考文獻(xiàn) 149
第7章 光學(xué)傳感器的定標(biāo) 151
7.1 定標(biāo)的重要性 151
7.2 絕對(duì)和相對(duì)輻射定標(biāo) 153
7.3 衛(wèi)星光學(xué)傳感器模型 154
7.4 發(fā)射前的地面定標(biāo) 156
7.4.1 綜述 156
7.4.2 地球資源衛(wèi)星儀器的實(shí)驗(yàn)室定標(biāo) 158
7.4.3 AVIRIS實(shí)驗(yàn)室定標(biāo) 158
7.5 發(fā)射后機(jī)上定標(biāo) 159
7.6 替代定標(biāo) 162
7.7 傳感器輻亮度和大氣頂部（TOA）反射率的換算 163
7.7.1 傳感器輻亮度的換算 163
7.7.2 大氣頂部反射率換算 165
7.7.3 傳感器的亮度溫度換算 165
參考文獻(xiàn) 166
第8章 空間畸變和光譜彎曲的檢測(cè)與校正 171
8.1 成像光譜儀的空間畸變和光譜彎曲 171
8.1.1 光譜畸變：光譜彎曲 171
8.1.2 空間畸變：梯形畸變 173
8.1.3 keystone和smile對(duì)成像像元形狀和位置的影響 175
8.2 利用大氣吸收特征匹配方法測(cè)試smile畸變 176
8.3 五臺(tái)成像光譜儀的smile畸變測(cè)試 179
8.3.1 AVIRIS傳感器smile畸變測(cè)試 180
8.3.2 SFSI傳感器的smile畸變測(cè)試 182
8.3.3 CASI傳感器的smile畸變測(cè)試 185
8.3.4 CHRIS傳感器的smile畸變測(cè)試 187
8.3.5 Hyperion傳感器的smile畸變測(cè)試 188
8.4 利用空間特征的波段間相關(guān)性檢測(cè)空間畸變 193
8.5 高光譜成像儀的Keystone畸變測(cè)試 194
8.5.1 AVIRIS傳感器的Keystone畸變測(cè)試 194
8.5.2 Aurora傳感器的Keystone畸變測(cè)試 196
8.5.3 CASI傳感器的Keystone畸變測(cè)試 197
8.5.4 SFSI傳感器的Keystone畸變測(cè)試 198
8.5.5 Hyperion傳感器的Keystone畸變測(cè)試 198
8.5.6 Keystone畸變測(cè)試結(jié)果小結(jié) 199
8.6 Keystone畸變對(duì)光譜相似性度量的影響 200
參考文獻(xiàn) 202
第9章 多傳感器圖像融合 204
9.1 圖像融合定義 204
9.2 三類圖像融合算法 206
9.3 常見圖像融合方法 207
9.3.1 IHS融合 207
9.3.2 主成分分析融合 210
9.3.3 算術(shù)組合融合 211
9.3.4 小波變換融合 213
9.4 典型圖像融合技術(shù)的比較 215
9.4.1 九種融合技術(shù)簡(jiǎn)介 215
9.4.2 評(píng)估結(jié)果小結(jié) 217
9.5 基于復(fù)數(shù)脊波變換的圖像融合 218
9.5.1 目的 218
9.5.2 Radon變換 219
9.5.3 脊波變換 219
9.5.4 迭代反向投影 220
9.5.5 基于復(fù)數(shù)脊波變換的圖像融合 221
9.5.6 圖像融合實(shí)驗(yàn)結(jié)果 223
9.6 光學(xué)和雷達(dá)圖像融合 230
9.6.1 基于強(qiáng)度調(diào)制的多光譜和合成孔徑雷達(dá)圖像融合 230
9.6.2 基于小波變換的合成孔徑雷達(dá)和光學(xué)圖像融合 231
9.6.3 基于局部方差和均值的合成孔徑雷達(dá)和光學(xué)圖像融合 231
9.6.4 RADARSAT——1和SPOT圖像融合 232
參考文獻(xiàn) 233
第10章 利用探測(cè)器空間畸變特性增強(qiáng)圖像分辨率 242
10.1 利用信號(hào)處理來改善衛(wèi)星載荷的性能 242
10.2 利用衛(wèi)星探測(cè)器的空間畸變特性來改善空間分辨率 243
10.3 利用KS提高單波段圖像的空間分辨率 246
10.3.1 具有子像素位移的圖像的融合 246
10.3.2 方法1：基于KS效應(yīng)引起的子像素位移提取出波段圖像 247
10.3.3 方法2：基于預(yù)定的子像素位移量獲取合成圖像 249
10.3.4 方法3：基于像素點(diǎn)強(qiáng)度值的接近程度獲取合成圖像 250
10.3.5 兩種處理子像素級(jí)位移圖像的方案及迭代反向投影的實(shí)現(xiàn)方法 251
10.4 單波段高分辨率圖像實(shí)驗(yàn)結(jié)果 254
10.4.1 圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)：改進(jìn)型視覺信息保真度 254
10.4.2 測(cè)試高光譜數(shù)據(jù)立方體 255
10.4.3 Target數(shù)據(jù)立方體的處理結(jié)果 255
10.4.4 KeyLake數(shù)據(jù)立方體實(shí)驗(yàn)結(jié)果 259
10.5 整個(gè)數(shù)據(jù)立方體的空間分辨率提高 261
10.6 數(shù)據(jù)立方體空間分辨率增強(qiáng)后的實(shí)驗(yàn)結(jié)果 262
10.7 總結(jié)和討論 267
參考文獻(xiàn) 268
第11章 提高衛(wèi)星傳感器信噪比的數(shù)字降噪處理方法 274
11.1 通過降低噪聲提高衛(wèi)星傳感器信噪比 274
11.2 空間維光譜維混合降噪 275
11.2.1 小波收縮降噪 275
11.2.2 問題描述 277
11.2.3 提出的方法 281
11.2.4 去噪實(shí)驗(yàn)結(jié)果 286
11.3 主成分分析法和小波收縮去噪 295
11.3.1 PCA與小波變換聯(lián)合去噪方法 296
11.3.2 PCA和小波聯(lián)合去噪方法的實(shí)驗(yàn)結(jié)果 298
11.4 主成分分析（PCA）與塊匹配三維濾波相結(jié)合去噪 302
11.4.1 PCA聯(lián)合BM3D降噪法 303
11.4.2 實(shí)驗(yàn)結(jié)果 304
11.5 混合光譜——空間維降噪技術(shù)評(píng)估 306
11.5.1 用于評(píng)估的遙感產(chǎn)品 306
11.5.2 評(píng)估標(biāo)準(zhǔn) 309
11.5.3 評(píng)估結(jié)果 311
參考文獻(xiàn) 314
第12章 降噪后的高光譜圖像小目標(biāo)探測(cè) 318
12.1 高光譜圖像目標(biāo)探測(cè) 318
12.2 基于光譜角填圖的方法 319
12.2.1 測(cè)試數(shù)據(jù)立方體 319
12.2.2 使用光譜角填圖算法對(duì)目標(biāo)面積進(jìn)行估算 321
12.2.3 目標(biāo)面積估算結(jié)果 324
12.3 接受器操作特性方法 327
12.4 使用光譜分解進(jìn)行目標(biāo)探測(cè) 329
12.4.1 混合像元分解和目標(biāo)掩模 330
12.4.2 評(píng)價(jià)標(biāo)準(zhǔn) 332
12.4.3 目標(biāo)探測(cè)與評(píng)價(jià)結(jié)果 333
12.5 基于像素的端元光譜豐度值的總和的目標(biāo)探測(cè) 341
12.5.1 亞像素目標(biāo)探測(cè) 341
12.5.2 目標(biāo)探測(cè)和評(píng)價(jià)結(jié)果 344
12.5.3 討論和結(jié)論 349
參考文獻(xiàn) 351
第13章 高光譜圖像降維 354
13.1 三種降維方法和波段選擇方法回顧 354
13.1.1 主成分分析降維 355
13.1.2 小波變換降維 355
13.1.3 最小噪聲分離降維 356
13.1.4 波段選擇 356
13.2 三種降維方法和一種波段選擇方法的評(píng)估 357
13.2.1 端元提取實(shí)驗(yàn) 357
13.2.2 礦物檢測(cè)實(shí)驗(yàn) 359
13.2.3 礦物分類實(shí)驗(yàn) 360
13.2.4 森林分類應(yīng)用 361
13.2.5 小結(jié) 363
13.3 局部線性嵌入降維 363
13.3.1 改進(jìn)的局部線性嵌入方法非線性降維 364
13.3.2 基于端元提取和礦物檢測(cè)的評(píng)估 366
13.4 利用局部線性嵌入與拉普拉斯特征映射組合的降維方法 370
13.4.1 局部線性嵌入與拉普拉斯特征映射組合降維 370
13.4.2 端元提取實(shí)驗(yàn)結(jié)果 372
13.5 雙變量小波收縮與主成分分析方法 373
13.5.1 雙變量小波收縮+主成分分析方法的數(shù)據(jù)降維與降噪 374
13.5.2 雙變量小波收縮+主成分分析方法的評(píng)估 376
13.6 小波包和主成分分析組合同時(shí)降維和降噪方法 379
13.6.1 小波包+鄰域收縮+主成分分析方法 380
13.6.2 小波包+鄰域收縮+主成分分析方法的評(píng)估 381
參考文獻(xiàn) 383
第14章 基于數(shù)據(jù)立方體幾何形狀的快速端元提取 386
14.1 混合像元與線性光譜分解 386
14.2 端元提取方法 388
14.2.1 方法概述 388
14.2.2 N-FINDR算法 389
14.2.3 單體增長(zhǎng)法 390
14.2.4 像元純度指數(shù)法 390
14.2.5 迭代誤差分析 391
14.2.6 自動(dòng)形態(tài)學(xué)光譜端元提取 392
14.2.7 自動(dòng)目標(biāo)生成方法/頂點(diǎn)成分分析 392
14.2.8 完全約束最小二乘法線性解 392
14.3 基于減少搜索空間的快速端元提取算法 393
14.3.1 快速N-FINDR 393
14.3.2 仿真結(jié)果 397
14.3.3 討論 403
參考文獻(xiàn) 404
中英文術(shù)語對(duì)照表 407