遥感图像处理技术及应用

参考文献

10.5.4 基于小波变换的高光谱图像波段融合

10.5.3 基于主成分分析的多源遥感图像融合

10.5.2 多源遥感图像配准

10.5.1 多源遥感图像融合概述

| 10.5 多源遥感图像融合 |

10.4.3 基于3D-Zernike矩特征的遥感图像立体目标识别

10.4.2 典型遥感图像立体目标获取

10.4.1 遥感图像立体目标概念

| 10.4 遥感图像立体目标处理 |

10.3.3 基于散射分解的特征参数反演

10.3.2 目标散射分解

10.3.1 目标散射的极化描述

| 10.3 遥感合成孔径雷达图像目标参数反演 |

10.2.3 遥感热红外图像ASTER-TES算法

10.2.2 遥感热红外波段温度和发射率特征

10.2.1 遥感热红外波段大气辐射传输模型

| 10.2 遥感热红外图像目标参数反演 |

10.1.4 基于网络模型的相对含水量反演及精细分类

10.1.3 基于光谱曲线拟合的高光谱图像植被相对含水量参数反演

10.1.2 基于光谱指数的高光谱图像植被参数反演

10.1.1 遥感图像参数反演及其应用

| 10.1 遥感高光谱图像目标参数反演 |

第10章 多源遥感图像解译及应用

9.5.3 基于空谱联合的高光谱图像目标识别

9.5.2 基于光谱波形匹配的高光谱图像目标识别

9.5.1 基于空间特征的图像目标识别

| 9.5 高光谱图像目标识别 |

9.4.3 基于梯度下降的图像目标区域分割

9.4.2 基于图论的图像目标区域分割

9.4.1 基于二维直方图的图像目标区域分割

| 9.4 遥感图像目标区域分割 |

9.3.5 广义线性光谱混合模型及解译

9.3.4 基于光谱解混的子像素制图技术

9.3.3 线性光谱混合模型与线性支持向量机模型的等效

9.3.2 典型高光谱图像线性光谱解混

9.3.1 高光谱图像混合像素及混合模型

| 9.3 高光谱图像解混及子像素目标识别 |

9.2.2 基于高阶矩的高光谱图像异常目标检测

9.2.1 基于RX算法的高光谱图像异常目标检测

| 9.2 高光谱图像异常目标检测 |

9.1.4 目标检测评价准则

9.1.3 高光谱图像目标检测

9.1.2 最大似然估计模型

9.1.1 似然比检验

| 9.1 遥感图像目标检测 |

第9章 遥感图像目标检测与识别

8.5.3 3D-CNN模型在高光谱图像分类中的应用

8.5.2 面向高光谱图像分类的卷积神经网络模型

8.5.1 基于卷积神经网络的高光谱图像分类原理

| 8.5 基于卷积神经网络的高光谱图像分类 |

8.4.3 面向多类的高光谱图像分类

8.4.2 支持向量机的等效核函数映射

8.4.1 基于支持向量机的高光谱图像分类原理

| 8.4 基于支持向量机的高光谱图像分类 |

8.3.4 迭代收敛准则

8.3.3 迭代自组织数据分析技术算法

8.3.2 聚类算法

8.3.1 分类测度准则

| 8.3 经典无监督遥感图像分类 |

8.2.3 基于机器学习的遥感图像分类

8.2.2 最大似然分类器

8.2.1 最小距离分类器

| 8.2 经典有监督遥感图像分类 |

8.1.3 遥感图像分类评价准则

8.1.2 最优分类器设计及费舍尔线性可分性分析

8.1.1 遥感图像分类基本出发点及测度准则

| 8.1 概述 |

第8章 遥感图像分类

7.5.4 基于小波多分辨率分解的目标边缘提取

7.5.3 基于线段检测算子的目标边缘提取

7.5.2 方向梯度直方图

7.5.1 尺度不变特征变换

| 7.5 遥感图像特征提取应用技术 |

7.4.3 边缘/边界闭合方法

7.4.2 最佳阈值选择

7.4.1 经典遥感图像分割方法

| 7.4 遥感图像分割与闭合 |

7.3.4 Marr边缘检测算子

7.3.3 Laplacian边缘检测算子

7.3.2 Sobel边缘检测算子

7.3.1 梯度边缘检测

| 7.3 遥感图像边缘检测 |

7.2.2 基于光谱曲线的光谱特征

7.2.1 经典光谱指数特征

| 7.2 遥感图像光谱特征提取 |

7.1.3 遥感图像纹理特征提取

7.1.2 遥感图像统计特征提取

7.1.1 遥感图像几何形状特征提取

| 7.1 遥感图像空间特征提取 |

第7章 遥感图像特征提取及描述

6.4.4 基于光谱递归双向预测与空间JPEG压缩的高光谱图像压缩

6.4.3 光谱维递归双向预测

6.4.2 光谱维双向预测

6.4.1 光谱维DPCM预测

| 6.4 基于光谱预测与空间变换的高光谱图像压缩编码 |

6.3.3 基于JPEG 2000的遥感图像压缩性能分析

6.3.2 JPEG 2000图像压缩的基本原理

6.3.1 从JPEG到JPEG 2000

| 6.3 基于JPEG 2000的遥感图像压缩编码 |

6.2.3 图像矢量量化编码

6.2.2 图像变换压缩编码

6.2.1 图像预测压缩编码

| 6.2 经典图像压缩编码方法 |

6.1.4 图像压缩质量评价方法

6.1.3 霍夫曼编码

6.1.2 遥感图像压缩的可行性

6.1.1 图像压缩的必要性及遥感图像压缩的特殊性

| 6.1 概述 |

第6章 遥感图像压缩编码

5.3.3 地面控制点提取与选择

5.3.2 图像灰度再采样

5.3.1 多项式校正模型

| 5.3 遥感图像几何校正 |

5.2.2 有约束遥感图像恢复

5.2.1 无约束遥感图像恢复

| 5.2 无约束和有约束遥感图像恢复 |

5.1.2 遥感图像退化模型

5.1.1 遥感图像降质因素

| 5.1 遥感图像降质及退化模型 |

第5章 遥感图像恢复

4.4.2 真彩色图像增强和假彩色图像增强

4.4.1 伪彩色图像增强

| 4.4 彩色图像增强 |

4.3.3 同态滤波增强

4.3.2 高通滤波增强

4.3.1 低通滤波增强

| 4.3 遥感图像频域滤波增强 |

4.2.2 遥感图像均值滤波与中值滤波

4.2.1 遥感图像平滑滤波与锐化滤波

| 4.2 遥感图像空间域滤波增强 |

4.1.2 遥感图像直方图增强

4.1.1 遥感图像对比度增强

| 4.1 遥感图像空间域变换增强 |

第4章 遥感图像增强

3.6.3 二维图像的小波变换

3.6.2 小波变换与信号多分辨率分解

3.6.1 小波变换的定义及二进制小波

| 3.6 小波变换 |

| 3.5 短时傅里叶变换 |

| 3.4 离散余弦变换 |

| 3.3 主成分变换 |

3.2.3 二维图像的离散傅里叶变换

3.2.2 离散序列的傅里叶变换

3.2.1 连续信号的傅里叶变换

| 3.2 傅里叶变换 |

3.1.4 二维图像分解

3.1.3 信号的变换域（频域）分解

3.1.2 信号的时域分解

3.1.1 信号分解的基本原理

| 3.1 信号及图像的正交分解 |

第3章 图像变换与分解

2.5.3 人工神经网络

2.5.2 光学成像系统调制传递函数

2.5.1 点源及点扩展函数

| 2.5 光学成像系统模型与人工神经网络 |

2.4.4 多波段图像存储

2.4.3 多波段图像可视化

2.4.2 多波段图像彩色合成

2.4.1 遥感多波段图像

| 2.4 遥感多波段图像及彩色合成 |

2.3.4 数字图像表示及分析

2.3.3 模拟量量化

2.3.2 模拟量采样

2.3.1 光学图像简化模型

| 2.3 光学图像及其数字化描述 |

2.2.3 人类视觉系统对光亮度和颜色的感知

2.2.2 人类视觉系统

2.2.1 光及光的物理特性

| 2.2 光与视觉系统 |

| 2.1 概述 |

第2章 电磁特性及遥感成像

1.6.2 遥感图像处理及应用所涉及的技术

1.6.1 遥感技术发展趋势及面临挑战

| 1.6 遥感图像处理技术 |

1.5.4 星上实时图像处理系统

1.5.3 遥感图像处理系统

1.5.2 遥感数据接收系统

1.5.1 遥感数据发射系统

| 1.5 遥感数据传输/接收链路 |

1.4.3 合成孔径雷达成像

1.4.2 光学传感器成像

1.4.1 遥感平台及载荷成像的几何关系

| 1.4 遥感信息获取 |

1.3.6 地物发射特性

1.3.5 地物反射特性

1.3.4 大气传输窗口

1.3.3 黑体辐射

1.3.2 电磁辐射源

1.3.1 电磁辐射的基本概念

| 1.3 遥感信息源 |

1.2.4 遥感图像成像链及影响因素

1.2.3 典型遥感图像及应用

1.2.2 电磁波与电磁波谱

1.2.1 航空遥感与航天遥感

| 1.2 遥感图像及其成像链 |

1.1.4 数字图像处理技术

1.1.3 从静止图像到视频图像

1.1.2 从黑白图像到彩色图像

1.1.1 从连续图像到数字图像

| 1.1 图像及图像处理 |

第1章 绪论

前言

序

内容提要

版权

版权信息

封面

封面

版权信息

版权

内容提要

序

前言

第1章 绪论

| 1.1 图像及图像处理 |

1.1.1 从连续图像到数字图像

1.1.2 从黑白图像到彩色图像

1.1.3 从静止图像到视频图像

1.1.4 数字图像处理技术

| 1.2 遥感图像及其成像链 |

1.2.1 航空遥感与航天遥感

1.2.2 电磁波与电磁波谱

1.2.3 典型遥感图像及应用

1.2.4 遥感图像成像链及影响因素

| 1.3 遥感信息源 |

1.3.1 电磁辐射的基本概念

1.3.2 电磁辐射源

1.3.3 黑体辐射

1.3.4 大气传输窗口

1.3.5 地物反射特性

1.3.6 地物发射特性

| 1.4 遥感信息获取 |

1.4.1 遥感平台及载荷成像的几何关系

1.4.2 光学传感器成像

1.4.3 合成孔径雷达成像

| 1.5 遥感数据传输/接收链路 |

1.5.1 遥感数据发射系统

1.5.2 遥感数据接收系统

1.5.3 遥感图像处理系统

1.5.4 星上实时图像处理系统

| 1.6 遥感图像处理技术 |

1.6.1 遥感技术发展趋势及面临挑战

1.6.2 遥感图像处理及应用所涉及的技术

第2章 电磁特性及遥感成像

| 2.1 概述 |

| 2.2 光与视觉系统 |

2.2.1 光及光的物理特性

2.2.2 人类视觉系统

2.2.3 人类视觉系统对光亮度和颜色的感知

| 2.3 光学图像及其数字化描述 |

2.3.1 光学图像简化模型

2.3.2 模拟量采样

2.3.3 模拟量量化

2.3.4 数字图像表示及分析

| 2.4 遥感多波段图像及彩色合成 |

2.4.1 遥感多波段图像

2.4.2 多波段图像彩色合成

2.4.3 多波段图像可视化

2.4.4 多波段图像存储

| 2.5 光学成像系统模型与人工神经网络 |

2.5.1 点源及点扩展函数

2.5.2 光学成像系统调制传递函数

2.5.3 人工神经网络

第3章 图像变换与分解

| 3.1 信号及图像的正交分解 |

3.1.1 信号分解的基本原理

3.1.2 信号的时域分解

3.1.3 信号的变换域（频域）分解

3.1.4 二维图像分解

| 3.2 傅里叶变换 |

3.2.1 连续信号的傅里叶变换

3.2.2 离散序列的傅里叶变换

3.2.3 二维图像的离散傅里叶变换

| 3.3 主成分变换 |

| 3.4 离散余弦变换 |

| 3.5 短时傅里叶变换 |

| 3.6 小波变换 |

3.6.1 小波变换的定义及二进制小波

3.6.2 小波变换与信号多分辨率分解

3.6.3 二维图像的小波变换

第4章 遥感图像增强

| 4.1 遥感图像空间域变换增强 |

4.1.1 遥感图像对比度增强

4.1.2 遥感图像直方图增强

| 4.2 遥感图像空间域滤波增强 |

4.2.1 遥感图像平滑滤波与锐化滤波

4.2.2 遥感图像均值滤波与中值滤波

| 4.3 遥感图像频域滤波增强 |

4.3.1 低通滤波增强

4.3.2 高通滤波增强

4.3.3 同态滤波增强

| 4.4 彩色图像增强 |

4.4.1 伪彩色图像增强

4.4.2 真彩色图像增强和假彩色图像增强

第5章 遥感图像恢复

| 5.1 遥感图像降质及退化模型 |

5.1.1 遥感图像降质因素

5.1.2 遥感图像退化模型

| 5.2 无约束和有约束遥感图像恢复 |

5.2.1 无约束遥感图像恢复

5.2.2 有约束遥感图像恢复

| 5.3 遥感图像几何校正 |

5.3.1 多项式校正模型

5.3.2 图像灰度再采样

5.3.3 地面控制点提取与选择

第6章 遥感图像压缩编码

| 6.1 概述 |

6.1.1 图像压缩的必要性及遥感图像压缩的特殊性

6.1.2 遥感图像压缩的可行性

6.1.3 霍夫曼编码

6.1.4 图像压缩质量评价方法

| 6.2 经典图像压缩编码方法 |

6.2.1 图像预测压缩编码

6.2.2 图像变换压缩编码

6.2.3 图像矢量量化编码

| 6.3 基于JPEG 2000的遥感图像压缩编码 |

6.3.1 从JPEG到JPEG 2000

6.3.2 JPEG 2000图像压缩的基本原理

6.3.3 基于JPEG 2000的遥感图像压缩性能分析

| 6.4 基于光谱预测与空间变换的高光谱图像压缩编码 |

6.4.1 光谱维DPCM预测

6.4.2 光谱维双向预测

6.4.3 光谱维递归双向预测

6.4.4 基于光谱递归双向预测与空间JPEG压缩的高光谱图像压缩

第7章 遥感图像特征提取及描述

| 7.1 遥感图像空间特征提取 |

7.1.1 遥感图像几何形状特征提取

7.1.2 遥感图像统计特征提取

7.1.3 遥感图像纹理特征提取

| 7.2 遥感图像光谱特征提取 |

7.2.1 经典光谱指数特征

7.2.2 基于光谱曲线的光谱特征

| 7.3 遥感图像边缘检测 |

7.3.1 梯度边缘检测

7.3.2 Sobel边缘检测算子

7.3.3 Laplacian边缘检测算子

7.3.4 Marr边缘检测算子

| 7.4 遥感图像分割与闭合 |

7.4.1 经典遥感图像分割方法

7.4.2 最佳阈值选择

7.4.3 边缘/边界闭合方法

| 7.5 遥感图像特征提取应用技术 |

7.5.1 尺度不变特征变换

7.5.2 方向梯度直方图

7.5.3 基于线段检测算子的目标边缘提取

7.5.4 基于小波多分辨率分解的目标边缘提取

第8章 遥感图像分类

| 8.1 概述 |

8.1.1 遥感图像分类基本出发点及测度准则

8.1.2 最优分类器设计及费舍尔线性可分性分析

8.1.3 遥感图像分类评价准则

| 8.2 经典有监督遥感图像分类 |

8.2.1 最小距离分类器

8.2.2 最大似然分类器

8.2.3 基于机器学习的遥感图像分类

| 8.3 经典无监督遥感图像分类 |

8.3.1 分类测度准则

8.3.2 聚类算法

8.3.3 迭代自组织数据分析技术算法

8.3.4 迭代收敛准则

| 8.4 基于支持向量机的高光谱图像分类 |

8.4.1 基于支持向量机的高光谱图像分类原理

8.4.2 支持向量机的等效核函数映射

8.4.3 面向多类的高光谱图像分类

| 8.5 基于卷积神经网络的高光谱图像分类 |

8.5.1 基于卷积神经网络的高光谱图像分类原理

8.5.2 面向高光谱图像分类的卷积神经网络模型

8.5.3 3D-CNN模型在高光谱图像分类中的应用

第9章 遥感图像目标检测与识别

| 9.1 遥感图像目标检测 |

9.1.1 似然比检验

9.1.2 最大似然估计模型

9.1.3 高光谱图像目标检测

9.1.4 目标检测评价准则

| 9.2 高光谱图像异常目标检测 |

9.2.1 基于RX算法的高光谱图像异常目标检测

9.2.2 基于高阶矩的高光谱图像异常目标检测

| 9.3 高光谱图像解混及子像素目标识别 |

9.3.1 高光谱图像混合像素及混合模型

9.3.2 典型高光谱图像线性光谱解混

9.3.3 线性光谱混合模型与线性支持向量机模型的等效

9.3.4 基于光谱解混的子像素制图技术

9.3.5 广义线性光谱混合模型及解译

| 9.4 遥感图像目标区域分割 |

9.4.1 基于二维直方图的图像目标区域分割

9.4.2 基于图论的图像目标区域分割

9.4.3 基于梯度下降的图像目标区域分割

| 9.5 高光谱图像目标识别 |

9.5.1 基于空间特征的图像目标识别

9.5.2 基于光谱波形匹配的高光谱图像目标识别

9.5.3 基于空谱联合的高光谱图像目标识别

第10章 多源遥感图像解译及应用

| 10.1 遥感高光谱图像目标参数反演 |

10.1.1 遥感图像参数反演及其应用

10.1.2 基于光谱指数的高光谱图像植被参数反演

10.1.3 基于光谱曲线拟合的高光谱图像植被相对含水量参数反演

10.1.4 基于网络模型的相对含水量反演及精细分类

| 10.2 遥感热红外图像目标参数反演 |

10.2.1 遥感热红外波段大气辐射传输模型

10.2.2 遥感热红外波段温度和发射率特征

10.2.3 遥感热红外图像ASTER-TES算法

| 10.3 遥感合成孔径雷达图像目标参数反演 |

10.3.1 目标散射的极化描述

10.3.2 目标散射分解

10.3.3 基于散射分解的特征参数反演

| 10.4 遥感图像立体目标处理 |

10.4.1 遥感图像立体目标概念

10.4.2 典型遥感图像立体目标获取

10.4.3 基于3D-Zernike矩特征的遥感图像立体目标识别

| 10.5 多源遥感图像融合 |

10.5.1 多源遥感图像融合概述

10.5.2 多源遥感图像配准

10.5.3 基于主成分分析的多源遥感图像融合

10.5.4 基于小波变换的高光谱图像波段融合

参考文献