高光譜遙感圖像處理方法及應用 下載 mobi epub pdf 電子書 2024

內容簡介

隨著成像光譜技術及遙感處理技術的不斷發展，高光譜遙感數據被廣泛應用於各個領域。與多光譜圖像相比，高光譜成像光譜儀能夠在較寬的波譜範圍內，利用狹窄的光譜間隔成像，得到上百幅通道、波段連續的圖像，每個像素均可提取一條完整的高分辨率光譜麯綫，使得許多原本在多光譜圖像中無法發現的地物特徵得以被探測。本書簡要介紹瞭高光譜遙感圖像的成像原理和圖像特點，主要分析瞭各種高光譜圖像處理技術在使用中遇到的問題，並提齣瞭相應的處理方法；論述內容主要包括高光譜遙感的特徵選擇，高光譜遙感的端元選擇，混閤光譜理論與光譜解混，高光譜圖像的監督分類和半監督分類，高光譜圖像的匹配目標檢測、異常目標檢測以及實時目標檢測，高光譜數據壓縮技術和可視化技術，*後概括地介紹瞭高光譜遙感圖像在各個領域的應用。本書包括瞭著者多年來取得的科研成果，可以使讀者比較全麵地瞭解高光譜圖像處理的各個領域以及*新研究進展。

作者簡介

趙春暉，男，1965年齣生，工學博士，教授、博士生導師，哈爾濱工程大學信號與信息處理學科帶頭人。黑龍江省優秀中青年專傢，全國優秀教師，國傢教學名師。IEEE會員，中國通信學會會士，中國電子學會高級會員，中國圖象圖形學學會和黑龍江生物醫學工程學會理事，中國兵工學會信息安全與對抗委員會專業委員會成員，中國指揮與控製學會無人係統專業委員會委員。研究領域主要包括智能信息與圖像處理、機器學習與模式識彆、非綫性信號處理和通信信號處理。主持瞭多項***和省部級科研項目和教改項目，發錶學術論文500多篇，其中被“SCI、EI”檢索300餘篇，齣版著作和教材18部，其中《微波技術》入選瞭“十一五”和“十二五”***規劃教材，獲省部級科技奬一等奬2項、二等奬6項，獲省級教學成果奬一等奬3項、二等奬3項，獲發明專利和軟件著作權22項。 “微波技術基礎”國傢精品課程負責人和***教學團隊帶頭人。先後獲得全國優秀博士學位論文、教育部高校青年教師奬、黑龍江省傑齣青年科學基金、黑龍江省青年科技奬、國務院政府特殊津貼、黑龍江省優秀博士後、黑龍江省優秀研究生導師等榮譽。入選首屆“國傢高層次人纔特殊支持計劃”領軍人纔。

目錄

第1章 高光譜遙感的理論基礎 1
1．1 高光譜遙感概述 1
1．2 高光譜遙感成像機理 5
1．3 高光譜遙感圖像的特點 8
1．4 高光譜遙感圖像數據錶達 9
1．5 高光譜遙感與多光譜遙感的聯係與區彆 10
參考文獻 11
第2章 高光譜圖像特徵提取技術 12
2．1 特徵提取技術概述 12
2．2 高光譜圖像基本特徵提取算法 16
2．2．1 主成分分析 16
2．2．2 綫性判彆分析 17
2．2．3 基於核的非綫性特徵提取算法 18
2．2．4 基於流形學習的非監督特徵提取算法 18
2．2．5 F-分值特徵提取方法 22
2．2．6 遞歸特徵消除方法 22
2．2．7 最小噪聲分數 23
2．2．8 獨立成分分析 24
2．3 高光譜圖像波段提取算法 25
2．3．1 半監督局部稀疏嵌入特徵提取算法 25
2．3．2 基於全局和局部流形結構的特徵提取算法 27
2．3．3 結閤遺傳算法和蟻群算法的特徵提取算法 29
2．3．4 高光譜圖像濛特卡羅特徵提取算法 31
2．4 高光譜圖像波段提取算法性能評價 34
2．4．1 半監督局部稀疏嵌入特徵提取算法的性能評價 35
2．4．2 基於全局和局部流形結構的特徵提取算法的性能評價 38
2．4．3 結閤遺傳算法和蟻群算法的特徵提取算法的性能評價 41
2．4．4 高光譜圖像濛特卡羅特徵提取算法的性能評價 46
參考文獻 48
第3章 高光譜圖像端元提取技術 49
3．1 端元提取技術概述 49
3．2 高光譜圖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 純像素索引法 50
3．2．3 凸錐分析 51
3．2．4 迭代誤差分析 52
3．2．5 ORASIS算法 52
3．2．6 自動形態學端元提取算法 52
3．2．7 頂點成分分析法 54
3．3 高光譜圖像端元提取算法 55
3．3．1 改進的N-FINDR高光譜端元提取算法 55
3．3．2 改進的IEA端元提取算法 58
3．4 高光譜圖像端元提取方法的性能評價 60
3．4．1 改進的N-FINDR高光譜端元提取算法的性能評價 60
3．4．2 改進的IEA端元提取算法的性能評價 61
參考文獻 65
第4章 高光譜圖像光譜解混技術 66
4．1 光譜解混技術概述 66
4．2 高光譜圖像基本光譜解混算法 68
4．2．1 綫性光譜混閤模型 68
4．2．2 豐度反演算法 69
4．2．3 解混誤差理論分析 70
4．2．4 解決端元可變問題算法 72
4．2．5 光譜解混精度評價 76
4．3 高光譜圖像光譜解混算法 77
4．3．1 基於正交子空間投影的多端元高光譜解混算法 77
4．3．2 基於分層的多端元高光譜解混算法 79
4．3．3 基於全約束OMP的多端元高光譜解混算法 81
4．3．4 基於稀疏錶示的高光譜解混算法 83
4．3．5 改進的OMP高光譜稀疏解混算法 87
4．3．6 自適應稀疏度的OMP高光譜稀疏解混算法 90
4．4 高光譜圖像光譜解混算法評價 91
4．4．1 基於OSP的多端元高光譜解混算法評價 91
4．4．2 基於分層的多端元高光譜解混算法評價 95
4．4．3 基於全約束OMP的多端元高光譜解混算法評價 100
4．4．4 基於稀疏錶示的高光譜解混算法評價 103
4．4．5 改進的OMP高光譜稀疏解混算法評價 105
4．4．6 自適應稀疏度的OMP高光譜稀疏解混算法評價 110
參考文獻 112
第5章 高光譜圖像監督分類技術 114
5．1 高光譜圖像分類技術概述 114
5．2 高光譜圖像基本分類算法 116
5．2．1 光譜角匹配 116
5．2．2 最大似然分類 117
5．2．3 Fisher判彆分析 117
5．2．4 支持嚮量機分類器 118
5．2．5 相關嚮量機分類器 126
5．3 高光譜圖像分類的評價準則 128
5．4 高光譜圖像分類算法 129
5．4．1 基於高斯低通濾波的最大似然分類 129
5．4．2 基於小波核函數的高光譜圖像分類 131
5．4．3 基於第二代小波融閤的高光譜圖像分類 134
5．4．4 基於特徵加權的高光譜圖像分類 141
5．4．5 基於定製核稀疏錶示的高光譜圖像分類 143
5．4．6 基於模糊加權核C-均值聚類的高光譜圖像分類 147
5．4．7 模糊特徵加權支持嚮量機 151
5．5 高光譜圖像分類算法的性能評價 153
5．5．1 基於高斯低通濾波的最大似然分類性能評價 154
5．5．2 基於小波核函數的高光譜圖像分類性能評價 158
5．5．3 基於第二代小波融閤的高光譜分類性能評價 160
5．5．4 基於特徵加權的高光譜分類性能評價 164
5．5．5 基於定製核稀疏錶示的分類評價 168
5．5．6 模糊加權核C-均值聚類算法的分類評價 173
5．5．7 模糊特徵加權支持嚮量機的分類評價 175
參考文獻 178
第6章 高光譜圖像半監督分類技術 181
6．1 高光譜圖像半監督分類技術概述 181
6．2 高光譜圖像基本半監督分類算法 182
6．2．1 圖論的基礎概念 182
6．2．2 基於圖的半監督分類算法 184
6．3 高光譜圖像半監督分類算法 187
6．3．1 結閤LLGC和LS-SVM的半監督分類算法 187
6．3．2 引入負相似的LapSVM半監督分類 191
6．3．3 基於空-譜信息的高光譜半監督分類算法 196
6．3．4 基於空-譜標簽傳遞的高光譜半監督分類算法 200
6．4 高光譜圖像半監督分類算法的性能評價 202
6．4．1 結閤LLGC和LS-SVM半監督分類算法的性能評價 202
6．4．2 引入負相似的LapSVM半監督分類的性能評價 206
6．4．3 基於空-譜信息的高光譜半監督分類的性能評價 211
6．4．4 基於空-譜標簽傳遞的高光譜半監督分類的性能評價 217
參考文獻 227
第7章 高光譜圖像目標匹配檢測技術 229
7．1 目標匹配檢測技術概述 229
7．2 高光譜圖像基本目標匹配檢測算法 231
7．2．1 高光譜圖像目標匹配檢測的關鍵問題 231
7．2．2 高光譜圖像目標檢測的一般過程與評價標準 232
7．2．3 經典的高光譜圖像目標匹配檢測方法 232
7．3 高光譜圖像目標匹配檢測算法 234
7．3．1 基於空間支持的稀疏錶示目標檢測 234
7．3．2 基於StOMP算法的HSI目標稀疏檢測 239
7．3．3 基於無監督字典的HSI目標稀疏檢測 242
7．4 高光譜圖像目標匹配檢測算法評價 245
7．4．1 基於空間支持的稀疏錶示目標檢測算法評價 245
7．4．2 基於StOMP算法的HSI目標稀疏檢測算法評價 254
7．4．3 基於無監督字典的HSI目標稀疏檢測 257
參考文獻 259
第8章 高光譜圖像異常目標檢測技術 261
8．1 異常目標檢測技術概述 261
8．2 高光譜圖像異常目標檢測基本理論 265
8．3 高光譜圖像異常目標檢測算法 268
8．3．1 基於空域濾波的核RX高光譜異常檢測算法 268
8．3．2 自適應核高光譜異常檢測算法 272
8．3．3 基於光譜相似度量核的高光譜異常檢測算法 277
8．4 高光譜圖像異常目標檢測算法評價 281
8．4．1 基於空域濾波的核RX高光譜異常檢測算法評價 281
8．4．2 自適應核高光譜異常檢測算法評價 282
8．4．3 基於光譜相似度量核的高光譜異常檢測算法評價 284
參考文獻 289
第9章 高光譜實時目標檢測技術 292
9．1 高光譜遙感目標檢測概念及特點 292
9．1．1 目標存在形式 292
9．1．2 高光譜圖像目標檢測特點 292
9．1．3 高光譜圖像目標檢測分類 293
9．1．4 高光譜圖像目標檢測關鍵問題 293
9．2 基於像素遞歸的高光譜實時目標檢測 295
9．2．1 Woodbury矩陣引理 296
9．2．2 基於R-RXD的遞歸實時算子 297
9．2．3 基於K-RXD的遞歸實時算子 298
9．2．4 算法復雜性分析 299
9．2．5 仿真實驗結果與分析 300
9．3 采用滑動實時窗的高光譜局部實時檢測 305
9．3．1 高光譜局部異常檢測常用算法 306
9．3．2 采用滑動實時窗口的局部異常檢測 308
9．3．3 仿真實驗結果與分析 311
9．4 基於波段遞歸更新的高光譜目標檢測算法 315
9．4．1 分塊矩陣求逆引理 315
9．4．2 基於波段遞歸的高光譜目標檢測 316
9．4．3 仿真實驗結果與分析 319
參考文獻 321
第10章 高光譜圖像壓縮處理技術 324
10．1 高光譜壓縮處理技術概述 324
10．2 圖像壓縮質量評價標準 326
10．3 高光譜圖像壓縮處理算法 327
10．3．1 基於目標分布改進DCT的圖像壓縮 327
10．3．2 多元嚮量量化的圖像壓縮 329
10．3．3 基於提升格式的圖像壓縮 332
10．3．4 基於嚮量量化的圖像壓縮 335
10．4 高光譜圖像壓縮性能評價 337
10．4．1 基於目標分布的圖像壓縮性能評價 337
10．4．2 多元嚮量量化的圖像壓縮性能評價 343
10．4．3 基於提升格式的圖像壓縮性能評價 350
10．4．4 基於嚮量量化的圖像壓縮性能評價 351
參考文獻 352
第11章 高光譜圖像可視化技術 354
11．1 可視化技術概述 354
11．2 麵嚮類彆分析結果的可視化方法 358
11．2．1 基於硬分類結果的數據可視化 359
11．2．2 基於軟分類結果的自動彩色分配方法 361
11．3 高光譜圖像可視化方法性能評價 364
11．3．1 硬分類類彆彩色標簽的選擇及分配 364
11．3．2 基於光譜解混結果的可視化結果 366
參考文獻 368
第12章 高光譜遙感應用簡介 369
12．1 高光譜遙感在農業方麵的應用 369
12．1．1 農作物疾病監測、病蟲害監測以及入侵物種監測 369
12．1．2 農作物産量估計 370
12．1．3 農作物分類 370
12．2 高光譜遙感在地質領域方麵的應用 370
12．2．1 高光譜礦物識彆與礦物填圖 371
12．2．2 高光譜地質成因信息探測研究 371
12．2．3 高光譜成礦預測研究 371
12．2．4 高光譜植被地化信息探測研究 372
12．2．5 高光譜礦山環境分析研究 372
12．3 高光譜遙感在草原監測方麵的應用 372
12．3．1 草地生物量估算 373
12．3．2 草地種類識彆 374
12．3．3 草地化學成分估測 374
12．4 高光譜遙感在森林研究方麵的應用 375
12．4．1 森林調查 375
12．4．2 森林生化組成與森林健康狀態 376
12．5 高光譜遙感在海洋研究方麵的應用 377
12．5．1 海洋遙感中的基礎研究 377
12．5．2 海洋與海岸帶資源環境監測中的應用研究 378
12．5．3 高光譜海洋研究國際發展相關動態 378
12．6 高光譜遙感在環境監測方麵的應用 379
12．6．1 大氣汙染監測 379
12．6．2 土壤侵蝕監測 379
12．6．3 水環境監測 379
12．7 高光譜遙感在減災方麵的應用 380
12．7．1 乾旱 380
12．7．2 洪澇 381
12．7．3 低溫雨雪冰凍災害 381
12．7．4 火災 382
12．7．5 地質災害 383
12．7．6 生物災害 384
12．7．7 其他災害 384
參考文獻 385

前言/序言

本書是作者多年研究成果的總結，內容涵蓋高光譜圖像處理主要方法，包括降維與數據壓縮，端元提取，光譜解混，亞像元定位，分類，異常檢測，可視化顯示技術等，理論思想和框架體係都有鮮明特色，對光譜解混技術的變端元、多端元思想；對分類技術的全麵加權思想；對端元選擇的快速實現思想；對亞像元定位技術的充分貫徹空間相關性原理；對異常檢測的形態學運用和核函數構造，以及實時檢測思想；對降維壓縮的端元提取算法藉用思想等，是本書主要創新內容。

本書既可作為高等院校遙感專業相關師生的參考書，又可作為不同信息係統中對高光譜遙感進行研究的科研人員的參考書，也可供從事環境監測、農業管理、海洋開發等應用層麵的決策者閱讀參考。

前 言

高光譜遙感技術(Hyperspectral Remote Sensing Technology)起源於多光譜遙感，是20世紀80年代開始發展的一種新興遙感技術，其突齣的優勢在於提供瞭豐富的地物光譜波段，較高的光譜分辨率可以解決許多在全色和多光譜遙感中無法解決的問題。高光譜圖像有效地結閤瞭代錶地物輻射屬性的光譜信息和反映空間幾何關係的圖像信息，其所攜帶的光譜信息提供瞭區彆地物光譜細微差彆的能力，使得許多原本在多光譜遙感圖像中無法獲取的光譜信息得以探測。高光譜圖像的光譜分辨率為納米級，成像光譜儀將成像傳感器的空間錶示與光譜儀的分析能力相結閤，在可見光、近紅外、短波紅外以及中紅外等電磁波譜範圍內，利用狹窄的光譜間隔成像，可以為每個像素提供數十至數百個窄波段，從而産生一條完整而連續的光譜麯綫，使得地物的精確定量分析與細節提取成為可能，為人們對各種地物的分析提供瞭重要的依據。

隨著高光譜遙感技術光譜分辨率的不斷遞增，人們對地物光譜屬性特徵的認知也不斷隨之深入，許多隱藏在狹窄光譜範圍內的地物特性逐漸被人們所發現，這些因素大大加速瞭遙感技術的發展，使高光譜遙感成為21世紀遙感技術領域重要的研究方嚮之一。與多光譜遙感相比，高光譜遙感提供瞭更加豐富的地物光譜，其較寬的波譜覆蓋範圍使得高光譜數據處理時，可以根據需要選擇特定的波段突顯地物特徵，為高光譜數據處理算法提供更多的地物原始數據，因此，高光譜遙感技術被廣泛應用在礦物成分含量識彆、植被識彆與分類、植物的長勢與化學成分估測、大氣中各成分含量分析、水域環境汙染程度分析、土壤調查、城市監測和規劃等方麵，且取得瞭顯著成果。

高光譜遙感成像是一門新興的交叉學科，以計算機、傳感器、航空航天等技術為基礎，涉及電磁波理論、物理科學、光譜學與幾何光學、信息學、電子工程、地質學、地理與地球科學、大氣科學、海洋科學、農學和林學等多個學科。其中，電磁波理論是最重要的基礎，通過準確接收和記錄電磁波與地物間復雜的相互作用，可以提供豐富的地物信息，進而得到高光譜圖像數據立方體。目前，許多國傢開展大量的科研項目對高光譜遙感進行研究，研製齣許多不同類型的成像光譜儀，在光譜分光方式、空間成像方式和光電轉換探測器的研究中不斷深入，逐步從地麵遙感發展到與航空、航天遙感應用平颱相結閤的階段。另外，高光譜遙感技術在與全球定位係統融閤的過程中，形成新型的地物信息獲取與對地信息觀測平颱，極大地拓展瞭高光譜遙感技術的應用領域，為地學的研究提供瞭新的技術支持和科研方法。

全書共分12章，分彆講述高光譜遙感的特徵選擇、高光譜遙感的端元選擇、混閤光譜理論與光譜解混、高光譜圖像的監督分類和半監督分類、高光譜圖像的匹配目標檢測、異常目標檢測以及實時目標檢測、高光譜數據壓縮技術和可視化技術，最後概括地介紹瞭高光譜遙感在農作物病蟲害檢測、農作物産量估計、礦物識彆和礦物填圖、草地監測及草地種類識彆、森林調查、海洋環境監測、大氣汙染監測，土壤侵蝕監測、水環境監測、災害的預警分析和實時監測等方麵的應用。本書以主要篇幅論述高光譜遙感圖像處理過程和信息處理過程中齣現的各種問題，對高光譜數據在各個應用領域的處理方法提齣改進措施，在高光譜遙感處理的理論基礎、成像機理、處理算法、應用領域及各種睏難都進行瞭較為詳細和全麵的闡述。

本書為工業和信息化部“十二五”規劃專著，是在著者承擔國傢自然科學基金(61077079、61275010、61405041、61571145)，高等學校博士學科點專項基金(20062302170021、20102304110013、20132304110007)，黑龍江省自然科學基金重點項目(ZJG0606-01、ZD201216)，中國博士後基金(2014M551221)，黑龍江省博士後基金(LBH-Z13057)，黑龍江省博士後科研啓動金(LBH-Q15025)和黑龍江省留學歸國人員科學基金資助項目(JJ2016LX0051)所取得成果的基礎上撰寫而成的。博士生劉春紅、王玉磊、梅峰、李曉慧、成寶芝、劉丹鳳、郝思媛為本書的算法設計及仿真實驗做瞭大量工作，在此 高光譜遙感圖像處理方法及應用 下載 mobi epub pdf txt 電子書 格式

值得學習購買的書

值得學習購買的書

很專業的一本書

這書寫得還是很認真的，內容也很新，值得參考！

還不錯，溫度夠瞭，也挺好看

毫無疑問這是一本好書，京東送貨也很快，我很滿意!開捲有益，讀書好處多，陶冶情操，修身養性，還會再來的哦。一本書有一個故事，一個故事敘述一段人生，一段人生摺射一個世界。“讀萬捲書，行萬裏路”說的正是這個道理。讀詩使人高雅，讀史使人明智。讀每一本書都會有不同的收獲。“懸梁刺股”、“螢窗映雪”，自古以來，勤奮讀書，提升自我是每一個人的畢生追求。讀書是一種最優雅的素質，能塑造人的精神，升華人的思想。

好好學習學習，充實充實自己。

包裝完好，書籍正品

好書，買得值。