目錄

第 1章緒論 1
1.1國際遙感的發展歷程和趨勢 3
1.2國內遙感的發展歷程和現狀 7
參考文獻 20
第 2章光學遙感基礎 22
2.1光學遙感系統成像原理 22
2.2基本概念 37
2.2.1空間分辨率 37
2.2.2光譜分辨率 39
2.2.3輻射分辨率 41
2.2.4時間分辨率 41
2.2.5遙感系統的信息容量 42
2.2.6光學遙感空間與光譜分辨率間的關系 42
參考文獻 44
第3章高光譜圖像特性及噪聲評價和降維算法 45
3.1高光譜圖像特性分析 46
3.1.1典型地物的光譜特性 46
3.1.2波段間相關性 48
3.2空間與光譜結合的噪聲估計方法 49
3.2.1噪聲產生的機理 49
3.2.2幾種遙感圖像中常用的噪聲概率密度函數 52
3.2.3噪聲評估國內外研究現狀 55
3.2.4空間/光譜維去相關法噪聲評估 58
3.2.5實驗分析 62
3.3高光譜圖像特征提取/降維 64
3.3.1主成分分析 64
3.3.2最小噪聲變換 66
3.3.3線性判別分析 67
3.3.4降維處理對高光譜圖像應用的影響分析 68
參考文獻 69
第4章遙感圖像配準校正 71
4.1遙感圖象配準原理 71
4.1.1圖象預處理及配準控制點選取 73
4.1.2圖象間變換模型的建立 74
4.1.3待配準圖象的幾何變換和重采樣 76
4.1.4配準精度的評定 79
4.2基于灰度信息的傳感器遙感圖象的配準 80
4.2.1基于相關的配準方法 80
4.2.2基于互信息的配準方法 88
4.2.3基于高斯模型的遙感圖像配準 93
參考文獻 98
第5章基于融合空間信息的分辨率增強技術 100
5.1基于圖像融合的分辨率增強技術 100
5.1.1圖像融合技術 100
5.1.2分辨率增強技術 102
5.1.3基于IHS變換融合算法及其改進算法的分辨率增強技術 106
5.2增強空間信息的高光譜圖像數據融合 115
5.2.1基于回歸的融合算法 116
5.2.2基于相關向量回歸的融合算法 118
5.2.3仿真實驗及性能分析 119
參考文獻 121
第6章基于時空融合的分辨率增強算法 124
6.1基于時空自適應反射率融合模型的分辨率增強算法 124
6.1.1基于STARFM改進時空數據融合方法 125
6.1.2時空融合算法原理 126
6.1.3基于STARFM改進的時空數據融合方法 129
6.1.4實驗結果與分析 132
6.2基于神經網絡的時空融合分辨率增強 136
6.2.1神經網絡的概述 138
6.2.2基于卷積神經網絡反射率時空融合影像分辨率增強 141
6.2.3基于卷積神經網絡圖像超分辨率的算法改進 145
6.2.4實驗結果與分析 148
參考文獻 150
第7章基于混合像元分解的高光譜圖像分辨率增強 154
7.1光譜解混發展現狀 154
7.2基于無監督聚類的高光譜圖像端元提取 159
7.2.1 N-FINDR算法及其不足 160
7.2.2基于無監督聚類的端元提取算法 162
7.2.3實驗結果與分析 165
7.3基于支持向量數據描述的混合像素分解 170
7.3.1未知端元對解混的影響分析 170
7.3.2混合像素分解算法 171
7.3.3實驗結果與討論 172
7.4混合像元分解后的分辨率增強 177
7.4.1基于空間相關性的子像素制圖方法 177
7.4.2基于感興趣目標的子像素制圖方法 179
參考文獻 180
第8章分辨率增強算法在小目標檢測中的應用 184
8.1典型高光譜圖像目標檢測算法及效果評價方法 184
8.1.1光譜角度填圖法 186
8.1.2約束能量最小化算法 187
8.1.3檢測算法評價及ROC曲線 188
8.1.4分析與討論 189
8.2基于支持向量機數據描述的高光譜圖像目標檢測 190
8.2.1支持向量數據描述原理及性能分析 191
8.2.2基于SVDD的目標檢測算法原理及實現 196
8.2.3實驗結果與分析 197
8.3分辨率增強在小目標檢測中的應用及性能評價 201
8.3.1基于融合的分辨率增強在小目標檢測的應用 201
8.3.2基于解混的分辨率增強在目標檢測中的應用 203
參考文獻 208