图书详情

配套资源图书内容样章/电子教材图书评价

配套资源

图书特别说明：由于成本考虑，本书不作为参考书赠送。如果确有授课教材选用的需求，可将详细情况发送给本书专属联系人，我们将进一步沟通并酌情处理。

本书资源

本书暂无资源

会员上传本书资源

图书内容

内容简介

随着成像光谱技术及遥感处理技术的不断发展，高光谱遥感数据被广泛应用于各个领域。与多光谱图像相比，高光谱成像光谱仪能够在较宽的波谱范围内，利用狭窄的光谱间隔成像，得到上百幅通道、波段连续的图像，每个像素均可提取一条完整的高分辨率光谱曲线，使得许多原本在多光谱图像中无法发现的地物特征得以被探测。本书简要介绍了高光谱遥感图像的成像原理和图像特点，主要分析了各种高光谱图像处理技术在使用中遇到的问题，并提出了相应的处理方法；论述内容主要包括高光谱遥感的特征选择，高光谱遥感的端元选择，混合光谱理论与光谱解混，高光谱图像的监督分类和半监督分类，高光谱图像的匹配目标检测、异常目标检测以及实时目标检测，高光谱数据压缩技术和可视化技术，最后概括地介绍了高光谱遥感图像在各个领域的应用。本书包括了著者多年来取得的科研成果，可以使读者比较全面地了解高光谱图像处理的各个领域以及最新研究进展。

图书详情

ISBN：9787121279089

开本：16开

页数：396

字数：634.0

本书目录

第1章  高光谱遥感的理论基础	1
1.1  高光谱遥感概述	1
1.2  高光谱遥感成像机理	5
1.3  高光谱遥感图像的特点	8
1.4  高光谱遥感图像数据表达	9
1.5  高光谱遥感与多光谱遥感的联系与区别	10
参考文献	11
第2章  高光谱图像特征提取技术	12
2.1  特征提取技术概述	12
2.2  高光谱图像基本特征提取算法	16
2.2.1  主成分分析	16
2.2.2  线性判别分析	17
2.2.3  基于核的非线性特征提取算法	18
2.2.4  基于流形学习的非监督特征提取算法	18
2.2.5  F-分值特征提取方法	22
2.2.6  递归特征消除方法	22
2.2.7  最小噪声分数	23
2.2.8  独立成分分析	24
2.3  高光谱图像波段提取算法	25
2.3.1  半监督局部稀疏嵌入特征提取算法	25
2.3.2  基于全局和局部流形结构的特征提取算法	27
2.3.3  结合遗传算法和蚁群算法的特征提取算法	29
2.3.4  高光谱图像蒙特卡罗特征提取算法	31
2.4  高光谱图像波段提取算法性能评价	34
2.4.1  半监督局部稀疏嵌入特征提取算法的性能评价	35
2.4.2  基于全局和局部流形结构的特征提取算法的性能评价	38
2.4.3  结合遗传算法和蚁群算法的特征提取算法的性能评价	41
2.4.4  高光谱图像蒙特卡罗特征提取算法的性能评价	46
参考文献	48
第3章  高光谱图像端元提取技术	49
3.1  端元提取技术概述	49
3.2  高光谱图像基本端元提取方法	49
3.2.1  N-FINDR端元提取算法	49
3.2.2  纯像素索引法	50
3.2.3  凸锥分析	51
3.2.4  迭代误差分析	52
3.2.5  ORASIS算法	52
3.2.6  自动形态学端元提取算法	52
3.2.7  顶点成分分析法	54
3.3  高光谱图像端元提取算法	55
3.3.1  改进的N-FINDR高光谱端元提取算法	55
3.3.2  改进的IEA端元提取算法	58
3.4  高光谱图像端元提取方法的性能评价	60
3.4.1  改进的N-FINDR高光谱端元提取算法的性能评价	60
3.4.2  改进的IEA端元提取算法的性能评价	61
参考文献	65
第4章  高光谱图像光谱解混技术	66
4.1  光谱解混技术概述	66
4.2  高光谱图像基本光谱解混算法	68
4.2.1  线性光谱混合模型	68
4.2.2  丰度反演算法	69
4.2.3  解混误差理论分析	70
4.2.4  解决端元可变问题算法	72
4.2.5  光谱解混精度评价	76
4.3  高光谱图像光谱解混算法	77
4.3.1  基于正交子空间投影的多端元高光谱解混算法	77
4.3.2  基于分层的多端元高光谱解混算法	79
4.3.3  基于全约束OMP的多端元高光谱解混算法	81
4.3.4  基于稀疏表示的高光谱解混算法	83
4.3.5  改进的OMP高光谱稀疏解混算法	87
4.3.6  自适应稀疏度的OMP高光谱稀疏解混算法	90
4.4  高光谱图像光谱解混算法评价	91
4.4.1  基于OSP的多端元高光谱解混算法评价	91
4.4.2  基于分层的多端元高光谱解混算法评价	95
4.4.3  基于全约束OMP的多端元高光谱解混算法评价	100
4.4.4  基于稀疏表示的高光谱解混算法评价	103
4.4.5  改进的OMP高光谱稀疏解混算法评价	105
4.4.6  自适应稀疏度的OMP高光谱稀疏解混算法评价	110
参考文献	112
第5章  高光谱图像监督分类技术	114
5.1  高光谱图像分类技术概述	114
5.2  高光谱图像基本分类算法	116
5.2.1  光谱角匹配	116
5.2.2  最大似然分类	117
5.2.3  Fisher判别分析	117
5.2.4  支持向量机分类器	118
5.2.5  相关向量机分类器	126
5.3  高光谱图像分类的评价准则	128
5.4  高光谱图像分类算法	129
5.4.1  基于高斯低通滤波的最大似然分类	129
5.4.2  基于小波核函数的高光谱图像分类	131
5.4.3  基于第二代小波融合的高光谱图像分类	134
5.4.4  基于特征加权的高光谱图像分类	141
5.4.5  基于定制核稀疏表示的高光谱图像分类	143
5.4.6  基于模糊加权核C-均值聚类的高光谱图像分类	147
5.4.7  模糊特征加权支持向量机	151
5.5  高光谱图像分类算法的性能评价	153
5.5.1  基于高斯低通滤波的最大似然分类性能评价	154
5.5.2  基于小波核函数的高光谱图像分类性能评价	158
5.5.3  基于第二代小波融合的高光谱分类性能评价	160
5.5.4  基于特征加权的高光谱分类性能评价	164
5.5.5  基于定制核稀疏表示的分类评价	168
5.5.6  模糊加权核C-均值聚类算法的分类评价	173
5.5.7  模糊特征加权支持向量机的分类评价	175
参考文献	178
第6章  高光谱图像半监督分类技术	181
6.1  高光谱图像半监督分类技术概述	181
6.2  高光谱图像基本半监督分类算法	182
6.2.1  图论的基础概念	182
6.2.2  基于图的半监督分类算法	184
6.3  高光谱图像半监督分类算法	187
6.3.1  结合LLGC和LS-SVM的半监督分类算法	187
6.3.2  引入负相似的LapSVM半监督分类	191
6.3.3  基于空-谱信息的高光谱半监督分类算法	196
6.3.4  基于空-谱标签传递的高光谱半监督分类算法	200
6.4  高光谱图像半监督分类算法的性能评价	202
6.4.1  结合LLGC和LS-SVM半监督分类算法的性能评价	202
6.4.2  引入负相似的LapSVM半监督分类的性能评价	206
6.4.3  基于空-谱信息的高光谱半监督分类的性能评价	211
6.4.4  基于空-谱标签传递的高光谱半监督分类的性能评价	217
参考文献	227
第7章  高光谱图像目标匹配检测技术	229
7.1  目标匹配检测技术概述	229
7.2  高光谱图像基本目标匹配检测算法	231
7.2.1  高光谱图像目标匹配检测的关键问题	231
7.2.2  高光谱图像目标检测的一般过程与评价标准	232
7.2.3  经典的高光谱图像目标匹配检测方法	232
7.3  高光谱图像目标匹配检测算法	234
7.3.1  基于空间支持的稀疏表示目标检测	234
7.3.2  基于StOMP算法的HSI目标稀疏检测	239
7.3.3  基于无监督字典的HSI目标稀疏检测	242
7.4  高光谱图像目标匹配检测算法评价	245
7.4.1  基于空间支持的稀疏表示目标检测算法评价	245
7.4.2  基于StOMP算法的HSI目标稀疏检测算法评价	254
7.4.3  基于无监督字典的HSI目标稀疏检测	257
参考文献	259
第8章  高光谱图像异常目标检测技术	261
8.1  异常目标检测技术概述	261
8.2  高光谱图像异常目标检测基本理论	265
8.3  高光谱图像异常目标检测算法	268
8.3.1  基于空域滤波的核RX高光谱异常检测算法	268
8.3.2  自适应核高光谱异常检测算法	272
8.3.3  基于光谱相似度量核的高光谱异常检测算法	277
8.4  高光谱图像异常目标检测算法评价	281
8.4.1  基于空域滤波的核RX高光谱异常检测算法评价	281
8.4.2  自适应核高光谱异常检测算法评价	282
8.4.3  基于光谱相似度量核的高光谱异常检测算法评价	284
参考文献	289
第9章  高光谱实时目标检测技术	292
9.1  高光谱遥感目标检测概念及特点	292
9.1.1  目标存在形式	292
9.1.2  高光谱图像目标检测特点	292
9.1.3  高光谱图像目标检测分类	293
9.1.4  高光谱图像目标检测关键问题	293
9.2  基于像素递归的高光谱实时目标检测	295
9.2.1  Woodbury矩阵引理	296
9.2.2  基于R-RXD的递归实时算子	297
9.2.3  基于K-RXD的递归实时算子	298
9.2.4  算法复杂性分析	299
9.2.5  仿真实验结果与分析	300
9.3  采用滑动实时窗的高光谱局部实时检测	305
9.3.1  高光谱局部异常检测常用算法	306
9.3.2  采用滑动实时窗口的局部异常检测	308
9.3.3  仿真实验结果与分析	311
9.4  基于波段递归更新的高光谱目标检测算法	315
9.4.1  分块矩阵求逆引理	315
9.4.2  基于波段递归的高光谱目标检测	316
9.4.3  仿真实验结果与分析	319
参考文献	321
第10章  高光谱图像压缩处理技术	324
10.1  高光谱压缩处理技术概述	324
10.2  图像压缩质量评价标准	326
10.3  高光谱图像压缩处理算法	327
10.3.1  基于目标分布改进DCT的图像压缩	327
10.3.2  多元向量量化的图像压缩	329
10.3.3  基于提升格式的图像压缩	332
10.3.4  基于向量量化的图像压缩	335
10.4  高光谱图像压缩性能评价	337
10.4.1  基于目标分布的图像压缩性能评价	337
10.4.2  多元向量量化的图像压缩性能评价	343
10.4.3  基于提升格式的图像压缩性能评价	350
10.4.4  基于向量量化的图像压缩性能评价	351
参考文献	352
第11章  高光谱图像可视化技术	354
11.1  可视化技术概述	354
11.2  面向类别分析结果的可视化方法	358
11.2.1  基于硬分类结果的数据可视化	359
11.2.2  基于软分类结果的自动彩色分配方法	361
11.3  高光谱图像可视化方法性能评价	364
11.3.1  硬分类类别彩色标签的选择及分配	364
11.3.2  基于光谱解混结果的可视化结果	366
参考文献	368
第12章  高光谱遥感应用简介	369
12.1  高光谱遥感在农业方面的应用	369
12.1.1  农作物疾病监测、病虫害监测以及入侵物种监测	369
12.1.2  农作物产量估计	370
12.1.3  农作物分类	370
12.2  高光谱遥感在地质领域方面的应用	370
12.2.1  高光谱矿物识别与矿物填图	371
12.2.2  高光谱地质成因信息探测研究	371
12.2.3  高光谱成矿预测研究	371
12.2.4  高光谱植被地化信息探测研究	372
12.2.5  高光谱矿山环境分析研究	372
12.3  高光谱遥感在草原监测方面的应用	372
12.3.1  草地生物量估算	373
12.3.2  草地种类识别	374
12.3.3  草地化学成分估测	374
12.4  高光谱遥感在森林研究方面的应用	375
12.4.1  森林调查	375
12.4.2  森林生化组成与森林健康状态	376
12.5  高光谱遥感在海洋研究方面的应用	377
12.5.1  海洋遥感中的基础研究	377
12.5.2  海洋与海岸带资源环境监测中的应用研究	378
12.5.3  高光谱海洋研究国际发展相关动态	378
12.6  高光谱遥感在环境监测方面的应用	379
12.6.1  大气污染监测	379
12.6.2  土壤侵蚀监测	379
12.6.3  水环境监测	379
12.7  高光谱遥感在减灾方面的应用	380
12.7.1  干旱	380
12.7.2  洪涝	381
12.7.3  低温雨雪冰冻灾害	381
12.7.4  火灾	382
12.7.5  地质灾害	383
12.7.6  生物灾害	384
12.7.7  其他灾害	384
参考文献	385

展开

前言

本书是作者多年研究成果的总结，内容涵盖高光谱图像处理主要方法，包括降维与数据压缩，端元提取，光谱解混，亚像元定位，分类，异常检测，可视化显示技术等，理论思想和框架体系都有鲜明特色，对光谱解混技术的变端元、多端元思想；对分类技术的全面加权思想；对端元选择的快速实现思想；对亚像元定位技术的充分贯彻空间相关性原理；对异常检测的形态学运用和核函数构造，以及实时检测思想；对降维压缩的端元提取算法借用思想等，是本书主要创新内容。 
本书既可作为高等院校遥感专业相关师生的参考书，又可作为不同信息系统中对高光谱遥感进行研究的科研人员的参考书，也可供从事环境监测、农业管理、海洋开发等应用层面的决策者阅读参考。

前    言
高光谱遥感技术(Hyperspectral Remote Sensing Technology)起源于多光谱遥感，是20世纪80年代开始发展的一种新兴遥感技术，其突出的优势在于提供了丰富的地物光谱波段，较高的光谱分辨率可以解决许多在全色和多光谱遥感中无法解决的问题。高光谱图像有效地结合了代表地物辐射属性的光谱信息和反映空间几何关系的图像信息，其所携带的光谱信息提供了区别地物光谱细微差别的能力，使得许多原本在多光谱遥感图像中无法获取的光谱信息得以探测。高光谱图像的光谱分辨率为纳米级，成像光谱仪将成像传感器的空间表示与光谱仪的分析能力相结合，在可见光、近红外、短波红外以及中红外等电磁波谱范围内，利用狭窄的光谱间隔成像，可以为每个像素提供数十至数百个窄波段，从而产生一条完整而连续的光谱曲线，使得地物的精确定量分析与细节提取成为可能，为人们对各种地物的分析提供了重要的依据。
随着高光谱遥感技术光谱分辨率的不断递增，人们对地物光谱属性特征的认知也不断随之深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为21世纪遥感技术领域重要的研究方向之一。与多光谱遥感相比，高光谱遥感提供了更加丰富的地物光谱，其较宽的波谱覆盖范围使得高光谱数据处理时，可以根据需要选择特定的波段突显地物特征，为高光谱数据处理算法提供更多的地物原始数据，因此，高光谱遥感技术被广泛应用在矿物成分含量识别、植被识别与分类、植物的长势与化学成分估测、大气中各成分含量分析、水域环境污染程度分析、土壤调查、城市监测和规划等方面，且取得了显著成果。
高光谱遥感成像是一门新兴的交叉学科，以计算机、传感器、航空航天等技术为基础，涉及电磁波理论、物理科学、光谱学与几何光学、信息学、电子工程、地质学、地理与地球科学、大气科学、海洋科学、农学和林学等多个学科。其中，电磁波理论是最重要的基础，通过准确接收和记录电磁波与地物间复杂的相互作用，可以提供丰富的地物信息，进而得到高光谱图像数据立方体。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪，在光谱分光方式、空间成像方式和光电转换探测器的研究中不断深入，逐步从地面遥感发展到与航空、航天遥感应用平台相结合的阶段。另外，高光谱遥感技术在与全球定位系统融合的过程中，形成新型的地物信息获取与对地信息观测平台，极大地拓展了高光谱遥感技术的应用领域，为地学的研究提供了新的技术支持和科研方法。
全书共分12章，分别讲述高光谱遥感的特征选择、高光谱遥感的端元选择、混合光谱理论与光谱解混、高光谱图像的监督分类和半监督分类、高光谱图像的匹配目标检测、异常目标检测以及实时目标检测、高光谱数据压缩技术和可视化技术，最后概括地介绍了高光谱遥感在农作物病虫害检测、农作物产量估计、矿物识别和矿物填图、草地监测及草地种类识别、森林调查、海洋环境监测、大气污染监测，土壤侵蚀监测、水环境监测、灾害的预警分析和实时监测等方面的应用。本书以主要篇幅论述高光谱遥感图像处理过程和信息处理过程中出现的各种问题，对高光谱数据在各个应用领域的处理方法提出改进措施，在高光谱遥感处理的理论基础、成像机理、处理算法、应用领域及各种困难都进行了较为详细和全面的阐述。
本书为工业和信息化部“十二五”规划专著，是在著者承担国家自然科学基金(61077079、61275010、61405041、61571145)，高等学校博士学科点专项基金(20062302170021、20102304110013、20132304110007)，黑龙江省自然科学基金重点项目(ZJG0606-01、ZD201216)，中国博士后基金(2014M551221)，黑龙江省博士后基金(LBH-Z13057)，黑龙江省博士后科研启动金(LBH-Q15025)和黑龙江省留学归国人员科学基金资助项目(JJ2016LX0051)所取得成果的基础上撰写而成的。博士生刘春红、王玉磊、梅峰、李晓慧、成宝芝、刘丹凤、郝思媛为本书的算法设计及仿真实验做了大量工作，在此表示感谢。另外，本书撰写过程中，参阅了有关书籍和文献，同时也向这些作者致以诚挚的谢意！最后，感谢电子工业出版社对本书的出版给予的配合与支持。
由于著者水平有限，以及研究内容跨度大、编程软硬件条件差异大、涉及研究人员多等实际问题，在理论和技术方面还有很多不足、还未能将国内外更多的最新研究成果涵盖其中，衷心希望广大读者批评指正和不吝赐教，著者将在后续的工作中进一步完善。

著  者      
2015年7月于哈尔滨

展开

作者简介

本书暂无作者简介

样章试读

查看样章电子教材
图书评价我要评论

本书资源

会员上传本书资源

内容简介

图书详情

本书目录

前 言

作者简介

前言