《遥感影像地学理解与分析》求取 ⇩

第一章 遥感信息的地学评价与影像理解1

1.1 地理空间与影像空间1

1.1.1 地理空间1

前言1

1.1.2 影像空间2

1.1.3 地理空间与影像空间的转换5

1.1.4 遥感地学分析中的多尺度、多源数据7

1.2 遥感影像的分辨率8

1.2.1 多分辨率的遥感数据9

1.2.2 空间尺度11

1.3.1 光学域的遥感15

1.3 遥感影像中的独立地学变量15

1.3.2 微波域的遥感17

1.4 遥感影像特征的统计分析17

1.4.1 遥感影像的常规统计分析量17

1.4.2 统计变换20

1.4.3 遥感影像的统计分类器21

1.5 遥感影像的复杂度分析24

1.5.1 遥感影像复杂性的定义24

1.5.2 遥感影像复杂性的认识25

1.5.3 遥感影像复杂性的描述指标28

1.5.4 复杂性度量指标30

1.6 遥感影像的理解35

1.6.1 影像理解的基本概念35

1.6.2 航空影像理解系统的进展37

1.6.3 影像理解的启发38

第二章 地面特征的遥感信息表达与模型41

2.1 地学光谱特征分析41

2.1.1 地物光谱测定41

2.1.2 典型地物的光谱矢量曲线42

2.2 地学空间特征分析50

2.2.1 影像空间特征的描述指标及其应用50

2.2.2 空间特征的描述54

2.3 地面特征的遥感信息模型59

2.3.1 遥感模型59

2.3.2 地面特征遥感信息模型研究61

2.3.3 光谱特征模型的建立63

第三章 基于光谱特征的水体信息自动提取68

3.1 水体及其遥感监测68

3.1.1 水体68

3.1.2 水体的遥感监测70

3.2 NOAA AVHRR图像上的水体提取71

3.2.1 NOAA 图像上水体的表现及特征分析71

3.2.3 水体提取的实例74

3.2.2 NOAA AVHRR 图像上的水体识别提取模型74

3.3 Landsat TM图像的水体提取75

3.3.1 试验区及其数据76

3.3.2 Landsat TM图像上水体的遥感信息机理分析76

3.3.3 水体及背景地物的光谱值分析76

3.3.4 水体提取方法的比较研究78

3.4 JERS SAR 图像上的水体提取78

3.4.1 基本原理78

3.4.2 SAR 图像的几何校正79

3.4.3 SAR 图像的滤波处理79

3.4.4 结果分析80

3.5.1 研究区域和实验数据81

3.5 ERS SAR 图像上的水体提取81

3.5.2 雷达影像光滑82

3.5.3 纹理分析82

3.5.4 水体的自动识别84

3.6 Radarsat SAR 图像上的水体提取85

3.6.1 试验数据和影像特征85

3.6.2 试验步骤和方法86

第四章 基于知识发现的居民点特征提取91

4.1 居民地及其地面特征91

4.1.1 居民地的地面特征91

4.1.2 居地遥感专题信息提取研究的意义94

4.2.1 AVHRR 影像上居民地的影像特征分析96

4.2.2 AVHRR 影像上居民地的光谱特征分析及提取模型96

4.2 NOAA/AVHRR 影像上的居民地识别96

4.2.3 AVHRR 影像上居民地的提取分析100

4.3 TM 图像的居民地识别提取101

4.3.1 TM 图像在居民地识别提取方面的应用现状101

4.3.2 居民地在 TM 图像上的机理分析103

4.3.3 成都平原地区居民地的识别提取104

4.3.4 基于光谱知识的居民地的提取模型109

4.3.5 利用基于光谱知识和空间关系知识的城镇提取模型提取城镇110

4.3.7 居民地的分类提取113

4.3.6 集村居民地的提取分析113

4.3.8 结果分析114

4.4 SAR 图像上居民地的识别提取114

4.4.1 微波遥感的应用现状114

4.4.2 微波遥感的特点及居民地的微波遥感机理116

4.4.3 居民地在JERS-1 SAR 图像上的表征及其识别分析119

4.4.4 居民地在Radarsat SAR 上的表征及其识别分析125

4.5 GIS 支持下的山区TM 图像的居民地识别提取132

4.5.1 GIS 支持下的遥感专题信息提取的现状132

4.5.2 试验区概况及数据132

4.5.3 GIS 支持下的居民点知识的发现134

4.5.4 居民地专题信息提取模型的构建138

第五章 基于光谱特征岩性信息提取和分类142

5.1 岩石光谱特征及其影像分析142

5.1.1 矿物光谱特征142

5.1.2 岩石光谱特征形成机理144

5.1.3 影响岩石光谱特征的主要因素145

5.1.4 岩石遥感影像的基本特征146

5.1.5 实例研究147

5.2 基于光谱特征的岩性信息提取155

5.2.1 对应分析方法提取岩性信息155

5.2.2 哈达门沟山前钾化带信息提取167

5.3 遥感图像岩石分类识别169

5.3.1 有序岩石遥感信息的最优分割169

5.3.2 光谱角度填图(SAM)及其方法的改善177

5.3.3 逻辑斯蒂分类179

5.3.4 方法评价182

第六章 遥感影像的统计分析扩展模型184

6.1 遥感数理统计分析扩展模型184

6.1.1 常规数理统计方法的局限性184

6.1.2 遥感统计分析模型的扩展185

6.2.1 稳健统计理论187

6.2 遥感摄像多维密度分布模型187

6.2.2 高斯混合密度降解模型(GMDD)188

6.2.3 多维密度分布模型在遥感影像特征提取上的应用191

6.3 基于尺度空间的遥感影像分层聚类方法193

6.3.1 基于多尺度空间的分层聚类算法(SSHC)193

6.3.2 SSHC 聚类算法设计194

6.3.3 实例分析197

6.4 具有部分监督功能的模糊分类199

6.4.1 遥感影像的模糊分类199

6.4.2 地学知识辅助下的FUZZY-ISODATA聚类算法200

6.4.3 SSUFIC支持下的遥感影像模糊分类202

6.5 空间逐步寻优数据挖掘及其遥感影像分类模型203

6.5.1 空间逐步寻优模型(SOMM)203

6.5.2 基于SOMM 模型的遥感影像分类方法206

6.5.3 实例分析207

6.5.4 SOMM 模型的总结与展望209

第七章 遥感影像生理认知模型研究212

7.1 人工神经网络与神经计算212

7.1.1 人工神经网络212

7.1.2 神经计算213

7.1.3 人工神经网络结构模型214

7.2.1 神经网络优化模型--Hopfield网络217

7.2 优化模型217

7.2.2 基于模拟退火原理的优化模型--Boltzmann机219

7.2.3 基于进化计算思想的地学优化模型221

7.3 遥感影像生理认知223

7.3.1 计算理论基础223

7.3.2 基于神经计算模型的视觉认知224

7.3.3 地学知识融合下遥感影像生理认知模型225

7.4 基于多层感知器(MIP)的遥感影像分类模型228

7.4.1 多层感知器(Multi-Layer Perceptron)228

7.4.2 学习算法及其改进229

7.4.3 基于BPNN 的遥感影像分类模型232

7.4.4 结论238

7.5 基于径向基函数(RBF)神经网络的遥感影像分类模型239

7.5.1 RBF 映射理论239

7.5.2 RBFNN 遥感影像分类模型242

7.5.3 RBFNN 模型应用示范243

7.5.4 RBFNN 结论与展望244

7.6 基于自适应共振模型(ART)的遥感影像分类模型245

7.6.1 ART 模型概述245

7.6.2 基于ART 的遥感影像分类模型247

7.6.3 FUZZY-ARTMAP应用分析249

7.6.4 总结与展望254

第八章 遥感影像智能图解与前沿问题探索256

8.1 遥感地学分析的智能化研究257

8.1.1 遥感信息地学处理与分析的发展历史257

8.1.2 智能化遥感地学分析的发展历史259

8.1.3 智能化遥感地学分析研究的前沿问题259

8.1.4 智能化遥感地学分析研究展望262

8.2 遥感地学智能图解概念的提出262

8.2.1 遥感影像解译262

8.2.2 地学计算机图解与遥感地学智能图解264

8.2.3 遥感地学智能图解概念框架265

8.3.1 地学知识267

8.3 地学知识处理模型267

8.3.2 地学知识的表达模型269

8.3.3 地学知识的获取273

8.3.4 不确定性空间推理274

8.3.5 遥感地学分析专家系统277

8.4 遥感地学智能图解中的认知模型282

8.4.1 地学认知理论282

8.4.2 遥感影像低层视觉认知模型285

8.4.3 遥感影像生理认知289

8.4.4 遥感影像心理认知290

8.5 进一步研究构想291

参考文献293