高分辨率遙感影像智能解譯

前言
第1章 緒論
1．1 高分辨率衛(wèi)星遙感影像數(shù)據(jù)獲取進(jìn)展
1．1．1 高空間分辨率光學(xué)衛(wèi)星遙感影像獲取
1．1．2 高光譜分辨率衛(wèi)星遙感影像獲取
1．1．3 高分辨率星載SAR遙感影像獲取
1．2 高分辨率遙感影像智能解譯研究概述
1．2．1 遙感影像解譯理論與方法研究進(jìn)展
1．2．2 高分辨率遙感影像智能解譯的發(fā)展趨勢(shì)
1．3 高分辨率遙感影像智能解譯的難點(diǎn)與挑戰(zhàn)
1．3．1 精細(xì)描述高分辨率遙感影像內(nèi)容面臨的挑戰(zhàn)
1．3．2 高分辨率遙感影像解譯面臨的挑戰(zhàn)
本章小結(jié)
主要參考文獻(xiàn)
第2章 高分辨率遙感影像解譯基礎(chǔ)
2．1 高分辨率遙感影像智能解譯機(jī)理
2．1．1 遙感影像目視解譯原理
2．1．2 視覺(jué)信息處理機(jī)制
2．2 高分辨率遙感影像數(shù)據(jù)——信息轉(zhuǎn)化的理論與方法
2．2．1 綜合視覺(jué)與非視覺(jué)特性的對(duì)地觀測(cè)數(shù)據(jù)——信息轉(zhuǎn)化
2．2．2 影像及影像對(duì)象層
2．2．3 影像對(duì)象描述層
2．2．4 影像對(duì)象解譯層
2．3 影像對(duì)象與地理實(shí)體
2．3．1 從像素、影像塊到影像對(duì)象
2．3．2 目標(biāo)的檢測(cè)與智能定位
2．3．3 地球空間對(duì)象的提取及面臨的問(wèn)題
2．4 影像對(duì)象的特征提取與內(nèi)容描述
2．4．1 影像對(duì)象特征提取與描述方法
2．4．2 影像塊及其視覺(jué)單詞的描述與表達(dá)
2．4．3 生物視覺(jué)啟發(fā)的影像特征提取與描述
2．4．4 影像對(duì)象的特征提取與內(nèi)容描述面臨的問(wèn)題
2．5 遙感影像的智能解譯
2．5．1 影像對(duì)象的識(shí)別與分類(lèi)
2．5．2 影像的相似性檢索
2．5．3 影像目標(biāo)的檢測(cè)與識(shí)別
2．5．4 遙感影像智能理解面臨的幾個(gè)問(wèn)題
本章小結(jié)
主要參考文獻(xiàn)
第3章 面向?qū)ο蟮挠跋穹治龌A(chǔ)
3．1 高分辨率遙感影像陰影檢測(cè)技術(shù)研究現(xiàn)狀
3．1．1 陰影形成的物理機(jī)制
3．1．2 主要陰影檢測(cè)技術(shù)概述
3．2 高分辨率遙感影像的陰影檢測(cè)
3．2．1 遙感影像的陰影特征分析
3．2．2 基于MFI的陰影檢測(cè)
3．2．3 基于SAFS的陰影檢測(cè)
3．2．4 實(shí)驗(yàn)分析與評(píng)價(jià)
3．3 影像分割技術(shù)及其發(fā)展
3．3．1 影像分割的概念
3．3．2 影像分割技術(shù)的發(fā)展現(xiàn)狀
3．3．3 影像分割在遙感中的應(yīng)用
3．4 基于邊緣信息的鄰域FCM聚類(lèi)分割方法
3．4．1 EFLICM聚類(lèi)方法
3．4．2 邊緣信息的獲取
3．4．3 鄰域模板權(quán)重
3．4．4 加權(quán)空間鄰域聚類(lèi)算法
3．4．5 實(shí)驗(yàn)分析與討論
3．5 綜合紋理、形狀和光譜信息的遙感影像分割
3．5．1 基于圖模型的影像分割框架
3．5．2 紋理、形狀和光譜信息的距離模型
3．5．3 基于距離模型的影像分割算法
3．5．4 實(shí)驗(yàn)結(jié)果與分析
3．5．5 定量評(píng)價(jià)
3．6 分割精度評(píng)價(jià)與影像對(duì)象的尺度選擇
3．6．1 基于對(duì)象的精度評(píng)價(jià)方法
3．6．2 對(duì)象的尺度選擇與融合
本章小結(jié)
主要參考文獻(xiàn)
第4章 影像對(duì)象特征提取技術(shù)
第5章 影像對(duì)象詞包表示與主題模型
第6章 遙感影像的相似性及其檢索
第7章 遙感影像目標(biāo)檢測(cè)與識(shí)別技術(shù)
第8章 高空間分辨率遙感影像分類(lèi)
第9章 高空間分辨率遙感影像智能解譯系統(tǒng)
彩圖