遙感影像地學(xué)理解與分析

序
前言
第一章邈感信息的地學(xué)評價與影像理解??
1.1地理空間與影像空間
1.1.1地理空間
1.1.2影像空間
1.1.3地理空間與曩像空間的轉(zhuǎn)換
1.1.4遙感地學(xué)分析中的多尺度.多源數(shù)據(jù)
1.2遙感影像的分辨率
1.2.1多分辨率的遙感數(shù)據(jù)
1.2.2空間尺度
1.3遙感影像中的獨(dú)立地學(xué)變量
1.3.1光學(xué)域的遙感
1.3.2微波域的遙感
1.4遙感影像特征的統(tǒng)計(jì)分析
1.4.1遙感影像的常規(guī)統(tǒng)計(jì)分析量
1.4.2統(tǒng)計(jì)變換
1.4.3遙感影像的統(tǒng)計(jì)分類器
1.5遙感影像的復(fù)雜度分析
1.5.1遙感影像復(fù)雜性的定義
1.5.2遙感影像復(fù)雜性的認(rèn)識
1.5.3遙感影像復(fù)雜性的描述指標(biāo)
1.5.4復(fù)雜性度量指標(biāo)
1.6遙感影像的理解
1.6.1影像理解的基本概念
1.6.2影像理解的基本概念
1.6.2航空影像理解系統(tǒng)的進(jìn)展
1.6.3影像理解的啟發(fā)
第二章〓地面特征的遙感信息表達(dá)與模型
2.1地學(xué)光譜特征分析
2.1.1地物光譜測定
2.1.2典型地物的光譜矢量曲線
2.2地學(xué)空間特征分析
2.2.1影像空間特征的描述指標(biāo)及其應(yīng)用
2.2.2空間特征的描述
2.3地面特征的遙感信息模型
2.3.1遙感模型
2.3.2地面特征遙感信息模型研究
2.3.3光譜特征模型的建立
第三章基于光譜特征的水體信息自動提取
3.1水體及其遙感監(jiān)測
3.1.1水體
3.1.2水體的遙感監(jiān)測
3.2NOAAAVHRR圖像上的水體提取
3.2.1NOAA圖像上水體的表現(xiàn)及特征分析
3.2.2NOAAAVHRR圖像上的水體識別提取模型
3.2.3水體提取的實(shí)例
3.3LandsatTM圖像的水體提取
3.3.1試驗(yàn)區(qū)及其數(shù)據(jù)
3.3.2LandsatTM圖像上水體的遙感信息機(jī)理分析
3.3.3水體及背景地物的光譜值分析
3.3.4水休提取方法的比較研究
3.4JERSSAR圖像上的水體提取
3.4.1基本原理
3.4.2SAR圖像的幾何校正
3.4.3SAR圖像的濾波處理
3.4.4結(jié)果分析
3.5ERSSAR圖像上的水體提取
3.5.1研究區(qū)域和實(shí)驗(yàn)數(shù)據(jù)
3.5.2雷達(dá)影像光滑
3.5.3紋理分析
3.5.4水體的自動識別
3.6RadarsatSAR圖像上的水體提取
3.6.1試驗(yàn)數(shù)據(jù)和影像特征
3.6.2試驗(yàn)步驟和方法
第四章基于知識發(fā)現(xiàn)的居民點(diǎn)特征提取
4.1居民地及其地面特征
4.1.1居民地的地面特征
4.1.2居民地遙感專題信息提取研究的意義
4.2NOAA/AVHRR影像上的居民地識別
4.2.1AVHRR影像上居民地的影像特征分析
4.2.1AVHRR影像上居民地的光譜特征分析及提取模型
4.2.1AVHRR影像上居民地的提取分析
4.3TM圖像的居民地識別提取
4.3.1TM圖像在居民地識別提取方面的應(yīng)用現(xiàn)狀
4.3.2居民地在TM圖像上的機(jī)理分析
4.3.3成都平原地區(qū)居民地的識別提取
4.3.4基于光譜知識的居民地的提取模型
4.3.5利用基于光譜知識和空間關(guān)系知識的城鎮(zhèn)提取模型提取城鎮(zhèn)
4.3.6集村居民地的提取分析
4.3.7居民地的分類提取
4.3.8結(jié)果分析
4.4SAR圖像上居民地的識別提取
4.4.1微波遙感的應(yīng)用現(xiàn)狀
4.4.2微波遙感的特點(diǎn)及居民地的微波遙感機(jī)理
4.4.3居民地在JERS-1SAR圖像上的表征及其識別分析
4.4.4居民地在RadarsatSAR上的表征及其識別分析
4.5GIS支持下的山區(qū)IM圖像的居民地識別提取
4.5.1GIS支持下的遙感專題信息提取的現(xiàn)狀
4.5.2試驗(yàn)區(qū)概況及數(shù)據(jù)
4.5.3GIS支持下的居民點(diǎn)知識的發(fā)現(xiàn)
4.5.4居民地專題信息提取模型的構(gòu)建
第五章基于光譜特征巖性信息提取和分類
5.1巖石光譜特征及其影像分析
5.1.1礦物光譜特征
5.1.2巖石光譜特征形成機(jī)理
5.1.3影響巖石光譜特征的主要因素
5.1.4巖石遙感影像的基本物征
5.1.5實(shí)例研究
5.2基于光譜特征的巖性信息提取
5.2.1對應(yīng)分析方法提取巖性信息
5.2.2哈達(dá)門溝山前鉀化帶信息提取
5.3遙感圖像巖石分類識別
5.3.1有序巖石遙感信息的最優(yōu)分割
5.3.2光譜角度填圖(SAM)及其方法的改善
5.3.3邏輯斯蒂分類
5.3.4方法評價
第六章遙感影像的統(tǒng)計(jì)分析擴(kuò)展模型
6.1遙感數(shù)理統(tǒng)計(jì)分析擴(kuò)展模型
6.1.1常規(guī)數(shù)理統(tǒng)計(jì)方法的局限性
6.1.2遙感統(tǒng)計(jì)分析模型的擴(kuò)展
6.2遙感影像多維密度分布模型
6.2.1穩(wěn)健統(tǒng)計(jì)理論
6.2.2高斯混合密度降解模型(GMDD)
6.2.3多維密度分布模型在遙感影像特征提取上的應(yīng)用
6.3基于尺度空間的遙感影像分層聚類方法
6.3.1基于多尺度空間的分層聚類算法(SSHC)
6.3.2SSHC聚類算法設(shè)計(jì)
6.3.3實(shí)例分析
6.4具有部分監(jiān)督功能的模糊分類
6.4.1遙感影像的模糊分類
6.4.2地學(xué)知識輔助下的FUZZY-ISODATA聚類算法
6.4.3SSUFIC支持下的遙感影像模糊分類
6.5空間逐步尋優(yōu)數(shù)據(jù)挖掘及其遙感影像分類模型
6.5.1空間逐步尋優(yōu)模型(SOMM)
6.5.2基于SOMM模型的遙感影像分類方法
6.5.3實(shí)例分析
6.5.4SOMM模型的總結(jié)與展望
第七章遙感影像生理認(rèn)知模型研究
7.1人工神經(jīng)網(wǎng)絡(luò)與神經(jīng)計(jì)算
7.1.1人工神經(jīng)網(wǎng)絡(luò)
7.1.2神經(jīng)計(jì)算
7.1.3人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型
7.2優(yōu)化模型
7.2.1神經(jīng)網(wǎng)絡(luò)優(yōu)化模型――Hopfield網(wǎng)絡(luò)
7.2.2基于模擬退火原理的優(yōu)化模型――Boltzmann機(jī)
7.2.3基于進(jìn)化計(jì)算思想的地學(xué)優(yōu)化模型
7.3遙感影像生理認(rèn)知
7.3.1計(jì)算理論基礎(chǔ)
7.3.2基于神經(jīng)計(jì)算模型的視覺認(rèn)知
7.3.3地學(xué)知識融合下遙感影像生理認(rèn)知模型
7.4基于多層感知器(MLP)的遙感影像分析模型
7.4.1多層感知器(Multi??LayerPrceptron)
7.4.2學(xué)習(xí)算法及其改進(jìn)
7.4.3基于BPNN的遙感影像分類模型
7.4.4結(jié)論
7.5基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的遙感影像分類模型
7.5.1RBF映射理論
7.5.2RBFNN遙感影像分類模型
7.5.3RBFNN模型應(yīng)用示范
7.5.4RBFNN結(jié)論與展望
7.6基于自適應(yīng)共振模型(ART)的遙感影像分類模型
7.6.1ART模型概述
7.6.2基于ART的遙感影像分類模型
7.6.3FUZZY-ARTMAP應(yīng)用分析
7.6.4總結(jié)與展望
第八章遙感影像智能圖像與前沿問題探索
8.1遙感地學(xué)分析的智能化研究
8.1.1遙感信息地學(xué)處理與分析的發(fā)展歷史
8.1.2智能化遙感地學(xué)分析的發(fā)展歷史
8.1.3智能化遙感地學(xué)分析研究的前沿問題
8.1.4智能化遙感地學(xué)分析研究展望
8.2遙感地學(xué)智能圖像概念的提出
8.2.1遙感影像解譯
8.2.2地學(xué)計(jì)算機(jī)圖像與遙感地學(xué)智能圖像
8.2.3遙感地學(xué)智能圖像概念框架
8.3地學(xué)知識處理模型
8.3.1地學(xué)知識
8.3.2地學(xué)知識的表達(dá)模型
8.3.3地學(xué)知識的獲取
8.3.4不確定性空間推理
8.3.5遙感地學(xué)分析專家系統(tǒng)
8.4遙感地學(xué)智能圖像中的認(rèn)知模型
8.4.1地學(xué)認(rèn)知理論
8.4.2遙感影像低層視覺認(rèn)知模型
8.4.3遙感影像生理認(rèn)知
8.4.4遙感影像心理認(rèn)知
8.5進(jìn)一步研究構(gòu)想
參考文獻(xiàn)
附錄：彩色圖版