目錄
《地球觀測(cè)與導(dǎo)航技術(shù)叢書》出版說明
序
前言
第1章 緒論 1
1.1 對(duì)地觀測(cè)體系中的高光譜遙感技術(shù) 1
1.2 高光譜遙感與地理空間信息獲取 4
1.3 高光譜影像處理與分析 6
第2章 地物光譜特征及探測(cè)要求 11
2.1 植被的光譜特征 11
2.1.1 植被光譜的基本特征 11
2.1.2 植被光譜的特征參數(shù) 11
2.1.3 影響植被光譜特征的因素 12
2.1.4 綠色涂料與植被光譜的區(qū)別 14
2.2 土壤巖石的光譜特征 15
2.2.1 土壤的光譜特征 15
2.2.2 巖石的光譜特征 18
2.3 人工地物的光譜特征 19
2.3.1 建筑物頂部材料的光譜特征 19
2.3.2 道路鋪面材料的光譜特征 20
2.4 陸地水體的光譜特征 20
2.4.1 清潔水體的光譜特征 21
2.4.2 含沙量對(duì)水體反射光譜特征的影響 21
2.4.3 葉綠素濃度對(duì)水體反射光譜特征的影響 22
2.4.4 水體不同深度的光譜反射特征 22
2.4.5 雪的光譜反射特征 23
2.5 海部要素的光譜特征 23
2.5.1 海水的光譜特征 23
2.5.2 海岸帶植被的光譜特征 24
2.5.3 海岸基巖和灘涂的光譜特征 25
2.6 高光譜影像地物屬性探測(cè)要求 25
2.6.1 植被探測(cè)要求 25
2.6.2 土壤巖石的探測(cè)要求 26
2.6.3 人工地物的探測(cè)要求 27
2.6.4 陸地水體和冰川的探測(cè)要求 27
2.6.5 海部要素的探測(cè)要求 28
第3章 高光譜成像系統(tǒng) 30
3.1 高光譜遙感成像機(jī)理 30
3.1.1 光學(xué)探測(cè) 30
3.1.2 空間掃描 31
3.1.3 光譜分光 32
3.2 成像光譜儀發(fā)展現(xiàn)狀 34
3.2.1 國(guó)外的成像光譜儀系統(tǒng) 34
3.2.2 國(guó)內(nèi)的成像光譜儀系統(tǒng) 37
3.3 成像光譜儀定標(biāo) 38
3.3.1 光譜定標(biāo) 39
3.3.2 輻射定標(biāo) 39
3.3.3 幾何定標(biāo) 41
3.4 高光譜遙感數(shù)據(jù)特點(diǎn) 43
3.4.1 立方體結(jié)構(gòu) 43
3.4.2 數(shù)據(jù)描述模型 43
第4章 高光譜影像校正技術(shù) 45
4.1 太陽輻射及大氣傳輸特性 45
4.1.1 太陽輻射 45
4.1.2 大氣對(duì)電磁波傳輸過程的影響 46
4.1.3 輻射傳輸方程 48
4.2 高光譜影像的輻射誤差 49
4.2.1 傳感器的靈敏度特性引起的輻射誤差 49
4.2.2 光照條件差異引起的輻射誤差 49
4.2.3 大氣條件不同引起的輻射誤差 50
4.3 基于定標(biāo)參數(shù)的輻射校正 51
4.3.1 輻射校正參數(shù)獲取 51
4.3.2 影像輻射校正方法 51
4.4 高光譜影像大氣輻射校正 52
4.4.1 基于輻射傳輸理論的大氣輻射校正 52
4.4.2 利用影像數(shù)據(jù)進(jìn)行反射率反演 53
4.4.3 借助地面特殊地物的光譜反射率方法 54
4.5 高光譜影像的幾何特性 55
4.5.1 幾何成像模型 55
4.5.2 影像幾何變形 59
4.6 高光譜影像幾何校正 60
4.6.1 幾何校正的一般方法 60
4.6.2 基于POS 的幾何校正 63
第5章 地物光譜數(shù)據(jù)庫技術(shù) 68
5.1 概述 68
5.1.1 地物光譜數(shù)據(jù)庫的概念 68
5.1.2 地物光譜數(shù)據(jù)庫的地位和作用 68
5.1.3 地物光譜數(shù)據(jù)庫建設(shè)流程 69
5.2 光譜數(shù)據(jù)庫研究現(xiàn)狀 69
5.2.1 國(guó)外光譜數(shù)據(jù)庫研究現(xiàn)狀 69
5.2.2 國(guó)內(nèi)地物光譜數(shù)據(jù)庫研究進(jìn)展 72
5.3 地物光譜數(shù)據(jù)庫系統(tǒng)設(shè)計(jì) 73
5.3.1 系統(tǒng)應(yīng)用要求分析 73
5.3.2 系統(tǒng)設(shè)計(jì)原則 74
5.3.3 系統(tǒng)內(nèi)容設(shè)計(jì) 74
5.3.4 系統(tǒng)結(jié)構(gòu)設(shè)計(jì) 75
5.3.5 系統(tǒng)功能設(shè)計(jì) 76
5.4 地物光譜數(shù)據(jù)獲取 77
5.4.1 實(shí)驗(yàn)室光譜測(cè)量 77
5.4.2 地面光譜測(cè)量 78
5.4.3 遙感影像提取法 80
第6章 光譜特征分析與匹配 82
6.1 光譜特征增強(qiáng)與定量分析 82
6.1.1 光譜特征增強(qiáng)方法 82
6.1.2 光譜特征參量化 84
6.2 光譜相似性測(cè)度 86
6.2.1 幾何空間測(cè)度 86
6.2.2 概率空間測(cè)度 88
6.2.3 變換空間測(cè)度 89
6.2.4 綜合相似性測(cè)度 90
6.2.5 分類試驗(yàn) 91
6.3 光譜匹配技術(shù) 94
6.3.1 編碼匹配 94
6.3.2 光譜角度匹配 95
6.3.3 交叉相關(guān)光譜匹配 95
6.3.4 匹配濾波技術(shù) 97
6.4 尺度空間匹配技術(shù) 97
6.4.1 尺度空間理論 97
6.4.2 波峰特征提取 99
6.4.3 匹配算法 99
6.5 決策樹匹配分類 100
6.5.1 決策樹分類方法 100
6.5.2 光譜匹配的層次分析模型 100
6.5.3 應(yīng)用實(shí)例 101
第7章 高光譜影像統(tǒng)計(jì)模式分類 105
7.1 高光譜影像的模式分類原理 105
7.1.1 模式識(shí)別的概念和方法 105
7.1.2 統(tǒng)計(jì)模式識(shí)別一般過程 105
7.2 Bayes 統(tǒng)計(jì)決策分類 107
7.2.1 基本決策規(guī)則 107
7.2.2 正態(tài)分布下的極大似然法分類 109
7.3 Bayes 非參數(shù)決策分類 111
7.3.1 Fisher 線性判別法 111
7.3.2 Fisher 判別函數(shù)的訓(xùn)練 113
7.3.3 Fisher 分段線性判別函數(shù) 117
7.4 聚類分析法與非監(jiān)督分類 118
7.4.1 聚類準(zhǔn)則 119
7.4.2 K- 均值聚類法 120
7.4.3 ISODATA 聚類法 121
7.4.4 基于核構(gòu)造的動(dòng)態(tài)聚類法 123
7.5 人工神經(jīng)網(wǎng)絡(luò)分類 125
7.5.1 多層感知器 125
7.5.2 BP 算法 127
7.5.3 徑向基函數(shù)網(wǎng)絡(luò) 128
7.5.4 Kohonen 網(wǎng)絡(luò) 130
第8章 光譜特征選擇與提取 132
8.1 高維光譜特征分析基礎(chǔ) 132
8.1.1 高維特征空間樣本分布 132
8.1.2 “維數(shù)災(zāi)難”現(xiàn)象 134
8.1.3 波段間相關(guān)性分析 135
8.2 類別可分性準(zhǔn)則 136
8.2.1 基本特性 136
8.2.2 類內(nèi)類間距離準(zhǔn)則 137
8.2.3 概率距離準(zhǔn)則 138
8.2.4 信息熵準(zhǔn)則 140
8.3 基于類別可分性的特征提取 141
8.3.1 依類內(nèi)類間距離準(zhǔn)則的特征提取 142
8.3.2 依概率距離準(zhǔn)則的特征提取 143
8.3.3 依信息熵準(zhǔn)則的特征提取 145
8.4 基于信息壓縮的特征提取 146
8.4.1 主成分分析 146
8.4.2 噪聲分離變換 149
8.5 獨(dú)立成分分析特征提取 150
8.5.1 模型估計(jì)方法 151
8.5.2 快速ICA 算法 154
8.6 投影尋蹤特征提取 156
8.6.1 投影指標(biāo) 157
8.6.2 基于PP 的高光譜影像特征提取 158
8.7 非線性特征提取方法 158
第9章 高光譜影像核方法分析 160
9.1 核函數(shù)與核方法原理 160
9.1.1 核函數(shù) 160
9.1.2 核方法 162
9.2 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī) 163
9.2.1 統(tǒng)計(jì)學(xué)習(xí)理論 163
9.2.2 支持向量機(jī) 164
9.3 支持向量機(jī)分類 168
9.3.1 快速訓(xùn)練算法 168
9.3.2 多類分類器構(gòu)造 169
9.3.3 核函數(shù)及參數(shù)選擇 171
9.4 核Fisher 判別分類 172
9.4.1 Fisher 判別分析 172
9.4.2 核Fisher 判別分析 173
9.4.3 核Fisher 判別分類 174
9.5 相關(guān)向量機(jī)分類 178
9.5.1 稀疏Bayes 模型 179
9.5.2 模型參數(shù)推斷 180
9.5.3 相關(guān)向量機(jī)分類 181
9.6 非線性特征提取 183
9.6.1 核主成分分析 183
9.6.2 核巴氏距離投影尋蹤 184
9.6.3 廣義判別分析 185
第10章 混合像元分解 188
10.1 概述 188
10.1.1 混合像元分解的意義 188
10.1.2 混合像元分解流程 189
10.2 光譜混合模型 189
10.2.1 混合光譜的成因 189
10.2.2 線性混合模型 192
10.2.3 非線性混合模型 194
10.2.4 隨機(jī)混合模型 195
10.3 端元個(gè)數(shù)估計(jì) 196
10.3.1 NPD 算法 197
10.3.2 正交子空間投影法 198
10.4 端元提取技術(shù) 201
10.4.1 典型端元提取算法 201
10.4.2 空間信息輔助下的端元提取技術(shù) 203
10.4.3 基于粒子群優(yōu)化的端元提取算法 204
10.5 光譜解混技術(shù) 206
10.5.1 監(jiān)督分解算法 206
10.5.2 非監(jiān)督分解算法 211
第11章 高光譜與高空間分辨率影像融合 213
11.1 概述 213
11.1.1 像素級(jí)融合 213
11.1.2 特征級(jí)融合 214
11.1.3 決策級(jí)融合 214
11.2 融合預(yù)處理 215
11.2.1 輻射校正 215
11.2.2 幾何糾正 216
11.2.3 影像配準(zhǔn) 216
11.3 高光譜與高空間分辨率影像融合算法 216
11.3.1 通用像素級(jí)融合算法 217
11.3.2 通用像素級(jí)融合算法特點(diǎn)分析 220
11.3.3 基于非負(fù)矩陣分解的融合算法 221
11.3.4 基于遺傳算法的融合方法 223
11.3.5 基于影像光譜復(fù)原的空間域融合方法 226
11.3.6 基于混合像元分解的融合算法 227
11.3.7 基于邊緣信息的光譜信息保持型融合算法 228
11.4 融合效果評(píng)價(jià) 229
11.4.1 主觀評(píng)價(jià)方法 229
11.4.2 客觀評(píng)價(jià)方法 230
11.4.3 綜合評(píng)價(jià)方法 232
第12章 高光譜數(shù)據(jù)處理系統(tǒng)設(shè)計(jì) 235
12.1 高光譜數(shù)據(jù)處理系統(tǒng)現(xiàn)狀分析 235
12.1.1 國(guó)外高光譜數(shù)據(jù)處理系統(tǒng)介紹 235
12.1.2 國(guó)內(nèi)高光譜數(shù)據(jù)處理系統(tǒng)介紹 237
12.2 高光譜數(shù)據(jù)處理系統(tǒng)結(jié)構(gòu)設(shè)計(jì) 238
12.2.1 高光譜影像數(shù)據(jù)結(jié)構(gòu) 239
12.2.2 數(shù)據(jù)處理流程設(shè)計(jì) 239
12.2.3 系統(tǒng)體系結(jié)構(gòu)設(shè)計(jì) 240
12.3 高光譜數(shù)據(jù)處理系統(tǒng)功能設(shè)計(jì) 241
12.3.1 影像數(shù)據(jù)預(yù)處理模塊 242
12.3.2 屬性信息分類提取模塊 242
12.3.3 數(shù)據(jù)融合模塊 243
12.4 高光譜數(shù)據(jù)處理關(guān)鍵技術(shù)及其實(shí)現(xiàn) 243
12.4.1 高光譜影像幾何校正技術(shù) 244
12.4.2 高維光譜特征壓縮和提取技術(shù) 245
12.4.3 高光譜與高空間分辨率數(shù)據(jù)融合處理技術(shù) 245
12.4.4 高精度的分類提取技術(shù) 246
12.5 高光譜遙感影像分析軟件系統(tǒng) 247
12.5.1 高光譜影像讀存顯示 247
12.5.2 高光譜影像預(yù)處理 248
12.5.3 高光譜影像特征分析 248
12.5.4 高光譜影像分類識(shí)別 248
12.5.5 地物光譜數(shù)據(jù)庫 251
參考文獻(xiàn) 253
彩圖