高光譜遙感圖像處理與應(yīng)用

《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序  前言  第1章 緒論  1.1 高光譜遙感成像原理及特點  1.2 高光譜成像技術(shù)  1.3 高光譜遙感圖像波段選擇與降維技術(shù)  1.3.1 波段選擇方法概述  1.3.2 國外高光譜波段選擇研究現(xiàn)狀  1.3.3 國內(nèi)高光譜波段選擇研究現(xiàn)狀  1.4 高光譜圖像目標(biāo)檢測技術(shù)  1.5 高光譜圖像混合像元分解技術(shù)  參考文獻  第2章 高光譜數(shù)據(jù)獲取  2.1 引言  2.2 野外數(shù)據(jù)采集  2.2.1 地物波譜數(shù)據(jù)的采集  2.2.2 高光譜圖像數(shù)據(jù)采集  參考文獻  第3章 高光譜圖像濾波處理  3.1 引言  3.2 高光譜圖像點狀噪聲去除  3.2.1 高光譜圖像噪聲探源與特征分析  3.2.2 基于直方圖高斯擬合的噪聲估計  3.2.3 基于小波變換的去噪  3.2.4 基于最小噪聲分離變換的去噪  3.2.5 高光譜圖像去噪實驗與分析  3.3 高光譜圖像條帶噪聲去除  3.3.1 條帶噪聲的產(chǎn)生機理  3.3.2 條帶噪聲的特性及分析  3.3.3 常用條帶噪聲消除方法  3.3.4 條帶噪聲消除效果的評價  3.3.5 基于平滑濾波的條帶噪聲消除方法  參考文獻  第4章 高光譜圖像波段選擇  4.1 引言  4.2 高光譜波段選擇的常用方法  4.2.1 基于信息量的波段選擇方法  4.2.2 基于類別可分性的波段選擇方法  4.2.3 基于地物光譜響應(yīng)特征的波段選擇方法  4.2.4 波段搜索方法  4.2.5 實驗結(jié)果與算法應(yīng)用分析  4.3 基于統(tǒng)計排序的高光譜波段選擇  4.3.1 SSBS算法描述  4.3.2 算法分析  4.3.3 實驗結(jié)果與分析  4.4 基于目標(biāo)檢測的波段剔除選擇方法  4.4.1 波段剔除選擇算法描述  4.4.2 實驗結(jié)果與分析  4.5 基于目標(biāo)檢測的兩步波段選擇法  4.5.1 TSBS算法描述  4.5.2 實驗與分析  4.6 基于曲線面積的波段選擇法  4.6.1 基于曲線面積的波段選擇算法描述  4.6.2 實驗與分析  4.7 高光譜波段選擇智能優(yōu)化算法  4.7.1 基于粒子群算法的高光譜波段搜索方法  4.7.2 基于遺傳算法的高光譜波段搜索方法  4.7.3 實驗結(jié)果與分析  4.8 算法總結(jié)及性能分析與比較  參考文獻  第5章 高光譜圖像端元估計  5.1 引言  5.2 基于VD法的端元數(shù)目估計  5.3 基于LPP的端元數(shù)目估計  5.3.1 LPP算法  5.3.2 基于LPP的本征維數(shù)估計  5.3.3 本征維與端元數(shù)目的關(guān)系  5.3.4 基于LPP的高光譜遙感圖像端元數(shù)目估計  5.4 實驗及分析  5.4.1 模擬數(shù)據(jù)集實驗  5.4.2 高光譜遙感圖像實驗  參考文獻  第6章 高光譜混合像元分解  6.1 引言  6.2 混合像元的產(chǎn)生原因及模型  6.3 監(jiān)督與非監(jiān)督的高光譜混合像元分解  6.3.1 監(jiān)督類混合像元分解算法  6.3.2 非監(jiān)督類混合像元分解算法  6.3.3 實驗與結(jié)果分析  6.4 基于體積和稀疏約束的混合像元分解  6.4.1 非負矩陣分解與約束非負矩陣分解  6.4.2 VSC—NMF算法  6.4.3 實驗結(jié)果與分析  6.5 基于稀疏表示的混合像元分解  6.5.1 稀疏表示理論  6.5.2 SU—ADMM算法描述  6.5.3 實驗結(jié)果與分析  6.6 幾種解混方法之間的關(guān)系  參考文獻  第7章 高光譜圖像目標(biāo)檢測  7.1 引言  7.2 基于光譜特征增強與參量化的目標(biāo)檢測  7.2.1 光譜特征參量化  7.2.2 光譜特征增強  7.2.3 基于HSI變換的光譜特征增強  7.3 基于監(jiān)督的偽裝目標(biāo)檢測  7.3.1 原理與實現(xiàn)  7.3.2 實驗設(shè)計  7.3.3 數(shù)據(jù)處理  7.4 基于端元提取的目標(biāo)檢測  7.4.1 ICA—EEA原理及實現(xiàn)  7.4.2 基于端元豐度量化的目標(biāo)檢測  7.4.3 基于光譜解混的目標(biāo)檢測  7.4.4 實驗及結(jié)果分析  7.5 基于改進樣本自相關(guān)陣的目標(biāo)檢測  7.5.1 基于加權(quán)樣本自相關(guān)矩陣的目標(biāo)檢測算法  7.5.2 對樣本自相關(guān)陣和協(xié)方差陣的改進  7.5.3 實驗與分析  7.6 異常目標(biāo)探測  7.6.1 RX算法概述  7.6.2 RX異常檢測改進方法  7.6.3 實驗結(jié)果與分析  7.6.4 基于高斯混合模型的異常探測  參考文獻