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。
本书可供遥感和地学领域研究人员和技术人员参考，也可作为大专院校相关专业的本科生和研究生的教材或参考书。
更多科学出版社服务，请扫码获取。
目录
《地球观测与导航技术丛书》出版说明
序
前言
第1章 绪论 1
1.1 对地观测体系中的高光谱遥感技术 1
1.2 高光谱遥感与地理空间信息获取 4
1.3 高光谱影像处理与分析 6
第2章 地物光谱特征及探测要求 11
2.1 植被的光谱特征 11
2.1.1 植被光谱的基本特征 11
2.1.2 植被光谱的特征参数 11
2.1.3 影响植被光谱特征的因素 12
2.1.4 绿色涂料与植被光谱的区别 14
2.2 土壤岩石的光谱特征 15
2.2.1 土壤的光谱特征 15
2.2.2 岩石的光谱特征 18
2.3 人工地物的光谱特征 19
2.3.1 建筑物顶部材料的光谱特征 19
2.3.2 道路铺面材料的光谱特征 20
2.4 陆地水体的光谱特征 20
2.4.1 清洁水体的光谱特征 21
2.4.2 含沙量对水体反射光谱特征的影响 21
2.4.3 叶绿素浓度对水体反射光谱特征的影响 22
2.4.4 水体不同深度的光谱反射特征 22
2.4.5 雪的光谱反射特征 23
2.5 海部要素的光谱特征 23
2.5.1 海水的光谱特征 23
2.5.2 海岸带植被的光谱特征 24
2.5.3 海岸基岩和滩涂的光谱特征 25
2.6 高光谱影像地物属性探测要求 25
2.6.1 植被探测要求 25
2.6.2 土壤岩石的探测要求 26
2.6.3 人工地物的探测要求 27
2.6.4 陆地水体和冰川的探测要求 27
2.6.5 海部要素的探测要求 28
第3章 高光谱成像系统 30
3.1 高光谱遥感成像机理 30
3.1.1 光学探测 30
3.1.2 空间扫描 31
3.1.3 光谱分光 32
3.2 成像光谱仪发展现状 34
3.2.1 国外的成像光谱仪系统 34
3.2.2 国内的成像光谱仪系统 37
3.3 成像光谱仪定标 38
3.3.1 光谱定标 39
3.3.2 辐射定标 39
3.3.3 几何定标 41
3.4 高光谱遥感数据特点 43
3.4.1 立方体结构 43
3.4.2 数据描述模型 43
第4章 高光谱影像校正技术 45
4.1 太阳辐射及大气传输特性 45
4.1.1 太阳辐射 45
4.1.2 大气对电磁波传输过程的影响 46
4.1.3 辐射传输方程 48
4.2 高光谱影像的辐射误差 49
4.2.1 传感器的灵敏度特性引起的辐射误差 49
4.2.2 光照条件差异引起的辐射误差 49
4.2.3 大气条件不同引起的辐射误差 50
4.3 基于定标参数的辐射校正 51
4.3.1 辐射校正参数获取 51
4.3.2 影像辐射校正方法 51
4.4 高光谱影像大气辐射校正 52
4.4.1 基于辐射传输理论的大气辐射校正 52
4.4.2 利用影像数据进行反射率反演 53
4.4.3 借助地面特殊地物的光谱反射率方法 54
4.5 高光谱影像的几何特性 55
4.5.1 几何成像模型 55
4.5.2 影像几何变形 59
4.6 高光谱影像几何校正 60
4.6.1 几何校正的一般方法 60
4.6.2 基于POS 的几何校正 63
第5章 地物光谱数据库技术 68
5.1 概述 68
5.1.1 地物光谱数据库的概念 68
5.1.2 地物光谱数据库的地位和作用 68
5.1.3 地物光谱数据库建设流程 69
5.2 光谱数据库研究现状 69
5.2.1 国外光谱数据库研究现状 69
5.2.2 国内地物光谱数据库研究进展 72
5.3 地物光谱数据库系统设计 73
5.3.1 系统应用要求分析 73
5.3.2 系统设计原则 74
5.3.3 系统内容设计 74
5.3.4 系统结构设计 75
5.3.5 系统功能设计 76
5.4 地物光谱数据获取 77
5.4.1 实验室光谱测量 77
5.4.2 地面光谱测量 78
5.4.3 遥感影像提取法 80
第6章 光谱特征分析与匹配 82
6.1 光谱特征增强与定量分析 82
6.1.1 光谱特征增强方法 82
6.1.2 光谱特征参量化 84
6.2 光谱相似性测度 86
6.2.1 几何空间测度 86
6.2.2 概率空间测度 88
6.2.3 变换空间测度 89
6.2.4 综合相似性测度 90
6.2.5 分类试验 91
6.3 光谱匹配技术 94
6.3.1 编码匹配 94
6.3.2 光谱角度匹配 95
6.3.3 交叉相关光谱匹配 95
6.3.4 匹配滤波技术 97
6.4 尺度空间匹配技术 97
6.4.1 尺度空间理论 97
6.4.2 波峰特征提取 99
6.4.3 匹配算法 99
6.5 决策树匹配分类 100
6.5.1 决策树分类方法 100
6.5.2 光谱匹配的层次分析模型 100
6.5.3 应用实例 101
第7章 高光谱影像统计模式分类 105
7.1 高光谱影像的模式分类原理 105
7.1.1 模式识别的概念和方法 105
7.1.2 统计模式识别一般过程 105
7.2 Bayes 统计决策分类 107
7.2.1 基本决策规则 107
7.2.2 正态分布下的极大似然法分类 109
7.3 Bayes 非参数决策分类 111
7.3.1 Fisher 线性判别法 111
7.3.2 Fisher 判别函数的训练 113
7.3.3 Fisher 分段线性判别函数 117
7.4 聚类分析法与非监督分类 118
7.4.1 聚类准则 119
7.4.2 K- 均值聚类法 120
7.4.3 ISODATA 聚类法 121
7.4.4 基于核构造的动态聚类法 123
7.5 人工神经网络分类 125
7.5.1 多层感知器 125
7.5.2 BP 算法 127
7.5.3 径向基函数网络 128
7.5.4 Kohonen 网络 130
第8章 光谱特征选择与提取 132
8.1 高维光谱特征分析基础 132
8.1.1 高维特征空间样本分布 132
8.1.2 “维数灾难”现象 134
8.1.3 波段间相关性分析 135
8.2 类别可分性准则 136
8.2.1 基本特性 136
8.2.2 类内类间距离准则 137
8.2.3 概率距离准则 138
8.2.4 信息熵准则 140
8.3 基于类别可分性的特征提取 141
8.3.1 依类内类间距离准则的特征提取 142
8.3.2 依概率距离准则的特征提取 143
8.3.3 依信息熵准则的特征提取 145
8.4 基于信息压缩的特征提取 146
8.4.1 主成分分析 146
8.4.2 噪声分离变换 149
8.5 独立成分分析特征提取 150
8.5.1 模型估计方法 151
8.5.2 快速ICA 算法 154
8.6 投影寻踪特征提取 156
8.6.1 投影指标 157
8.6.2 基于PP 的高光谱影像特征提取 158
8.7 非线性特征提取方法 158
第9章 高光谱影像核方法分析 160
9.1 核函数与核方法原理 160
9.1.1 核函数 160
9.1.2 核方法 162
9.2 统计学习理论与支持向量机 163
9.2.1 统计学习理论 163
9.2.2 支持向量机 164
9.3 支持向量机分类 168
9.3.1 快速训练算法 168
9.3.2 多类分类器构造 169
9.3.3 核函数及参数选择 171
9.4 核Fisher 判别分类 172
9.4.1 Fisher 判别分析 172
9.4.2 核Fisher 判别分析 173
9.4.3 核Fisher 判别分类 174
9.5 相关向量机分类 178
9.5.1 稀疏Bayes 模型 179
9.5.2 模型参数推断 180
9.5.3 相关向量机分类 181
9.6 非线性特征提取 183
9.6.1 核主成分分析 183
9.6.2 核巴氏距离投影寻踪 184
9.6.3 广义判别分析 185
第10章 混合像元分解 188
10.1 概述 188
10.1.1 混合像元分解的意义 188
10.1.2 混合像元分解流程 189
10.2 光谱混合模型 189
10.2.1 混合光谱的成因 189
10.2.2 线性混合模型 192
10.2.3 非线性混合模型 194
10.2.4 随机混合模型 195
10.3 端元个数估计 196
10.3.1 NPD 算法 197
10.3.2 正交子空间投影法 198
10.4 端元提取技术 201
10.4.1 典型端元提取算法 201
10.4.2 空间信息辅助下的端元提取技术 203
10.4.3 基于粒子群优化的端元提取算法 204
10.5 光谱解混技术 206
10.5.1 监督分解算法 206
10.5.2 非监督分解算法 211
第11章 高光谱与高空间分辨率影像融合 213
11.1 概述 213
11.1.1 像素级融合 213
11.1.2 特征级融合 214
11.1.3 决策级融合 214
11.2 融合预处理 215
11.2.1 辐射校正 215
11.2.2 几何纠正 216
11.2.3 影像配准 216
11.3 高光谱与高空间分辨率影像融合算法 216
11.3.1 通用像素级融合算法 217
11.3.2 通用像素级融合算法特点分析 220
11.3.3 基于非负矩阵分解的融合算法 221
11.3.4 基于遗传算法的融合方法 223
11.3.5 基于影像光谱复原的空间域融合方法 226
11.3.6 基于混合像元分解的融合算法 227
11.3.7 基于边缘信息的光谱信息保持型融合算法 228
11.4 融合效果评价 229
11.4.1 主观评价方法 229
11.4.2 客观评价方法 230
11.4.3 综合评价方法 232
第12章 高光谱数据处理系统设计 235
12.1 高光谱数据处理系统现状分析 235
12.1.1 国外高光谱数据处理系统介绍 235
12.1.2 国内高光谱数据处理系统介绍 237
12.2 高光谱数据处理系统结构设计 238
12.2.1 高光谱影像数据结构 239
12.2.2 数据处理流程设计 239
12.2.3 系统体系结构设计 240
12.3 高光谱数据处理系统功能设计 241
12.3.1 影像数据预处理模块 242
12.3.2 属性信息分类提取模块 242
12.3.3 数据融合模块 243
12.4 高光谱数据处理关键技术及其实现 243
12.4.1 高光谱影像几何校正技术 244
12.4.2 高维光谱特征压缩和提取技术 245
12.4.3 高光谱与高空间分辨率数据融合处理技术 245
12.4.4 高精度的分类提取技术 246
12.5 高光谱遥感影像分析软件系统 247
12.5.1 高光谱影像读存显示 247
12.5.2 高光谱影像预处理 248
12.5.3 高光谱影像特征分析 248
12.5.4 高光谱影像分类识别 248
12.5.5 地物光谱数据库 251
参考文献 253
彩图
书单推荐
