遙感圖像智慧型分類及其套用

《遙感圖像智慧型分類及其套用》是2011年11月1日電子工業出版社出版的圖書，作者是羅小波。本書主要介紹了遙感科學的基礎理論知識和遙感圖像分類的方法技巧。

基本介紹

• 書名：遙感圖像智慧型分類及其套用
• 作者：羅小波
• ISBN：9787121058080
• 頁數：275頁
• 出版社：電子工業出版社
• 出版時間：2011年11月1日
• 裝幀：平裝
• 開本：32

內容簡介

《遙感圖像智慧型分類及其套用》是作者多年在人工智慧理論與遙感信息理論學科交叉領域的實踐，不斷探索所取得的成果總結。《遙感圖像智慧型分類及其套用》圍繞遙感圖像分類這一主線，從基於像素的分類、基於目標的分類、混合像元分解這三大部分，構建完整的遙感圖像分類體系。在理論研究的基礎之上，結合實例，詳細介紹了新興智慧型算法及其在遙感分類處理中的套用情況。

全書主要內容包括遙感圖像聚類分析、基於神經網路的遙感圖像分類、基於支持向量機的遙感圖像分類、基於粗糙集的遙感圖像分類，以及面向對象的遙感圖像分類、混合像元分解等內容。

目錄

第1章 緒論

1.1 遙感技術概述

1.1.1 相關概念

1.1.2 遙感技術的發展與套用

1.1.3 遙感圖像分類的意義

1.2 遙感圖像分類主要數據源

1.2.1 中低解析度衛星數據

1.2.2 高解析度衛星數據

1.2.3 高光譜衛星數據

1.2.4 雷達衛星數據

1.3 遙感圖像分類使用的主要特徵

1.3.1 光譜特徵

1.3.2 紋理特徵

1.3.3 空間形狀特徵

1.3.4 高程特徵

1.4 遙感圖像分類現狀及存在的問題

1.4.1 基於像元分類

1.4.2 混合像元分解

1.4.3 面向對象分類

1.4.4 遙感圖像分類所存在的問題

1.5 遙感圖像智慧型分類研究 思路與本書結構安排

1.6 本章總結

參考文獻

第2章 遙感圖像分類基礎與傳統分類方法

2.1 遙感圖像分類概述

2.2 特徵變換

2.2.1 主分量變換

2.2.2 最小噪聲分離變換

2.3 最大似然監督分類

2.3.1 監督分類的基本過程

2.3.2 最大似然監督分類算法

2.3.3 訓練樣本的選取與純化

2.4 ISODATA非監督分類

2.5 分類精度評價

2.6 本章總結

參考文獻

第3章 基於神經網路的遙感圖像分類

3.1 人工神經網路遙感分類概述

3.2 BP神經網路遙感影像分類

3.2.1 BP網路基本理論

3.2.2 基於遺傳算法最佳化的網路學習算法

3.2.3 BP神經網路遙感分類模型

3.2.4 實驗與精度評價

3.2.5 小結

3.3 RBF神經網路遙感影像分類

3.3.1 RBF網路基本理論

3.3.2 網路結構簡化與RBF中心最佳化

3.3.3 實驗與精度評價

3.3.4 小結

3.4 自組織神經網路遙感影像分類

3.4.1 Kohonen神經網路基礎

3.4.2 基於Kohonen網路的遙感監督分類模型

3.4.3 實驗與精度評價

3.5 自適應共振神經網路遙感影像分類

3.5.1 ART1神經網路學習過程

3.5.2 ART1神經網路的具體算法

3.5.3 自適應共振網路在高光譜中的套用

3.5.4 實驗與精度評價

3.6 本章總結

參考文獻

第4章 基於支持向量機 的遙感圖像分類

4.1 支持向量機發展概述

4.2 統計學習理論和支持向量機

4.2.1 統計學習理論

4.2.2 支持向量機

4.2.3 改進核函式及高光譜圖像分類仿真實驗

4.2.4 小結

4.3 最小二乘支持向量機高光譜圖像分類

4.3.1 LS-SVM的原理

4.3.2 LS-SVM的訓練樣本選擇以及模型參數選擇

4.3.3 雙邊加權LS-SVM

4.3.4 仿真實驗

4.3.5 小結

4.4 多類支持向量機圖像分類

4.4.1 多類支持向量機

4.4.2 各種多類SVM的性能對比

4.4.3 仿真實驗

4.4.4 小結

4.5 基於模糊SVM的高光譜圖像分類

4.5.1 多類支持向量機存在的局限性

4.5.2 模糊集的基本概念

4.5.3 基於1-v-1SVM的模糊支持向量機

4.5.4 仿真實驗

4.5.5 小結

4.6 本章總結

參考文獻

第5章 面向對象的遙感圖像分類

5.1 面向對象的遙感圖像分類概述

5.2 多尺度影像分割

5.2.1 基於區域的影像分割

5.2.2 多尺度影像分割

5.3 模糊分類

5.3.1 模糊理論基礎

5.3.2 基於多特徵的模糊分類模型

5.4 實例研究

5.4.1 數據源概況

5.4.2 基於像元的最大似然分類

5.3.3 面向對象分類

5.4.4 二者分類度比較與分析

5.5 本章總結

參考文獻

第6章 遙感圖像混合像元分解

6.1 混合像元分解概述

6.2 混合像元分解模型

6.2.1 光譜混合的成像機理

6.2.2 概念的提出

6.2.3 光譜混合模型

6.3 線性模型及其混合像元分解

6.3.1 線性光譜混合模型

6.3.2 端元組分確定

6.3.3 端元提取算法

6.3.4 實例研究

6.3.5 小結

6.4 基於數學形態學的端元提取算法

6.4.1 數學形態學概述

6.4.2 數學形態學的基本原理與運算

6.4.3 基於數學形態學的端元提取

6.4.4 不同方法分解結果比較

6.4.5 小結

6.5 本章總結

參考文獻