(1)以航空航天领域对遥感图像处理需求为牵引，理论和实际应用相结合 遥感探测图像信息的最终目的是服务于人类，满足人们的应用需求。在实际应用中，无论是遥感系统设计、还是处理算法研究等都离不应用需求的约束，二者之间相互依赖、相互关联、相互制约。本书以航空航天领域对遥感图像处理需求为牵引，采用理论和实际应用相结合的方式行结构安排，在增加遥感图像处理技术实用性的同时，也避免了其处理算法介绍的空洞性。
售 价：¥
纸质售价：¥111.40购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
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
书中彩图
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
