曲波特征加權(quán)遙感圖像統(tǒng)計分割原理與方法
定 價:38 元
叢書名:“十三五”科學(xué)技術(shù)專著叢書
- 作者:王玉,周國清,劉立龍,李猛猛 著
- 出版時間:2020/5/1
- ISBN:9787563560370
- 出 版 社:北京郵電大學(xué)出版社
- 中圖法分類:TP75
- 頁碼:183
- 紙張:膠版紙
- 版次:1
- 開本:16開
《曲波特征加權(quán)遙感圖像統(tǒng)計分割原理與方法》以多尺度分析與統(tǒng)計建模相結(jié)合的高分辨率遙感圖像分割方法理論與實(shí)踐為主線,重點(diǎn)闡述貝葉斯框架下和能量框架下的特征加權(quán)分割模型、光譜特征分割模型和無權(quán)重特征分割模型以及各類分割模型的分割解,并對每類分割問題給出相應(yīng)的高分辨率遙感圖像分割實(shí)例,以體現(xiàn)其分割模型的有效性和實(shí)用性。
針對上述內(nèi)容,《曲波特征加權(quán)遙感圖像統(tǒng)計分割原理與方法》共5章,涉及高分辨率遙感圖像分割問題、基礎(chǔ)理論、關(guān)鍵技術(shù)和應(yīng)用范例,具體的章節(jié)安排如下。第1章介紹了星載高分辨率遙感衛(wèi)星的技術(shù)發(fā)展,論述了高分辨率遙感圖像的特點(diǎn)及其分割問題,并根據(jù)高分辨率遙感圖像的特征綜述了目前高分辨率遙感圖像的分割方法。第2章介紹了《曲波特征加權(quán)遙感圖像統(tǒng)計分割原理與方法》涉及的基礎(chǔ)理論知識,包括多尺度分析理論中的小波變換和曲波變換、特征選擇中的過濾方法和封裝方法、統(tǒng)計建模中的貝葉斯定理和能量函數(shù)、統(tǒng)計模擬中的MC方法和MCMC方法等。第3章重點(diǎn)圍繞高分辨率遙感圖像中光譜、紋理和邊緣這3個基本特征的提取方法進(jìn)行展開,并對各方法給出相應(yīng)的高分辨率遙感圖像特征提取實(shí)例。第4章從建立高分辨率遙感圖像分割模型的貝葉斯定理視角出發(fā),重點(diǎn)討論了特征加權(quán)貝葉斯分割算法、光譜特征貝葉斯分割算法和無權(quán)重特征貝葉斯分割算法。第5章介紹了能量函數(shù)框架下的特征加權(quán)能量分割算法、光譜特征能量分割算法和無權(quán)重特征能量分割算法,并對比分析了特征和特征權(quán)重在高分辨率遙感圖像分割中的作用。
隨著遙感數(shù)據(jù)采集技術(shù)的持續(xù)創(chuàng)新,人們可方便、快捷地獲取海量高性能(高空間、光譜、輻射、時間分辨率)遙感數(shù)據(jù),這促使其應(yīng)用領(lǐng)域不斷擴(kuò)展。與之相比,遙感數(shù)據(jù)的處理方法較為落后,無法滿足應(yīng)用領(lǐng)域?qū)@些新型遙感數(shù)據(jù)提取和解譯的要求。因此,當(dāng)務(wù)之急是需研究并提出有效的遙感圖像解譯方法,以滿足日益增長的遙感數(shù)據(jù)應(yīng)用領(lǐng)域?qū)@些海量高性能遙感數(shù)據(jù)的處理要求,以及解決對其蘊(yùn)含信息的提取需求。
遙感圖像分割是遙感數(shù)據(jù)處理任務(wù)中的基礎(chǔ)工作之一,其結(jié)果將直接影響后續(xù)分析和解譯任務(wù)的精準(zhǔn)程度。因此,遙感圖像分割是遙感數(shù)據(jù)精準(zhǔn)解譯的關(guān)鍵。在遙感圖像分割中,根據(jù)圖像特征將具有同質(zhì)特征的各類地物目標(biāo)或其部分進(jìn)行劃分。傳統(tǒng)的遙感圖像分割以像素為處理單元,依據(jù)同一地物內(nèi)像素光譜特征或紋理結(jié)構(gòu)特征的高度相似性實(shí)現(xiàn)區(qū)域分割;其分割模型是在像素的基礎(chǔ)上建立的,至多融人鄰域像素間的相互作用。與中、低空間分辨率遙感圖像相比,高空間分辨率使得遙感圖像中地物目標(biāo)的主題內(nèi)容更加明顯,幾何形狀更加精準(zhǔn),細(xì)節(jié)特征更加突出。由此,高分辨率為遙感圖像的精準(zhǔn)分割提供了充分的特征信息基礎(chǔ)。此外,高分辨率也導(dǎo)致遙感圖像中像素光譜測度的空間相關(guān)性變得更加復(fù)雜,即同質(zhì)區(qū)域差異性變大,異質(zhì)區(qū)域差異性變;細(xì)節(jié)特征的突出造成地物目標(biāo)內(nèi)的幾何噪聲增大。所有這些問題都為高分辨率遙感圖像分割算法的設(shè)計帶來了很大困難,使得適用于中、低分辨率遙感圖像分割的傳統(tǒng)分割算法無論是在算法效率上,還是在分割結(jié)果的精度上,都無法滿足高分辨率遙感圖像的分割要求,進(jìn)而極大地限制了其應(yīng)用。
高空間分辨率遙感圖像蘊(yùn)含著豐富的特征信息,其同質(zhì)區(qū)域間的差異不僅在光譜特征上存在,在邊緣、紋理等特征上同樣也存在。為了更好地辨識高分辨率遙感圖像的不同同質(zhì)區(qū)域,可在高分辨率遙感圖像分割設(shè)計方法中考慮特征。因此,如何定義、提取特征并探究其在圖像分割中的作用成為高分辨率遙感圖像精確分割的關(guān)鍵。
本書以多尺度分析與統(tǒng)計建模相結(jié)合的高分辨率遙感圖像分割方法理論與實(shí)踐為主線,重點(diǎn)闡述貝葉斯框架下和能量框架下的特征加權(quán)分割模型、光譜特征分割模型和無權(quán)重特征分割模型以及各類分割模型的最優(yōu)分割解,并對每類分割問題給出相應(yīng)的高分辨率遙感圖像分割實(shí)例,以體現(xiàn)各分割模型的有效性和實(shí)用性。針對上述內(nèi)容,本書共5章,涉及高分辨率遙感圖像分割問題、基礎(chǔ)理論、關(guān)鍵技術(shù)和應(yīng)用范例,具體的章節(jié)安排如下。第一章介紹了星載高分辨率遙感衛(wèi)星的技術(shù)發(fā)展,論述了高分辨率遙感圖像的特點(diǎn)及其分割問題,并根據(jù)高分辨率遙感圖像的特征綜述了目前高分辨率遙感圖像的分割方法。第2章介紹了本書涉及的基礎(chǔ)理論知識,包括多尺度分析理論中的小波變換和曲波變換、特征選擇中的過濾方法和封裝方法、統(tǒng)計建模中的貝葉斯定理和能量函數(shù)、統(tǒng)計模擬中的MC方法和MCMC方法等。第3章重點(diǎn)圍繞高分辨率遙感圖像中光譜、紋理和邊緣這3個基本特征的提取方法進(jìn)行展開,并對各方法給出相應(yīng)的高分辨率遙感圖像特征提取實(shí)例。第4章從建立高分辨率遙感圖像分割模型的貝葉斯定理視角出發(fā),重點(diǎn)討論了特征加權(quán)貝葉斯分割算法、光譜特征貝葉斯分割算法和無權(quán)重特征貝葉斯分割算法。第5章介紹了能量函數(shù)框架下的特征加權(quán)能量分割算法、光譜特征能量分割算法和無權(quán)重特征能量分割算法,并對比分析了特征和特征權(quán)重在高分辨率遙感圖像分割中的作用。
本書提出了一種普適的遙感圖像特征統(tǒng)計模型及其理論基礎(chǔ),并給出了將特征及其作用參數(shù)融入高分辨率遙感圖像統(tǒng)計分割方法中的實(shí)施方案。本書內(nèi)容將為基于高分辨率遙感圖像的大規(guī)模土地覆蓋及利用、地物目標(biāo)辨識及其特征提取等應(yīng)用提供有效手段,促進(jìn)高分辨率遙感圖像在國土資源調(diào)查、災(zāi)害預(yù)測、環(huán)境監(jiān)測等領(lǐng)域的廣泛應(yīng)用。作為一種新技術(shù)和新方法,目前該領(lǐng)域的研究和應(yīng)用還處于初始階段,鮮有研究者對此開展系統(tǒng)性的研究工作。因此,本書也在試圖填補(bǔ)這方面研究的空白。
王玉,博士,桂林理工大學(xué)講師。主要研究方向?yàn)檫b感數(shù)據(jù)處理理論與應(yīng)用基礎(chǔ)研究,包括空間統(tǒng)計學(xué)、隨機(jī)幾何、多尺度分析在遙感數(shù)據(jù)建模與分析方面的應(yīng)用,地物目標(biāo)幾何以及特征提取。
目 錄
第1章 緒論1
1.1 星載高分辨率遙感衛(wèi)星1
1.2 高分辨率遙感圖像的特點(diǎn)14
1.3 高分辨率遙感圖像分割方法14
1.3.1 單一特征分割方法15
1.3.2 多特征分割方法17
第2章 基礎(chǔ)理論20
2.1 多尺度分析20
2.1.1 小波變換20
2.1.2 曲波變換25
2.2 特征選擇30
2.2.1 過濾方法30
2.2.2 封裝方法32
2.3 統(tǒng)計建模與模擬33
2.3.1 統(tǒng)計建模33
2.3.2 統(tǒng)計模擬38
第3章 高分辨率遙感圖像特征提取43
3.1 光譜特征43
3.2 紋理特征47
3.3 邊緣特征50
3.4 高分辨率遙感圖像特征提取實(shí)例52
3.4.1 光譜特征提取實(shí)例52
3.4.2 紋理特征提取實(shí)例56
3.4.3 邊緣特征提取實(shí)例58
第4章 貝葉斯框架下的特征分割62
4.1 特征加權(quán)貝葉斯分割算法62
4.1.1 特征加權(quán)貝葉斯分割算法描述62
4.1.2 特征加權(quán)貝葉斯分割算法實(shí)例68
4.2 光譜特征貝葉斯分割算法101
4.2.1 光譜特征貝葉斯分割算法描述102
4.2.2 光譜特征貝葉斯分割算法實(shí)例106
4.3 無權(quán)重特征貝葉斯分割算法109
4.3.1 無權(quán)重特征貝葉斯分割算法描述109
4.3.2 無權(quán)重特征貝葉斯分割算法實(shí)例113
第5章 能量框架下的特征分割117
5.1 特征加權(quán)能量分割算法117
5.1.1 特征加權(quán)能量分割算法的描述117
5.1.2 特征加權(quán)能量分割算法實(shí)例121
5.2 光譜特征能量分割算法153
5.2.1 光譜特征能量分割算法描述153
5.2.2 光譜特征能量分割算法實(shí)例155
5.3 無權(quán)重特征能量分割算法159
5.3.1 無權(quán)重特征能量分割算法描述159
5.3.2 無權(quán)重特征能量分割算法實(shí)例162
參考文獻(xiàn)166
附錄A 變量注釋表178
附錄B 縮略語清單182