第1章 緒論 1
1.1　引言 1
1.2　遙感圖像亞像元定位方法研究的背景和意義 1
1.2.1　遙感圖像亞像元定位方法的研究背景 1
1.2.2　遙感圖像亞像元定位方法的研究意義 5
1.3　遙感圖像亞像元定位方法的研究現狀 7
1.3.1　先初始化后優化遙感圖像亞像元定位 8
1.3.2　軟硬屬性轉換遙感圖像亞像元定位 9
1.3.3　其他類型的遙感圖像亞像元定位 10
1.3.4　超分辨率技術的研究現狀 12
1.4　遙感圖像亞像元定位方法存在的問題 13
1.5　主要研究內容與章節安排 14
參考文獻 16
第2章 遙感圖像亞像元定位方法的基本原理 27
2.1　引言 27
2.2　光譜解混方法 27
2.3　遙感圖像亞像元定位方法的理論基礎 29
2.4　遙感圖像亞像元定位方法的流程 29
2.4.1　亞像元銳化方法 30
2.4.2　類別分配方法 32
2.5　遙感圖像亞像元定位精度的評價方法 34
2.6　本章小結 38
參考文獻 38

第3章 基于單幅遙感圖像的亞像元定位 40
3.1　引言 40
3.2　基于混合插值的遙感圖像亞像元定位 41
3.2.1　插值問題 41
3.2.2　現有的基于插值的遙感圖像亞像元定位方法 42
3.2.3　提出的方法 43
3.2.4　實驗內容與結果分析 45
3.3　基于更多監督信息Hopfield神經網絡的亞像元定位 52
3.3.1　傳統的基于Hopfield神經網絡的亞像元定位方法 53
3.3.2　提出的方法 54
3.3.3　實驗內容與結果分析 55
3.4　基于擴展隨機行走的遙感圖像亞像元定位 59
3.4.1　多尺度分割方法 60
3.4.2　擴展隨機行走方法 60
3.4.3　基于對象單元的類別分配方法 62
3.4.4　實驗內容與結果分析 63
3.5　本章小結 67
參考文獻 68
第4章 基于多位移圖像的遙感圖像亞像元定位 70
4.1　引言 70
4.2　多位移圖像的理論基礎 71
4.2.1　多位移圖像問題 71
4.2.2　現有的基于多位移圖像的遙感圖像亞像元定位方法 72
4.3　基于具有空—譜信息的多位移圖像亞像元定位 74
4.3.1　提出的方法 74
4.3.2　實驗內容與結果分析 75
4.4　基于空間引力模型多尺度信息的多位移圖像亞像元定位 85
4.4.1　亞像元-像元空間引力模型 85
4.4.2　亞像元-亞像元空間引力模型 87
4.4.3　提出的方法 88
4.4.4　實驗內容與結果分析 89
4.5　利用雙網絡產生具有多尺度空—譜信息的多位移圖像亞像元定位 101
4.5.1　多尺度網絡和空—譜網絡 101
4.5.2　提出的方法 105
4.5.3　實驗內容與結果分析 106
4.6　本章小結 117
參考文獻 118
第5章 基于融合技術的遙感圖像亞像元定位 120
5.1　引言 120
5.2　基于全色銳化技術的軟硬屬性轉換遙感圖像亞像元定位 121
5.2.1　全色銳化技術 121
5.2.2　提出的方法 123
5.2.3　實驗內容與結果分析 124
5.3　基于并行處理路徑的高光譜圖像遙感圖像亞像元定位 133
5.3.1　融合路徑 133
5.3.2　深度學習路徑 135
5.3.3　提出的方法 137
5.3.4　實驗內容與結果分析 138
5.4　本章小結 150
參考文獻 150
第6章 基于重建后分類的遙感圖像亞像元定位 153
6.1　引言 153
6.2　理論基礎 154
6.2.1　超分辨率方法 154
6.2.2　全監督信息分類方法 155
6.3　基于MAP超分辨率重建后分類的遙感圖像亞像元定位 160
6.3.1　基于變換空間的MAP超分辨率重建 161
6.3.2 最小二乘向量基分類方法 164
6.3.3　實驗內容與結果分析 165
6.4　基于全色銳化重建后分類的遙感圖像亞像元定位 178
6.4.1　基于全色銳化重建后分類的遙感圖像亞像元定位實現步驟 178
6.4.2　實驗內容與結果分析 180
6.5　本章小結 183
參考文獻 184

第7章 遙感圖像亞像元定位方法的應用 185
7.1　引言 185
7.2　通過提供更多的光譜信息改進多光譜圖像的
洪水淹沒遙感圖像亞像元定位 186
7.2.1　現有的洪水淹沒亞像元定位 186
7.2.2　提出的方法 188
7.2.3　實驗內容與結果分析 189
7.3　基于具有空—譜信息的多光譜圖像城市建筑遙感圖像亞像元定位 193
7.3.1　SMUB 193
7.3.2　實驗內容與結果分析 194
7.4　本章小結 199
參考文獻 199
附錄 本書主要縮寫說明 202