本書在國內外相關研究的基礎上，結合作者所在團隊十多年來取得的研究成果，討論和介紹高光譜影像處理與分析的理論和技術。全書共十二章，涉及高光譜遙感影像處理與分析的背景要求、基礎理論、關鍵技術和應用范例。首先，分析了高光譜遙感地理環(huán)境探測的潛力，介紹了高光譜遙感成像機理、典型的成像光譜儀及其定標技術。在此基礎上，結合高光譜數(shù)據(jù)特點討論了輻射和幾何校正技術，以及地物光譜數(shù)據(jù)庫的相關技術。接下來，重點介紹了高光譜影像地物探測的關鍵技術，包括光譜特征分析與匹配、統(tǒng)計模式分類、光譜特征選擇與提取、核方法分析、混合像元分解、高光譜與高空間分辨率影像融合等。最后，討論了高光譜數(shù)據(jù)處理系統(tǒng)的功能和設計問題。
本書可供遙感和地學領域研究人員和技術人員參考，也可作為大專院校相關專業(yè)的本科生和研究生的教材或參考書。
更多科學出版社服務，請掃碼獲取。
目錄
《地球觀測與導航技術叢書》出版說明
序
前言
第1章 緒論 1
1.1 對地觀測體系中的高光譜遙感技術 1
1.2 高光譜遙感與地理空間信息獲取 4
1.3 高光譜影像處理與分析 6
第2章 地物光譜特征及探測要求 11
2.1 植被的光譜特征 11
2.1.1 植被光譜的基本特征 11
2.1.2 植被光譜的特征參數(shù) 11
2.1.3 影響植被光譜特征的因素 12
2.1.4 綠色涂料與植被光譜的區(qū)別 14
2.2 土壤巖石的光譜特征 15
2.2.1 土壤的光譜特征 15
2.2.2 巖石的光譜特征 18
2.3 人工地物的光譜特征 19
2.3.1 建筑物頂部材料的光譜特征 19
2.3.2 道路鋪面材料的光譜特征 20
2.4 陸地水體的光譜特征 20
2.4.1 清潔水體的光譜特征 21
2.4.2 含沙量對水體反射光譜特征的影響 21
2.4.3 葉綠素濃度對水體反射光譜特征的影響 22
2.4.4 水體不同深度的光譜反射特征 22
2.4.5 雪的光譜反射特征 23
2.5 海部要素的光譜特征 23
2.5.1 海水的光譜特征 23
2.5.2 海岸帶植被的光譜特征 24
2.5.3 海岸基巖和灘涂的光譜特征 25
2.6 高光譜影像地物屬性探測要求 25
2.6.1 植被探測要求 25
2.6.2 土壤巖石的探測要求 26
2.6.3 人工地物的探測要求 27
2.6.4 陸地水體和冰川的探測要求 27
2.6.5 海部要素的探測要求 28
第3章 高光譜成像系統(tǒng) 30
3.1 高光譜遙感成像機理 30
3.1.1 光學探測 30
3.1.2 空間掃描 31
3.1.3 光譜分光 32
3.2 成像光譜儀發(fā)展現(xiàn)狀 34
3.2.1 國外的成像光譜儀系統(tǒng) 34
3.2.2 國內的成像光譜儀系統(tǒng) 37
3.3 成像光譜儀定標 38
3.3.1 光譜定標 39
3.3.2 輻射定標 39
3.3.3 幾何定標 41
3.4 高光譜遙感數(shù)據(jù)特點 43
3.4.1 立方體結構 43
3.4.2 數(shù)據(jù)描述模型 43
第4章 高光譜影像校正技術 45
4.1 太陽輻射及大氣傳輸特性 45
4.1.1 太陽輻射 45
4.1.2 大氣對電磁波傳輸過程的影響 46
4.1.3 輻射傳輸方程 48
4.2 高光譜影像的輻射誤差 49
4.2.1 傳感器的靈敏度特性引起的輻射誤差 49
4.2.2 光照條件差異引起的輻射誤差 49
4.2.3 大氣條件不同引起的輻射誤差 50
4.3 基于定標參數(shù)的輻射校正 51
4.3.1 輻射校正參數(shù)獲取 51
4.3.2 影像輻射校正方法 51
4.4 高光譜影像大氣輻射校正 52
4.4.1 基于輻射傳輸理論的大氣輻射校正 52
4.4.2 利用影像數(shù)據(jù)進行反射率反演 53
4.4.3 借助地面特殊地物的光譜反射率方法 54
4.5 高光譜影像的幾何特性 55
4.5.1 幾何成像模型 55
4.5.2 影像幾何變形 59
4.6 高光譜影像幾何校正 60
4.6.1 幾何校正的一般方法 60
4.6.2 基于POS 的幾何校正 63
第5章 地物光譜數(shù)據(jù)庫技術 68
5.1 概述 68
5.1.1 地物光譜數(shù)據(jù)庫的概念 68
5.1.2 地物光譜數(shù)據(jù)庫的地位和作用 68
5.1.3 地物光譜數(shù)據(jù)庫建設流程 69
5.2 光譜數(shù)據(jù)庫研究現(xiàn)狀 69
5.2.1 國外光譜數(shù)據(jù)庫研究現(xiàn)狀 69
5.2.2 國內地物光譜數(shù)據(jù)庫研究進展 72
5.3 地物光譜數(shù)據(jù)庫系統(tǒng)設計 73
5.3.1 系統(tǒng)應用要求分析 73
5.3.2 系統(tǒng)設計原則 74
5.3.3 系統(tǒng)內容設計 74
5.3.4 系統(tǒng)結構設計 75
5.3.5 系統(tǒng)功能設計 76
5.4 地物光譜數(shù)據(jù)獲取 77
5.4.1 實驗室光譜測量 77
5.4.2 地面光譜測量 78
5.4.3 遙感影像提取法 80
第6章 光譜特征分析與匹配 82
6.1 光譜特征增強與定量分析 82
6.1.1 光譜特征增強方法 82
6.1.2 光譜特征參量化 84
6.2 光譜相似性測度 86
6.2.1 幾何空間測度 86
6.2.2 概率空間測度 88
6.2.3 變換空間測度 89
6.2.4 綜合相似性測度 90
6.2.5 分類試驗 91
6.3 光譜匹配技術 94
6.3.1 編碼匹配 94
6.3.2 光譜角度匹配 95
6.3.3 交叉相關光譜匹配 95
6.3.4 匹配濾波技術 97
6.4 尺度空間匹配技術 97
6.4.1 尺度空間理論 97
6.4.2 波峰特征提取 99
6.4.3 匹配算法 99
6.5 決策樹匹配分類 100
6.5.1 決策樹分類方法 100
6.5.2 光譜匹配的層次分析模型 100
6.5.3 應用實例 101
第7章 高光譜影像統(tǒng)計模式分類 105
7.1 高光譜影像的模式分類原理 105
7.1.1 模式識別的概念和方法 105
7.1.2 統(tǒng)計模式識別一般過程 105
7.2 Bayes 統(tǒng)計決策分類 107
7.2.1 基本決策規(guī)則 107
7.2.2 正態(tài)分布下的極大似然法分類 109
7.3 Bayes 非參數(shù)決策分類 111
7.3.1 Fisher 線性判別法 111
7.3.2 Fisher 判別函數(shù)的訓練 113
7.3.3 Fisher 分段線性判別函數(shù) 117
7.4 聚類分析法與非監(jiān)督分類 118
7.4.1 聚類準則 119
7.4.2 K- 均值聚類法 120
7.4.3 ISODATA 聚類法 121
7.4.4 基于核構造的動態(tài)聚類法 123
7.5 人工神經(jīng)網(wǎng)絡分類 125
7.5.1 多層感知器 125
7.5.2 BP 算法 127
7.5.3 徑向基函數(shù)網(wǎng)絡 128
7.5.4 Kohonen 網(wǎng)絡 130
第8章 光譜特征選擇與提取 132
8.1 高維光譜特征分析基礎 132
8.1.1 高維特征空間樣本分布 132
8.1.2 “維數(shù)災難”現(xiàn)象 134
8.1.3 波段間相關性分析 135
8.2 類別可分性準則 136
8.2.1 基本特性 136
8.2.2 類內類間距離準則 137
8.2.3 概率距離準則 138
8.2.4 信息熵準則 140
8.3 基于類別可分性的特征提取 141
8.3.1 依類內類間距離準則的特征提取 142
8.3.2 依概率距離準則的特征提取 143
8.3.3 依信息熵準則的特征提取 145
8.4 基于信息壓縮的特征提取 146
8.4.1 主成分分析 146
8.4.2 噪聲分離變換 149
8.5 獨立成分分析特征提取 150
8.5.1 模型估計方法 151
8.5.2 快速ICA 算法 154
8.6 投影尋蹤特征提取 156
8.6.1 投影指標 157
8.6.2 基于PP 的高光譜影像特征提取 158
8.7 非線性特征提取方法 158
第9章 高光譜影像核方法分析 160
9.1 核函數(shù)與核方法原理 160
9.1.1 核函數(shù) 160
9.1.2 核方法 162
9.2 統(tǒng)計學習理論與支持向量機 163
9.2.1 統(tǒng)計學習理論 163
9.2.2 支持向量機 164
9.3 支持向量機分類 168
9.3.1 快速訓練算法 168
9.3.2 多類分類器構造 169
9.3.3 核函數(shù)及參數(shù)選擇 171
9.4 核Fisher 判別分類 172
9.4.1 Fisher 判別分析 172
9.4.2 核Fisher 判別分析 173
9.4.3 核Fisher 判別分類 174
9.5 相關向量機分類 178
9.5.1 稀疏Bayes 模型 179
9.5.2 模型參數(shù)推斷 180
9.5.3 相關向量機分類 181
9.6 非線性特征提取 183
9.6.1 核主成分分析 183
9.6.2 核巴氏距離投影尋蹤 184
9.6.3 廣義判別分析 185
第10章 混合像元分解 188
10.1 概述 188
10.1.1 混合像元分解的意義 188
10.1.2 混合像元分解流程 189
10.2 光譜混合模型 189
10.2.1 混合光譜的成因 189
10.2.2 線性混合模型 192
10.2.3 非線性混合模型 194
10.2.4 隨機混合模型 195
10.3 端元個數(shù)估計 196
10.3.1 NPD 算法 197
10.3.2 正交子空間投影法 198
10.4 端元提取技術 201
10.4.1 典型端元提取算法 201
10.4.2 空間信息輔助下的端元提取技術 203
10.4.3 基于粒子群優(yōu)化的端元提取算法 204
10.5 光譜解混技術 206
10.5.1 監(jiān)督分解算法 206
10.5.2 非監(jiān)督分解算法 211
第11章 高光譜與高空間分辨率影像融合 213
11.1 概述 213
11.1.1 像素級融合 213
11.1.2 特征級融合 214
11.1.3 決策級融合 214
11.2 融合預處理 215
11.2.1 輻射校正 215
11.2.2 幾何糾正 216
11.2.3 影像配準 216
11.3 高光譜與高空間分辨率影像融合算法 216
11.3.1 通用像素級融合算法 217
11.3.2 通用像素級融合算法特點分析 220
11.3.3 基于非負矩陣分解的融合算法 221
11.3.4 基于遺傳算法的融合方法 223
11.3.5 基于影像光譜復原的空間域融合方法 226
11.3.6 基于混合像元分解的融合算法 227
11.3.7 基于邊緣信息的光譜信息保持型融合算法 228
11.4 融合效果評價 229
11.4.1 主觀評價方法 229
11.4.2 客觀評價方法 230
11.4.3 綜合評價方法 232
第12章 高光譜數(shù)據(jù)處理系統(tǒng)設計 235
12.1 高光譜數(shù)據(jù)處理系統(tǒng)現(xiàn)狀分析 235
12.1.1 國外高光譜數(shù)據(jù)處理系統(tǒng)介紹 235
12.1.2 國內高光譜數(shù)據(jù)處理系統(tǒng)介紹 237
12.2 高光譜數(shù)據(jù)處理系統(tǒng)結構設計 238
12.2.1 高光譜影像數(shù)據(jù)結構 239
12.2.2 數(shù)據(jù)處理流程設計 239
12.2.3 系統(tǒng)體系結構設計 240
12.3 高光譜數(shù)據(jù)處理系統(tǒng)功能設計 241
12.3.1 影像數(shù)據(jù)預處理模塊 242
12.3.2 屬性信息分類提取模塊 242
12.3.3 數(shù)據(jù)融合模塊 243
12.4 高光譜數(shù)據(jù)處理關鍵技術及其實現(xiàn) 243
12.4.1 高光譜影像幾何校正技術 244
12.4.2 高維光譜特征壓縮和提取技術 245
12.4.3 高光譜與高空間分辨率數(shù)據(jù)融合處理技術 245
12.4.4 高精度的分類提取技術 246
12.5 高光譜遙感影像分析軟件系統(tǒng) 247
12.5.1 高光譜影像讀存顯示 247
12.5.2 高光譜影像預處理 248
12.5.3 高光譜影像特征分析 248
12.5.4 高光譜影像分類識別 248
12.5.5 地物光譜數(shù)據(jù)庫 251
參考文獻 253
彩圖
書單推薦
