高光譜圖像處理技術

《高光譜圖像處理技術》可作為高等院校遙感、測繪、地理信息系統等專業的本科生、研究生的參考用書，也可供相關領域不同層次的研究人員參閱。

基本介紹

• 書名：高光譜圖像處理技術
• ISBN：9787118086461
• 頁數：251
• 定價：79.00元
• 出版時間：2013-5

內容介紹

王立國、趙春暉編著的《高光譜圖像處理技術》共分9章。首尾兩章對高光譜遙感的基本理論、高光譜遙感主要處理技術的發展現狀、高光譜遙感的套用進行了簡單的介紹，便於不同需求的讀者參閱。第2～8章是以著者近年來的研究成果為主體內容，將高光譜圖像的主要處理技術，即分類、端元提取、光譜解混、亞像元定位、超解析度復原、異常檢測、降維壓縮等進行了系統的整理和詳盡的闡釋，旨在為讀者提供一個較完整的框架和較新穎的內容。

基本信息

書名高光譜圖像處理技術

書號978-7-118-08646-1

作者王立國

出版時間2014年4月

譯者

版次1版1次

開本16

裝幀精裝

出版基金國防科技圖書出版基金

頁數251

字數311

中圖分類TP75

叢書名

定價79.00

目錄

第1章高光譜遙感基本理論及主要處理技術1
1.1高光譜遙感基本理論1
1.1.1遙感電磁波理論基礎1
1.1.2太陽輻射與物質的相互作用2
1.1.3成像光譜儀及其成像方式2
1.1.4高光譜圖像的數據特點5
1.2高光譜圖像分類技術7
1.2.1監督分類與非監督分類7
1.2.2參數分類與非參數分類9
1.2.3確定性分類與非確定性分類10
1.2.4其他分類方法10
1.3高光譜圖像端元選擇技術11
1.4高光譜圖像光譜解混技術13
1.4.1非線性模型14
1.4.2線性模型14
1.4.3線性模型的多端元模式18
1.5高光譜圖像亞像元定位技術18
1.5.1基於空間相關性的亞像元定位20
1.5.2基於空間地統計學的亞像元定位21
1.5.3基於神經網路的亞像元定位22
1.5.4基於像元交換的亞像元定位23
1.6高光譜圖像超解析度技術25
1.7高光譜圖像異常檢測技術27
1.8高光譜圖像降維與壓縮技術29
1.8.1關於降維：波段選擇與特徵提取29
1.8.2關於壓縮：有損壓縮與無損壓縮32
參考文獻33
第2章高光譜圖像分類技術34
2.1典型分類方法34
2.2典型評價準則36
2.3SVM分類方法37
2.3.1理論基礎38
2.3.2分類原理39
2.3.3最簡多類分類器的構造45
2.3.4最小二乘SVM及其SMO最佳化算法48
2.3.5三重加權分類方法50
2.4SVM分類性能的評價54
2.4.1基本SVM分類性能評價55
2.4.2最簡多類分類器性能評價56
2.4.3三重加權分類性能評價57
2.5本章小結59
參考文獻59
第3章高光譜圖像光譜端元選擇技術61
3.1N-FINDR光譜端元選擇算法61
3.1.1相關理論介紹61

3.1.2N-FINDR算法63
3.2基於距離尺度的快速N-FINDR算法64
3.2.1距離尺度替換體積尺度65
3.2.2基於PPI思想的數據排序66
3.2.3複雜性分析和效率評價67
3.3基於線性LSSVM的距離測算67
3.4光譜端元選擇的魯棒性方法68
3.4.1預處理階段：魯棒協方差矩陣的獲取69
3.4.2光譜端元選擇階段：野值點的去除70
3.5性能評價71
3.5.1基於距離尺度的快速N-FINDR算法71
3.5.2魯棒性評價72
3.6快速N-FINDR算法的兩個套用76
3.6.1構建LSMM新的求解算法76
3.6.2構建快速無監督波段選擇算法77
3.7本章小結80
參考文獻81
第4章高光譜圖像光譜解混技術82
4.1基於LSMM的LSMA方法82
4.2全約束LSMA的兩種新型求解方法84
4.2.1疊代求解中的參量替換方法84
4.2.2幾何求解方法85
4.3基於LSVM的光譜解混原理88
4.3.1LSVM與LSMM的解混等效性證明88
4.3.2LSVM解混的獨特優勢89
4.4結合空間信息的光譜解混方法90
4.5帶有解混殘差約束條件的SVM光譜解混模型92
4.5.1基於原始LSSVM的光譜解混92
4.5.2基於解混殘差約束LSSVM的解混模型的建立及其閉式解的推導94
4.5.3新模型中單端元替換為多端元的方法96
4.6性能評價97
4.6.1基本SVM光譜解混性能評價97
4.6.2魯棒性加權SVM解混評價99
4.6.3結合空譜信息的解混方法評價101
4.6.4帶有解混誤差約束的新型SVM解混模型的性能評價103
4.7光譜解混的模糊精度評價方法105
4.7.1模糊精度評價方法105
4.7.2模糊精度評價方法在具體實驗中的套用108
4.8本章小結113
參考文獻113

第5章高光譜圖像亞像元定位技術115
5.1基於LSSVM的線性特徵地物亞像元定位技術117
5.1.1基於LSSVM的亞像元定位技術117
5.1.2人工合成訓練樣本的方法119
5.2基於空間引力模型的亞像元定位方法121
5.2.1基於修正的亞像元/像元空間引力模型的亞像元定位121
5.2.2基於混合空間引力模型的亞像元定位124
5.3結合MRF和亞像元位移遙感影像的亞像元定位128
5.3.1基於MRF的亞像元定位128
5.3.2結合MRF和亞像元位移遙感影像的亞像元定位131
5.4性能評價134
5.4.1基於LSSVM的線性特徵地物亞像元定位134
5.4.2MSPSAM和MSAM137
5.4.3結合MRF和亞像元位移遙感影像的亞像元定位142
5.5本章小結145
參考文獻146
第6章高光譜圖像超解析度技術148
6.1基於POCS算法的超解析度復原148
6.1.1POCS基本理論148
6.1.2基於POCS算法的超解析度復原150
6.2基於MAP算法的超解析度復原153
6.2.1MAP基本理論153
6.2.2基於MAP算法的超解析度復原156
6.3單譜段圖像的解析度提高方法157
6.3.1幾何對偶模型的建立與插值方法157
6.3.2混合插值方法160
6.4性能評價162
6.4.1POCS和MAP超解析度方法162
6.4.2對偶性插值方法166
6.5本章小結170
參考文獻171
第7章高光譜圖像異常檢測技術172
7.1基於形態學理論的核檢測算法172
7.1.1基於形態學的波段選擇172
7.1.2基於形態學的核RX算法175
7.2自適應核異常檢測算法177
7.2.1支持向量數據描述方法178
7.2.2自適應核異常檢測算法180
7.3核異常檢測中光譜相似度量核的構造185
7.3.1高斯徑向基核的局限性185

7.3.2光譜相似度量核函式186
7.4性能評價189
7.4.1基於形態學的核檢測算法效果驗證189
7.4.2自適應核異常檢測算法效果驗證192
7.4.3基於光譜相似度量核的異常檢測算法效果驗證195
7.5其他異常檢測算法簡介199
7.5.1基於空域濾波的核RX高光譜異常檢測算法199
7.5.2基於多層視窗分析的核檢測算法201
7.6本章小結205
參考文獻205
第8章高光譜圖像降維及壓縮技術207
8.1降維技術207
8.1.1基於SVM的波段選擇207
8.1.2典型端元選擇方法在波段選擇中的套用211
8.1.3仿真實驗213
8.2壓縮技術215
8.2.1基於矢量量化的壓縮算法215
8.2.2基於提升格式的壓縮算法219
8.3本章小結224
參考文獻225

第9章高光譜遙感套用簡介226
9.1農業226
9.1.1小麥226
9.1.2水稻227
9.1.3大豆227
9.1.4玉米228
9.2森林228
9.2.1森林調查228
9.2.2森林生化組成與森林健康狀態230
9.2.3森林災害231
9.2.4外來物種監測232
9.3草地232
9.3.1草地生物量估算232
9.3.2草地種類識別233
9.3.3草地化學成分估測234
9.4海洋235
9.4.1海洋遙感中的基礎研究235
9.4.2海洋與海岸帶資源環境監測中的套用研究236
9.4.3國際相關發展動態236

9.5地質237
9.5.1岩礦識別237
9.5.2資源勘查238
9.6環境241
9.6.1大氣污染監測241
9.6.2土壤侵蝕監測241
9.6.3水環境監測242
9.7軍事242
參考文獻244
附錄1本書主要符號及縮寫說明245
附錄2著者主要相關文章246