高分辨率遥感信息处理【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

高分辨率遥感信息处理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 高分辨率遥感影像概况1

1.1.1 高空间分辨率遥感卫星的发展与现状1

1.1.2 高分辨率遥感影像的特点2

1.2 高分辨率遥感影像的处理方法3

1.2.1 像素空间特征提取3

1.2.2 面向对象的特征提取3

1.2.3 影像分类4

1.3 高分辨率遥感影像的应用4

1.3.1 城市地物分类4

1.3.2 场景识别5

1.3.3 变化检测5

参考文献6

第2章 高分辨率影像特征提取：像元形状指数10

2.1 PSI10

2.1.1 像元形状指数的计算10

2.1.2 基于支持向量机的光谱-形状特征融合13

2.1.3 PSI与GLCM的比较14

2.1.4 实验与分析14

2.2 SFS19

2.2.1 结构特征提取20

2.2.2 自适应特征选择与维数减少21

2.2.3 非参数化分类器25

2.2.4 实验与分析25

2.3 PSI的应用33

2.4 小结与展望34

参考文献35

第3章 高分辨率影像特征提取：纹理37

3.1 小波变换37

3.1.1 基于小波的纹理特征提取37

3.1.2 实验与分析42

3.2 NSCT45

3.2.1 基于NSCT的纹理特征提取算法47

3.2.2 实验与分析48

3.3 小结52

参考文献52

第4章 高分辨率影像特征提取：形态谱54

4.1 数学形态谱基本介绍54

4.1.1 形态学基本操作54

4.1.2 数学形态谱56

4.1.3 差分形态学谱57

4.2 广义差分形态谱59

4.2.1 基于完全重构的GDMP59

4.2.2 基于偏重构的GDMP64

4.2.3 特征分析65

4.3 多成分形态谱66

4.3.1 基影像构建67

4.3.2 多成分形态谱76

4.4 小结与展望79

参考文献80

第5章 面向对象影像分析81

5.1 面向对象分析方法81

5.1.1 面向对象分析思想81

5.1.2 分形网络进化算法82

5.2 基于均值漂移的特征空间分析84

5.2.1 概率密度估计与均值漂移84

5.2.2 基于均值漂移的对象提取与分类模型86

5.2.3 自适应均值漂移模型的带宽选择89

5.3 实验分析91

5.3.1 华盛顿HYDICE航空影像实验92

5.3.2 普渡大学HYMAP航空影像实验101

5.4 小结与展望104

参考文献105

第6章 高分辨率影像特征提取：形态学房屋指数108

6.1 形态学房屋指数109

6.2 形态学阴影指数112

6.3 增强房屋指数113

6.4 MBI的应用115

6.4.1 房屋提取115

6.4.2 变化检测115

6.4.3 影像分类116

6.4.4 城市环境116

6.5 小结与展望117

参考文献117

第7章 高分辨率遥感影像机器学习与分类121

7.1 SVM集成学习121

7.1.1 光谱-空间多特征提取122

7.1.2 多特征SVM集成122

7.1.3 实验与分析125

7.2 支持张量机132

7.2.1 多类支持张量机分类器132

7.2.2 融合多维主成分分析的支持张量机遥感影像分类框架136

7.2.3 实验与分析138

7.3 再学习145

7.3.1 基于类别共生关系的再学习分类后处理145

7.3.2 基于类别直方图的再学习分类后处理147

7.3.3 实验与分析148

7.4 自动样本选择165

7.4.1 城市要素样本集自动提取165

7.4.2 城市要素样本集优选169

7.4.3 实验与分析171

7.5 小结与展望185

参考文献188

第8章 高分辨率遥感应用192

8.1 高分辨率城市变化检测192

8.1.1 自动化热点变化监测193

8.1.2 多级变化监测框架194

8.2 城市场景提取：以城中村为例201

8.2.1 基于语义场景表示的城中村提取方法202

8.2.2 实验与分析205

8.3 房屋变化检测209

8.3.1 基于MBI的房屋变化检测210

8.3.2 基于BCI的房屋变化检测212

8.3.3 容错的房屋变化检测214

8.3.4 实验与分析217

8.4 水体提取与变化分析223

8.4.1 高分辨率遥感影像城市水体提取与识别223

8.4.2 长江中下游湖泊演化和驱动因素定量化分析228

8.5 小结与展望233

参考文献233

附录 MATLAB代码238