本书在国内外相关研究的基础上,结合作者所在团队十多年来取得的研究成果,讨论和介绍高光谱影像处理与分析的理论和技术。全书共12章,内容涉及高光谱遥感影像处理与分析的背景要求、基础理论、关键技术和应用范例。

upload/chinese_2025_10/sciencereading1/BA5317CE7C9EE42DB84BE7B2B61720399000.pdf

Gao guang pu ying xiang fen xi yu ying yong

Yu Xuchu, Feng Wufa, Yang Guopeng, Chen Wei zhu

TeX output 2013.05.21:1131

余旭初, 冯五法, 杨国鹏, 陈伟著; 余旭初

Ke xue chu ban she

Science Press

Di qiu guan ce yu dao hang ji zhu cong shu, Bei jing, 2013

China, People's Republic, China

1, 地球观测与导航技术丛书, 2013-05

producers:
dvipdfmx (20030313), Copyright 漏 2002 by Jin-Hwan Cho and Shunsaku Hirata, Copyright 漏 1998, 1999 by Mark A. Wicks (as-gbk-encoding)

Guo jia chu ban ji jin xiang mu.

Bookmarks: p1 (p1): 第1章 绪论
p1-1 (p1): 1.1对地观测体系中的高光谱遥感技术
p1-2 (p4): 1.2高光谱遥感与地理空间信息获取
p1-3 (p6): 1.3高光谱影像处理与分析
p2 (p11): 第2章 地物光谱特征及探测要求
p2-1 (p11): 2.1植被的光谱特征
p2-1-1 (p11): 2.1.1植被光谱的基本特征
p2-1-2 (p11): 2.1.2植被光谱的特征参数
p2-1-3 (p12): 2.1.3影响植被光谱特征的因素
p2-1-4 (p14): 2.1.4绿色涂料与植被光谱的区别
p2-2 (p15): 2.2土壤岩石的光谱特征
p2-2-1 (p15): 2.2.1土壤的光谱特征
p2-2-2 (p18): 2.2.2岩石的光谱特征
p2-3 (p19): 2.3人工地物的光谱特征
p2-3-1 (p19): 2.3.1建筑物顶部材料的光谱特征
p2-3-2 (p20): 2.3.2道路铺面材料的光谱特征
p2-4 (p20): 2.4陆地水体的光谱特征
p2-4-1 (p21): 2.4.1清洁水体的光谱特征
p2-4-2 (p21): 2.4.2含沙量对水体反射光谱特征的影响
p2-4-3 (p22): 2.4.3叶绿素浓度对水体反射光谱特征的影响
p2-4-4 (p22): 2.4.4水体不同深度的光谱反射特征
p2-4-5 (p23): 2.4.5雪的光谱反射特征
p2-5 (p23): 2.5海部要素的光谱特征
p2-5-1 (p23): 2.5.1海水的光谱特征
p2-5-2 (p24): 2.5.2海岸带植被的光谱特征
p2-5-3 (p25): 2.5.3海岸基岩和滩涂的光谱特征
p2-6 (p25): 2.6高光谱影像地物属性探测要求
p2-6-1 (p25): 2.6.1植被探测要求
p2-6-2 (p26): 2.6.2土壤岩石的探测要求
p2-6-3 (p27): 2.6.3人工地物的探测要求
p2-6-4 (p27): 2.6.4 陆地水体和冰川的探测要求
p2-6-5 (p28): 2.6.5海部要素的探测要求
p3 (p30): 第3章 高光谱成像系统
p3-1 (p30): 3.1高光谱遥感成像机理
p3-1-1 (p30): 3.1.1光学探测
p3-1-2 (p31): 3.1.2空间扫描
p3-1-3 (p32): 3.1.3光谱分光
p3-2 (p34): 3.2成像光谱仪发展现状
p3-2-1 (p34): 3.2.1国外的成像光谱仪系统
p3-2-2 (p37): 3.2.2国内的成像光谱仪系统
p3-3 (p38): 3.3成像光谱仪定标
p3-3-1 (p39): 3.3.1光谱定标
p3-3-2 (p39): 3.3.2辐射定标
p3-3-3 (p41): 3.3.3几何定标
p3-4 (p43): 3.4高光谱遥感数据特点
p3-4-1 (p43): 3.4.1立方体结构
p3-4-2 (p43): 3.4.2数据描述模型
p4 (p45): 第4章 高光谱影像校正技术
p4-1 (p45): 4.1太阳辐射及大气传输特性
p4-1-1 (p45): 4.1.1太阳辐射
p4-1-2 (p46): 4.1.2大气对电磁波传输过程的影响
p4-1-3 (p48): 4.1.3辐射传输方程
p4-2 (p49): 4.2高光谱影像的辐射误差
p4-2-1 (p49): 4.2.1传感器的灵敏度特性引起的辐射误差
p4-2-2 (p49): 4.2.2光照条件差异引起的辐射误差
p4-2-3 (p50): 4.2.3大气条件不同引起的辐射误差
p4-3 (p51): 4.3基于定标参数的辐射校正
p4-3-1 (p51): 4.3.1辐射校正参数获取
p4-3-2 (p51): 4.3.2影像辐射校正方法
p4-4 (p52): 4.4高光谱影像大气辐射校正
p4-4-1 (p52): 4.4.1基于辐射传输理论的大气辐射校正
p4-4-2 (p53): 4.4.2利用影像数据进行反射率反演
p4-4-3 (p54): 4.4.3借助地面特殊地物的光谱反射率方法
p4-5 (p55): 4.5高光谱影像的几何特性
p4-5-1 (p55): 4.5.1几何成像模型
p4-5-2 (p59): 4.5.2影像几何变形
p4-6 (p60): 4.6高光谱影像几何校正
p4-6-1 (p60): 4.6.1几何校正的一般方法
p4-6-2 (p63): 4.6.2基于POS的几何校正
p5 (p68): 第5章 地物光谱数据库技术
p5-1 (p68): 5.1概述
p5-1-1 (p68): 5.1.1地物光谱数据库的概念
p5-1-2 (p68): 5.1.2地物光谱数据库的地位和作用
p5-1-3 (p69): 5.1.3地物光谱数据库建设流程
p5-2 (p69): 5.2光谱数据库研究现状
p5-2-1 (p69): 5.2.1国外光谱数据库研究现状
p5-2-2 (p72): 5.2.2国内地物光谱数据库研究进展
p5-3 (p73): 5.3地物光谱数据库系统设计
p5-3-1 (p73): 5.3.1系统应用要求分析
p5-3-2 (p74): 5.3.2系统设计原则
p5-3-3 (p74): 5.3.3系统内容设计
p5-3-4 (p75): 5.3.4系统结构设计
p5-3-5 (p76): 5.3.5系统功能设计
p5-4 (p77): 5.4地物光谱数据获取
p5-4-1 (p77): 5.4.1实验室光谱测量
p5-4-2 (p78): 5.4.2地面光谱测量
p5-4-3 (p80): 5.4.3遥感影像提取法
p6 (p82): 第6章 光谱特征分析与匹配
p6-1 (p82): 6.1光谱特征增强与定量分析
p6-1-1 (p82): 6.1.1光谱特征增强方法
p6-1-2 (p84): 6.1.2光谱特征参量化
p6-2 (p86): 6.2光谱相似性测度
p6-2-1 (p86): 6.2.1几何空间测度
p6-2-2 (p88): 6.2.2概率空间测度
p6-2-3 (p89): 6.2.3变换空间测度
p6-2-4 (p90): 6.2.4综合相似性测度
p6-2-5 (p91): 6.2.5分类试验
p6-3 (p94): 6.3光谱匹配技术
p6-3-1 (p94): 6.3.1编码匹配
p6-3-2 (p95): 6.3.2光谱角度匹配
p6-3-3 (p95): 6.3.3交叉相关光谱匹配
p6-3-4 (p97): 6.3.4匹配滤波技术
p6-4 (p97): 6.4尺度空间匹配技术
p6-4-1 (p97): 6.4.1尺度空间理论
p6-4-2 (p99): 6.4.2波峰特征提取
p6-4-3 (p99): 6.4.3匹配算法
p6-5 (p100): 6.5决策树匹配分类
p6-5-1 (p100): 6.5.1决策树分类方法
p6-5-2 (p100): 6.5.2光谱匹配的层次分析模型
p6-5-3 (p101): 6.5.3应用实例
p7 (p105): 第7章 高光谱影像统计模式分类
p7-1 (p105): 7.1高光谱影像的模式分类原理
p7-1-1 (p105): 7.1.1模式识别的概念和方法
p7-1-2 (p105): 7.1.2统计模式识别一般过程
p7-2 (p107): 7.2 Bayes统计决策分类
p7-2-1 (p107): 7.2.1基本决策规则
p7-2-2 (p109): 7.2.2正态分布下的极大似然法分类
p7-3 (p111): 7.3 Bayes非参数决策分类
p7-3-1 (p111): 7.3.1 Fisher线性判别法
p7-3-2 (p113): 7.3.2 Fisher判别函数的训练
p7-3-3 (p117): 7.3.3 Fisher分段线性判别函数
p7-4 (p118): 7.4聚类分析法与非监督分类
p7-4-1 (p119): 7.4.1聚类准则
p7-4-2 (p120): 7.4.2 K-均值聚类法
p7-4-3 (p121): 7.4.3 ISODATA聚类法
p7-4-4 (p123): 7.4.4基于核构造的动态聚类法
p7-5 (p125): 7.5人工神经网络分类
p7-5-1 (p125): 7.5.1多层感知器
p7-5-2 (p127): 7.5.2 BP算法
p7-5-3 (p128): 7.5.3径向基函数网络
p7-5-4 (p130): 7.5.4 Kohonen网络
p8 (p132): 第8章 光谱特征选择与提取
p8-1 (p132): 8.1高维光谱特征分析基础
p8-1-1 (p132): 8.1.1高维特征空间样本分布
p8-1-2 (p134): 8.1.2“维数灾难”现象
p8-1-3 (p135): 8.1.3波段间相关性分析
p8-2 (p136): 8.2类别可分性准则
p8-2-1 (p136): 8.2.1基本特性
p8-2-2 (p137): 8.2.2类内类间距离准则
p8-2-3 (p138): 8.2.3概率距离准则
p8-2-4 (p140): 8.2.4信息熵准则
p8-3 (p141): 8.3基于类别可分性的特征提取
p8-3-1 (p142): 8.3.1依类内类间距离准则的特征提取
p8-3-2 (p143): 8.3.2依概率距离准则的特征提取
p8-3-3 (p145): 8.3.3依信息熵准则的特征提取
p8-4 (p146): 8.4基于信息压缩的特征提取
p8-4-1 (p146): 8.4.1主成分分析
p8-4-2 (p149): 8.4.2噪声分离变换
p8-5 (p150): 8.5独立成分分析特征提取
p8-5-1 (p151): 8.5.1模型估计方法
p8-5-2 (p154): 8.5.2快速ICA算法
p8-6 (p156): 8.6投影寻踪特征提取
p8-6-1 (p157): 8.6.1投影指标
p8-6-2 (p158): 8.6.2基于PP的高光谱影像特征提取
p8-7 (p158): 8.7非线性特征提取方法
p9 (p160): 第9章 高光谱影像核方法分析
p9-1 (p160): 9.1核函数与核方法原理
p9-1-1 (p160): 9.1.1核函数
p9-1-2 (p162): 9.1.2核方法
p9-2 (p163): 9.2统计学习理论与支持向量机
p9-2-1 (p163): 9.2.1统计学习理论
p9-2-2 (p164): 9.2.2 支持向量机
p9-3 (p168): 9.3支持向量机分类
p9-3-1 (p168): 9.3.1快速训练算法
p9-3-2 (p169): 9.3.2多类分类器构造
p9-3-3 (p171): 9.3.3核函数及参数选择
p9-4 (p172): 9.4核Fisher判别分类
p9-4-1 (p172): 9.4.1 Fisher判别分析
p9-4-2 (p173): 9.4.2核Fisher判别分析
p9-4-3 (p174): 9.4.3核Fisher判别分类
p9-5 (p178): 9.5相关向量机分类
p9-5-1 (p179): 9.5.1稀疏Bayes模型
p9-5-2 (p180): 9.5.2模型参数推断
p9-5-3 (p181): 9.5.3相关向量机分类
p9-6 (p183): 9.6非线性特征提取
p9-6-1 (p183): 9.6.1核主成分分析
p9-6-2 (p184): 9.6.2核巴氏距离投影寻踪
p9-6-3 (p185): 9.6.3广义判别分析
p10 (p188): 第10章 混合像元分解
p10-1 (p188): 10.1概述
p10-1-1 (p188): 10.1.1混合像元分解的意义
p10-1-2 (p189): 10.1.2混合像元分解流程
p10-2 (p189): 10.2光谱混合模型
p10-2-1 (p189): 10.2.1混合光谱的成因
p10-2-2 (p192): 10.2.2线性混合模型
p10-2-3 (p194): 10.2.3非线性混合模型
p10-2-4 (p195): 10.2.4随机混合模型
p10-3 (p196): 10.3端元个数估计
p10-3-1 (p197): 10.3.1 NPD算法
p10-3-2 (p198): 10.3.2正交子空间投影法
p10-4 (p201): 10.4端元提取技术
p10-4-1 (p201): 10.4.1典型端元提取算法
p10-4-2 (p203): 10.4.2空间信息辅助下的端元提取技术
p10-4-3 (p204): 10.4.3基于粒子群优化的端元提取算法
p10-5 (p206): 10.5光谱解混技术
p10-5-1 (p206): 10.5.1监督分解算法
p10-5-2 (p211): 10.5.2非监督分解算法
p11 (p213): 第11章 高光谱与高空间分辨率影像融合
p11-1 (p213): 11.1概述
p11-1-1 (p213): 11.1.1像素级融合
p11-1-2 (p214): 11.1.2特征级融合
p11-1-3 (p214): 11.1.3决策级融合
p11-2 (p215): 11.2融合预处理
p11-2-1 (p215): 11.2.1辐射校正
p11-2-2 (p216): 11.2.2几何纠正
p11-2-3 (p216): 11.2.3影像配准
p11-3 (p216): 11.3高光谱与高空间分辨率影像融合算法
p11-3-1 (p217): 11.3.1通用像素级融合算法
p11-3-2 (p220): 11.3.2通用像素级融合算法特点分析
p11-3-3 (p221): 11.3.3基于非负矩阵分解的融合算法
p11-3-4 (p223): 11.3.4基于遗传算法的融合方法
p11-3-5 (p226): 11.3.5基于影像光谱复原的空间域融合方法
p11-3-6 (p227): 11.3.6基于混合像元分解的融合算法
p11-3-7 (p228): 11.3.7基于边缘信息的光谱信息保持型融合算法
p11-4 (p229): 11.4融合效果评价
p11-4-1 (p229): 11.4.1主观评价方法
p11-4-2 (p230): 11.4.2客观评价方法
p11-4-3 (p232): 11.4.3综合评价方法
p12 (p235): 第12章 高光谱数据处理系统设计
p12-1 (p235): 12.1高光谱数据处理系统现状分析
p12-1-1 (p235): 12.1.1国外高光谱数据处理系统介绍
p12-1-2 (p237): 12.1.2国内高光谱数据处理系统介绍
p12-2 (p238): 12.2高光谱数据处理系统结构设计
p12-2-1 (p239): 12.2.1高光谱影像数据结构
p12-2-2 (p239): 12.2.2数据处理流程设计
p12-2-3 (p240): 12.2.3系统体系结构设计
p12-3 (p241): 12.3高光谱数据处理系统功能设计
p12-3-1 (p242): 12.3.1影像数据预处理模块
p12-3-2 (p242): 12.3.2属性信息分类提取模块
p12-3-3 (p243): 12.3.3数据融合模块
p12-4 (p243): 12.4高光谱数据处理关键技术及其实现
p12-4-1 (p244): 12.4.1高光谱影像几何校正技术
p12-4-2 (p245): 12.4.2高维光谱特征压缩和提取技术
p12-4-3 (p245): 12.4.3高光谱与高空间分辨率数据融合处理技术
p12-4-4 (p246): 12.4.4高精度的分类提取技术
p12-5 (p247): 12.5高光谱遥感影像分析软件系统
p12-5-1 (p247): 12.5.1 高光谱影像读存显示
p12-5-2 (p248): 12.5.2高光谱影像预处理
p12-5-3 (p248): 12.5.3高光谱影像特征分析
p12-5-4 (p248): 12.5.4高光谱影像分类识别
p12-5-5 (p251): 12.5.5地物光谱数据库
p13 (p253): 参考文献

目录 10
《地球观测与导航技术丛书》出版说明 5
序 6
前言 8
第1章 绪论 17
1.1 对地观测体系中的高光谱遥感技术 17
1.2 高光谱遥感与地理空间信息获取 20
1.3 高光谱影像处理与分析 22
第2章 地物光谱特征及探测要求 27
2.1 植被的光谱特征 27
2.1.1 植被光谱的基本特征 27
2.1.2 植被光谱的特征参数 27
2.1.3 影响植被光谱特征的因素 28
2.1.4 绿色涂料与植被光谱的区别 30
2.2 土壤岩石的光谱特征 31
2.2.1 土壤的光谱特征 31
2.2.2 岩石的光谱特征 34
2.3 人工地物的光谱特征 35
2.3.1 建筑物顶部材料的光谱特征 35
2.3.2 道路铺面材料的光谱特征 36
2.4 陆地水体的光谱特征 36
2.4.1 清洁水体的光谱特征 37
2.4.2 含沙量对水体反射光谱特征的影响 37
2.4.3 叶绿素浓度对水体反射光谱特征的影响 38
2.4.4 水体不同深度的光谱反射特征 38
2.4.5 雪的光谱反射特征 39
2.5 海部要素的光谱特征 39
2.5.1 海水的光谱特征 39
2.5.2 海岸带植被的光谱特征 40
2.5.3 海岸基岩和滩涂的光谱特征 41
2.6 高光谱影像地物属性探测要求 41
2.6.1 植被探测要求 41
2.6.2 土壤岩石的探测要求 42
2.6.3 人工地物的探测要求 43
2.6.4 陆地水体和冰川的探测要求 43
2.6.5 海部要素的探测要求 44
第3章 高光谱成像系统 46
3.1 高光谱遥感成像机理 46
3.1.1 光学探测 46
3.1.2 空间扫描 47
3.1.3 光谱分光 48
3.2 成像光谱仪发展现状 50
3.2.1 国外的成像光谱仪系统 50
3.2.2 国内的成像光谱仪系统 53
3.3 成像光谱仪定标 54
3.3.1 光谱定标 55
3.3.2 辐射定标 55
3.3.3 几何定标 57
3.4 高光谱遥感数据特点 59
3.4.1 立方体结构 59
3.4.2 数据描述模型 59
第4章 高光谱影像校正技术 61
4.1 太阳辐射及大气传输特性 61
4.1.1 太阳辐射 61
4.1.2 大气对电磁波传输过程的影响 62
4.1.3 辐射传输方程 64
4.2 高光谱影像的辐射误差 65
4.2.1 传感器的灵敏度特性引起的辐射误差 65
4.2.2 光照条件差异引起的辐射误差 65
4.2.3 大气条件不同引起的辐射误差 66
4.3 基于定标参数的辐射校正 67
4.3.1 辐射校正参数获取 67
4.3.2 影像辐射校正方法 67
4.4 高光谱影像大气辐射校正 68
4.4.1 基于辐射传输理论的大气辐射校正 68
4.4.2 利用影像数据进行反射率反演 69
4.4.3 借助地面特殊地物的光谱反射率方法 70
4.5 高光谱影像的几何特性 71
4.5.1 几何成像模型 71
4.5.2 影像几何变形 75
4.6 高光谱影像几何校正 76
4.6.1 几何校正的一般方法 76
4.6.2 基于POS 的几何校正 79
第5章 地物光谱数据库技术 84
5.1 概述 84
5.1.1 地物光谱数据库的概念 84
5.1.2 地物光谱数据库的地位和作用 84
5.1.3 地物光谱数据库建设流程 85
5.2 光谱数据库研究现状 85
5.2.1 国外光谱数据库研究现状 85
5.2.2 国内地物光谱数据库研究进展 88
5.3 地物光谱数据库系统设计 89
5.3.1 系统应用要求分析 89
5.3.2 系统设计原则 90
5.3.3 系统内容设计 90
5.3.4 系统结构设计 91
5.3.5 系统功能设计 92
5.4 地物光谱数据获取 93
5.4.1 实验室光谱测量 93
5.4.2 地面光谱测量 94
5.4.3 遥感影像提取法 96
第6章 光谱特征分析与匹配 98
6.1 光谱特征增强与定量分析 98
6.1.1 光谱特征增强方法 98
6.1.2 光谱特征参量化 100
6.2 光谱相似性测度 102
6.2.1 几何空间测度 102
6.2.2 概率空间测度 104
6.2.3 变换空间测度 105
6.2.4 综合相似性测度 106
6.2.5 分类试验 107
6.3 光谱匹配技术 110
6.3.1 编码匹配 110
6.3.2 光谱角度匹配 111
6.3.3 交叉相关光谱匹配 111
6.3.4 匹配滤波技术 113
6.4 尺度空间匹配技术 113
6.4.1 尺度空间理论 113
6.4.2 波峰特征提取 115
6.4.3 匹配算法 115
6.5 决策树匹配分类 116
6.5.1 决策树分类方法 116
6.5.2 光谱匹配的层次分析模型 116
6.5.3 应用实例 117
第7章 高光谱影像统计模式分类 121
7.1 高光谱影像的模式分类原理 121
7.1.1 模式识别的概念和方法 121
7.1.2 统计模式识别一般过程 121
7.2 Bayes统计决策分类 123
7.2.1 基本决策规则 123
7.2.2 正态分布下的极大似然法分类 125
7.3 Bayes非参数决策分类 127
7.3.1 Fisher线性判别法 127
7.3.2 Fisher判别函数的训练 129
7.3.3 Fisher分段线性判别函数 133
7.4 聚类分析法与非监督分类 134
7.4.1 聚类准则 135
7.4.2 K-均值聚类法 136
7.4.3 ISODATA聚类法 137
7.4.4 基于核构造的动态聚类法 139
7.5 人工神经网络分类 141
7.5.1 多层感知器 141
7.5.2 BP算法 143
7.5.3 径向基函数网络 144
7.5.4 Kohonen网络 146
第8章 光谱特征选择与提取 148
8.1 高维光谱特征分析基础 148
8.1.1 高维特征空间样本分布 148
8.1.2 “维数灾难”现象 150
8.1.3 波段间相关性分析 151
8.2 类别可分性准则 152
8.2.1 基本特性 152
8.2.2 类内类间距离准则 153
8.2.3 概率距离准则 154
8.2.4 信息熵准则 156
8.3 基于类别可分性的特征提取 157
8.3.1 依类内类间距离准则的特征提取 158
8.3.2 依概率距离准则的特征提取 159
8.3.3 依信息熵准则的特征提取 161
8.4 基于信息压缩的特征提取 162
8.4.1 主成分分析 162
8.4.2 噪声分离变换 165
8.5 独立成分分析特征提取 166
8.5.1 模型估计方法 167
8.5.2 快速ICA算法 170
8.6 投影寻踪特征提取 172
8.6.1 投影指标 173
8.6.2 基于PP的高光谱影像特征提取 174
8.7 非线性特征提取方法 174
第9章 高光谱影像核方法分析 176
9.1 核函数与核方法原理 176
9.1.1 核函数 176
9.1.2 核方法 178
9.2 统计学习理论与支持向量机 179
9.2.1 统计学习理论 179
9.2.2 支持向量机 180
9.3 支持向量机分类 184
9.3.1 快速训练算法 184
9.3.2 多类分类器构造 185
9.3.3 核函数及参数选择 187
9.4 核Fisher判别分类 188
9.4.1 Fisher判别分析 188
9.4.2 核Fisher判别分析 189
9.4.3 核Fisher判别分类 190
9.5 相关向量机分类 194
9.5.1 稀疏Bayes模型 195
9.5.2 模型参数推断 196
9.5.3 相关向量机分类 197
9.6 非线性特征提取 199
9.6.1 核主成分分析 199
9.6.2 核巴氏距离投影寻踪 200
9.6.3 广义判别分析 201
第10章 混合像元分解 204
10.1 概述 204
10.1.1 混合像元分解的意义 204
10.1.2 混合像元分解流程 205
10.2 光谱混合模型 205
10.2.1 混合光谱的成因 205
10.2.2 线性混合模型 208
10.2.3 非线性混合模型 210
10.2.4 随机混合模型 211
10.3 端元个数估计 212
10.3.1 NPD算法 213
10.3.2 正交子空间投影法 214
10.4 端元提取技术 217
10.4.1 典型端元提取算法 217
10.4.2 空间信息辅助下的端元提取技术 219
10.4.3 基于粒子群优化的端元提取算法 220
10.5 光谱解混技术 222
10.5.1 监督分解算法 222
10.5.2 非监督分解算法 227
第11章 高光谱与高空间分辨率影像融合 229
11.1 概述 229
11.1.1 像素级融合 229
11.1.2 特征级融合 230
11.1.3 决策级融合 230
11.2 融合预处理 231
11.2.1 辐射校正 231
11.2.2 几何纠正 232
11.2.3 影像配准 232
11.3 高光谱与高空间分辨率影像融合算法 232
11.3.1 通用像素级融合算法 233
11.3.2 通用像素级融合算法特点分析 236
11.3.3 基于非负矩阵分解的融合算法 237
11.3.4 基于遗传算法的融合方法 239
11.3.5 基于影像光谱复原的空间域融合方法 242
11.3.6 基于混合像元分解的融合算法 243
11.3.7 基于边缘信息的光谱信息保持型融合算法 244
11.4 融合效果评价 245
11.4.1 主观评价方法 245
11.4.2 客观评价方法 246
11.4.3 综合评价方法 248
第12章 高光谱数据处理系统设计 251
12.1 高光谱数据处理系统现状分析 251
12.1.1 国外高光谱数据处理系统介绍 251
12.1.2 国内高光谱数据处理系统介绍 253
12.2 高光谱数据处理系统结构设计 254
12.2.1 高光谱影像数据结构 255
12.2.2 数据处理流程设计 255
12.2.3 系统体系结构设计 256
12.3 高光谱数据处理系统功能设计 257
12.3.1 影像数据预处理模块 258
12.3.2 属性信息分类提取模块 258
12.3.3 数据融合模块 259
12.4 高光谱数据处理关键技术及其实现 259
12.4.1 高光谱影像几何校正技术 260
12.4.2 高维光谱特征压缩和提取技术 261
12.4.3 高光谱与高空间分辨率数据融合处理技术 261
12.4.4 高精度的分类提取技术 262
12.5 高光谱遥感影像分析软件系统 263
12.5.1 高光谱影像读存显示 263
12.5.2 高光谱影像预处理 264
12.5.3 高光谱影像特征分析 264
12.5.4 高光谱影像分类识别 264
12.5.5 地物光谱数据库 267
参考文献 269
彩图 273
参考文献 282

Ben shu tao lun he jie shao le gao guang pu ying xiang chu li yu fen xi de li lun he ji shu. Shou xian, Fen xi le gao guang pu yao gan di li huan jing tan ce de qian li, Jie shao le gao guang pu yao gan cheng xiang ji li, Dian xing de cheng xiang guang pu yi ji qi ding biao ji shu. Jie xia lai, Zhong dian jie shao le gao guang pu ying xiang di wu tan ce de guan jian ji shu. Zui hou, Tao lun le gao guang pu shu ju chu li xi tong de gong neng he she ji wen ti

本书共十二章, 涉及高光谱遥感影像处理与分析的背景要求, 基础理论, 关键技术和应用范例.首先, 分析了高光谱遥感地理环境探测的潜力, 介绍了高光谱遥感成像机理, 典型的成像光谱仪及其定标技术.在此基础上, 结合高光谱数据特点讨论了辐射和几何校正技术, 以及地物光谱数据库的相关技术.接下来, 重点介绍了高光谱影像地物探测的关键技术, 包括光谱特征分析与匹配, 统计模式分类, 光谱特征选择与提取, 核方法分析, 混合像元分解, 高光谱与高空间分辨率影像融合等.最后, 讨论了高光谱数据处理系统的功能和设计问题

2025-10-27