編輯推薦:

內(nèi)容簡(jiǎn)介:《高分辨率遙感信息處理》介紹了高分辨率遙感影像處理技術(shù)、方法與應(yīng)用的前沿進(jìn)展，介紹了如何有效處理高分辨率遙感影像，挖掘高分辨率遙感影像的信息，發(fā)揮高分辨率遙感影像的應(yīng)用潛力。《高分辨率遙感信息處理》內(nèi)容主要包括四個(gè)部分：高分辨率遙感影像的基本介紹；高分辨率遙感影像的特征提取，包括像元形狀指數(shù)、紋理、形態(tài)譜、形態(tài)學(xué)房屋指數(shù)等；高分辨率遙感影像機(jī)器學(xué)習(xí)與分類；高分辨率遙感影像的應(yīng)用，包括城市變化檢測(cè)、影像場(chǎng)景提取、目標(biāo)提取與變化分析等案例。

作者簡(jiǎn)介:

目錄:目錄
前言
第1章 緒論 1
1.1 高分辨率遙感影像概況 1
1.1.1 高空間分辨率遙感衛(wèi)星的發(fā)展與現(xiàn)狀 1
1.1.2 高分辨率遙感影像的特點(diǎn) 2
1.2 高分辨率遙感影像的處理方法 3
1.2.1 像素空間特征提取 3
1.2.2 面向?qū)ο蟮奶卣魈崛?nbsp;3
1.2.3 影像分類 4
1.3 高分辨率遙感影像的應(yīng)用 4
1.3.1 城市地物分類 4
1.3.2 場(chǎng)景識(shí)別 5
1.3.3 變化檢測(cè) 5
參考文獻(xiàn) 6
第2章 高分辨率影像特征提取：像元形狀指數(shù) 10
2.1 PSI 10
2.1.1 像元形狀指數(shù)的計(jì)算 10
2.1.2 基于支持向量機(jī)的光譜-形狀特征融合 13
2.1.3 PSI與GLCM的比較 14
2.1.4 實(shí)驗(yàn)與分析 14
2.2 SFS 19
2.2.1 結(jié)構(gòu)特征提取 20
2.2.2 自適應(yīng)特征選擇與維數(shù)減少 21
2.2.3 非參數(shù)化分類器 25
2.2.4 實(shí)驗(yàn)與分析 25
2.3 PSI的應(yīng)用 33
2.4 小結(jié)與展望 34
參考文獻(xiàn) 35
第3章 高分辨率影像特征提?。杭y理 37
3.1 小波變換 37
3.1.1 基于小波的紋理特征提取 37
3.1.2 實(shí)驗(yàn)與分析 42
3.2 NSCT 45
3.2.1 基于NSCT的紋理特征提取算法 47
3.2.2 實(shí)驗(yàn)與分析 48
3.3 小結(jié) 52
參考文獻(xiàn) 52
第4章 高分辨率影像特征提取：形態(tài)譜 54
4.1 數(shù)學(xué)形態(tài)譜基本介紹 54
4.1.1 形態(tài)學(xué)基本操作 54
4.1.2 數(shù)學(xué)形態(tài)譜 56
4.1.3 差分形態(tài)學(xué)譜 57
4.2 廣義差分形態(tài)譜 59
4.2.1 基于完全重構(gòu)的GDMP 59
4.2.2 基于偏重構(gòu)的GDMP 64
4.2.3 特征分析 65
4.3 多成分形態(tài)譜 66
4.3.1 基影像構(gòu)建 67
4.3.2 多成分形態(tài)譜 76
4.4 小結(jié)與展望 79
參考文獻(xiàn) 80
第5章 面向?qū)ο笥跋穹治?nbsp;81
5.1 面向?qū)ο蠓治龇椒?nbsp;81
5.1.1 面向?qū)ο蠓治鏊枷?nbsp;81
5.1.2 分形網(wǎng)絡(luò)進(jìn)化算法 82
5.2 基于均值漂移的特征空間分析 84
5.2.1 概率密度估計(jì)與均值漂移 84
5.2.2 基于均值漂移的對(duì)象提取與分類模型 86
5.2.3 自適應(yīng)均值漂移模型的帶寬選擇 89
5.3 實(shí)驗(yàn)分析 91
5.3.1 華盛頓HYDICE航空影像實(shí)驗(yàn) 92
5.3.2 普渡大學(xué)HYMAP航空影像實(shí)驗(yàn) 101
5.4 小結(jié)與展望 104
參考文獻(xiàn) 105
第6章 高分辨率影像特征提?。盒螒B(tài)學(xué)房屋指數(shù) 108
6.1 形態(tài)學(xué)房屋指數(shù) 109
6.2 形態(tài)學(xué)陰影指數(shù) 112
6.3 增強(qiáng)房屋指數(shù) 113
6.4 MBI 的應(yīng)用 115
6.4.1 房屋提取 115
6.4.2 變化檢測(cè) 115
6.4.3 影像分類 116
6.4.4 城市環(huán)境 116
6.5 小結(jié)與展望 117
參考文獻(xiàn) 117
第7章 高分辨率遙感影像機(jī)器學(xué)習(xí)與分類 121
7.1 SVM集成學(xué)習(xí) 121
7.1.1 光譜-空間多特征提取 122
7.1.2 多特征SVM集成 122
7.1.3 實(shí)驗(yàn)與分析 125
7.2 支持張量機(jī) 132
7.2.1 多類支持張量機(jī)分類器 132
7.2.2 融合多維主成分分析的支持張量機(jī)遙感影像分類框架 136
7.2.3 實(shí)驗(yàn)與分析 138
7.3 再學(xué)習(xí) 145
7.3.1 基于類別共生關(guān)系的再學(xué)習(xí)分類后處理 145
7.3.2 基于類別直方圖的再學(xué)習(xí)分類后處理 147
7.3.3 實(shí)驗(yàn)與分析 148
7.4 自動(dòng)樣本選擇 165
7.4.1 城市要素樣本集自動(dòng)提取 165
7.4.2 城市要素樣本集優(yōu)選 169
7.4.3 實(shí)驗(yàn)與分析 171
7.5 小結(jié)與展望 185
參考文獻(xiàn) 188
第8章 高分辨率遙感應(yīng)用 192
8.1 高分辨率城市變化檢測(cè) 192
8.1.1 自動(dòng)化熱點(diǎn)變化監(jiān)測(cè) 193
8.1.2 多級(jí)變化監(jiān)測(cè)框架 194
8.2 城市場(chǎng)景提?。阂猿侵写鍨槔?nbsp;201
8.2.1 基于語(yǔ)義場(chǎng)景表示的城中村提取方法 202
8.2.2 實(shí)驗(yàn)與分析 205
8.3 房屋變化檢測(cè) 209
8.3.1 基于MBI的房屋變化檢測(cè) 210
8.3.2 基于BCI的房屋變化檢測(cè) 212
8.3.3 容錯(cuò)的房屋變化檢測(cè) 214
8.3.4 實(shí)驗(yàn)與分析 217
8.4 水體提取與變化分析 223
8.4.1 高分辨率遙感影像城市水體提取與識(shí)別 223
8.4.2 長(zhǎng)江中下游湖泊演化和驅(qū)動(dòng)因素定量化分析 228
8.5 小結(jié)與展望 233
參考文獻(xiàn) 233
附錄 MATLAB代碼 238