遥感图像处理模型与方法（第三版）_（美） Robert A. Schowengerdt （罗伯特 ? A. 肖温格特）_9787121339028

本书是作者在长期讲授遥感课程的基础上编写而成的。书中从遥感本质出发，对遥感图像的物理模型、几何模型、数据模型等数学和物理模型进行了由浅入深的阐述，在图像处理方法上则对光谱变换、空间变换、几何校正和辐射校正、图像配准、图像融合和图像分类等重要方面进行了详细论述和讨论。书中给出了大量遥感实例图像和处理例子，尤其介绍了近年来发射的一些遥感器。本书还对高光谱遥感进行了阐述，给出了高光谱中分辨率成像光谱辐射计（MODIS）图像和处理的例子。

第1章遥感的本质 1.1 引言 1.2 遥感 1.2.1 从遥感图像提取信息 1.2.2 遥感的光谱因子 1.3 光谱信号 1.4 遥感系统 1.4.1 空间和辐射特性 1.4.2 光谱特性 1.4.3 时相特性 1.4.4 多遥感器编队飞行 1.5 图像显示系统 1.6 数据系统 1.7 小结 1.8 习题第2章光学辐射模型 2.1 概述 2.2 可见光到短波红外光谱区 2.2.1 太阳辐射 2.2.2 辐射组成 2.2.3 太阳辐射区域的图像实例 2.3 中波段到热红外波段 2.3.1 热辐射 2.3.2 热辐射组成 2.3.3 总的向上传播的太阳辐射和热辐射 2.3.4 热辐射区的图像实例 2.4 小结 2.5 习题第3章遥感器模型 3.1 概述 3.2 遥感器模型简介 3.3 分辨率 3.3.1 仪器响应 3.3.2 空间分辨率 3.3.3 光谱分辨率 3.4 空间响应 3.4.1 光学点扩散函数 3.4.2 探测器点扩散函数 3.4.3 图像运动点扩散函数 3.4.4 电子点扩散函数 3.4.5 总点扩散函数 3.4.6 遥感器各个点扩散函数之间的比较 3.4.7 成像系统模拟 3.4.8 测量点扩散函数 3.5 光谱响应 3.6 信号放大 3.7 采样与量化 3.8 简化的遥感器模型 3.9 几何变形 3.9.1 遥感器定位模型 3.9.2 遥感器姿态模型 3.9.3 扫描仪模型 3.9.4 地球模型 3.9.5 摆扫几何模型 3.9.6 推扫几何模型 3.9.7 地形扭曲 3.10小结 3.11习题第4章数据模型 4.1 引言 4.2 符号中的世界 4.3 单变量的图像统计 4.3.1 直方图 4.3.2 累积直方图 4.3.3 统计参数 4.4 多变量图像统计 4.4.1 约简为单变量统计 4.5 噪声模型 4.5.1 图像质量的统计测量 4.5.2 噪声等价信号 4.6 空间统计 4.6.1 空间协方差的可视化 4.6.2 协方差和半变量图 4.6.3 功率谱密度 4.6.4 共现矩阵 4.6.5 分形几何 4.7 地形和遥感器效应 4.7.1 地形和光谱散布图 4.7.2 遥感器特性和空间统计 4.7.3 遥感器特性和光谱散布图 4.8 小结 4.9 习题第5章光谱变换 5.1 概述 5.2 特征空间 5.3 波段比率法 5.3.1 植被指数 5.3.2 图像示例 5.4 主成分分析法 5.4.1 标准化的主成分变换 5.4.2 最大噪声分量 5.5 缨帽主成分变换 5.6 对比度增强 5.6.1 全局变换 5.6.2 局部变换 5.6.3 彩色图像 5.7 小结 5.8 习题第6章空间变换 6.1 引言 6.2 空间滤波的图像模型 6.3 卷积滤波 6.3.1 线性滤波器 6.3.2 统计滤波器 6.3.3 梯度滤波器 6.4 傅里叶变换 6.4.1 傅里叶分析和合成 6.4.2 二维离散傅里叶变换 6.4.3 傅里叶分量 6.4.4 基于傅里叶变换的滤波 6.4.5 采用傅里叶变换的系统模型 6.4.6 功率谱 6.5 尺度空间变换 6.5.1 图像分辨率金字塔 6.5.2 过零点滤波器 6.5.3 小波变换 6.6 小结 6.7 习题第7章校正与定标 7.1 概述 7.2 几何校正 7.2.1 多项式校正模型 7.2.2 坐标转换 7.2.3 重采样 7.3 遥感器调制传递函数补偿 7.3.1 调制传递函数补偿举例 7.4 噪声去除 7.4.1 全局噪声 7.4.2 局部噪声 7.4.3 周期噪声 7.4.4 探测器条纹 7.5 辐射定标 7.5.1 多光谱遥感器与图像 7.5.2 高光谱遥感器与图像 7.6 小结 7.7 习题第8章配准与融合 8.1 概述 8.2 什么是配准 8.3 自动地面控制点定位 8.3.1 区域相关 8.3.2 其他空间特征方法 8.4 正射校正 8.4.1 低分辨率数字高程模型 8.4.2 高分辨率数字高程模型 8.5 多图像融合 8.5.1 特征域融合 8.5.2 空间域融合 8.5.3 尺度空间融合 8.5.4 图像融合举例 8.6 小结 8.7 习题第9章专题分类 9.1 概述 9.2 分类流程 9.2.1 图像尺度和分辨率的重要性 9.2.2 相似度概念 9.2.3 硬分类和软分类的比较 9.3 特征提取 9.4 分类器训练 9.4.1 监督分类 9.4.2 非监督分类 9.4.3 监督分类和非监督分类的混合训练 9.5 非参数化分类器 9.5.1 分级分片算法 9.5.2 直方图估计分类器 9.5.3 最近邻算法 9.5.4 人工神经网络（ANN）算法 9.5.5 非参数化分类器实例 9.6 参数化分类器 9.6.1 模型参数的估计 9.6.2 辨析函数 9.6.3 正态分布模型 9.6.4 最近均值分类器 9.6.5 参数化分类实例 9.7 光谱空间分割 9.7.1 区域生长 9.8 混合像元分类算法 9.8.1 线性混合模型 9.8.2 模糊分类 9.9 高光谱图像分析 9.9.1 图像立方体的可视化 9.9.2 分类训练 9.9.3 从高光谱数据中提取特征 9.9.4 高光谱数据的分类算法 9.10小结 9.11习题附录A 遥感器缩写词附录B 一维函数和二维函数参考文献

我要评论