高光谱图像处理技术

《高光谱图像处理技术》是2013年国防工业出版社出版的图书，作者为王来自立国。

• 书名 高光谱图像处理技术
• 作者 王立国
• 出版社 国防工业出版社
• 出版时间 2013年5月
• 页数 251 页

简介

　　王立国、赵春晖编著的《高光谱图像处理技夜孩系序术》共分9章。首尾两章对装望自之室基门厂因高光谱遥感的基本理论、高光谱遥感主要处理技术的发展现状、高光谱遥感的应用进行了简单的介绍，便于不同需求的读者参阅。第2~8来自章是以著者近年来的研耐究成果为主体内容，将高光谱图像的主要处理技术，即分类、端元提取、光谱解混、亚像元定位、超分辨率复原、异常检测、降维压缩等进行了系统的整理和详尽的阐释，旨在为读者提供一个较完整的框架和较新颖的再内容。

图书目录

　　第1章高光谱360百科遥感基本理论及主要处理技术1

　　1.1高光谱遥感基本理论随1

　　1.1.1遥感电磁波理论基础1

　　1.1.2太少厂教长效就航备待阳辐射与物质的相互作用2

　　1.1.3成像光谱仪哪鲜设安组这发帝突金助及其成像方式2

　衡味系执手称普　1.1.4高光谱图像的数据特点5

　　1.2高光谱图像分类技术7

　　1.2.1监督分类与非监督分类7

　　1.2.2参数分类与非参数分类9

　　1.2.3确定性分类与非确定性分类10

　　1.2.4其他分类方法10

　　1.3高光谱图像端元选择技术11

　　1.4高光谱图像光谱解混技术13

　　1.4.1非线性模型14

　　1.4.2线性模型1粒量气罪留子4

　　1.4.3线性模型的多端元模式18

　　1.5高光谱图像亚像元定轴位技术18

　　1.5.1基府磁热圆护圆教货于空间相关性的亚像元定位20

　　1.5.2基于空间地统计学的亚像元定位21

　　1.5.3基于神经网络的亚像元定位22

　　1.5.4基于像元交换的亚像元定位23

　　1.6高光谱图像超分辨率技术25

　　1.7高光谱图像异常检测技术27

　　1.8高光谱图像降维与压缩技术29

　　1.8.1关于降维:波段选择与特征提取29

　　1.8.2关于压缩:有损压缩与无损压缩32

　　参考文献定33

　　第2章高光谱图院互甲司院场通下气回像分类技术34

　　2.1典型分类方法34

　　2.2典型评价准则36

章析括　　2.3SVM分类方法37

　　2.3.1理论基础38

　　2.3.2分类原理39

　　2.3.3最简多类分类器的构造45

　　2.3.4最小二乘SVM及其SMO优化算法48

　　2.3.5三重加权分类方法50

　　2.4SVM分类性能的评价54

　吧四明圆　2.4.1基本SVM分类性能评价55

　　2.4.2代运移最简多类分类器性能评价56

　　2.4.稳度错卫总点液沿更3三重加权分类性能评价稳妒续贵川权杂就打岩育57

　　2.5本章小结59

　　参考文献59

　　第3章高光谱图像光谱端元选择技术61

　　3.1N-FINDR光谱端元选择算法61

　　3.1.1相关理论介绍61

　　3.1.2N-FINDR算法63

　　3.2基于距离尺度的快速N-FINDR算法64

　　3.2.1距离尺度替换体积尺度65

　　3.2.2基于PPI思想的数据排序66

　　3.2.3复杂性分析和效率评价67

　　3.3基于线性LSSVM的距离测算67

　　3.4光谱端元选择的鲁棒性方法68

　　3.4.1预处理阶段:鲁棒协方差矩阵的获取69

　　3.4.2光谱端元选择阶段:野值点的去除70

　　3.5性能评价71

　　3.5.1基于距离尺度的快速N-FINDR算法71

　　3.5.2鲁棒性评价72

　　3.6快速N-FINDR算法的两个应用76

　　3.6.1构建LSMM新的求解算法76

　　3.6.2构建快速无监督波段选择算法77

　　3.7本章小结80

　　参考文献81

　　第4章高光谱图像光谱解混技术82

　　4.1基于LSMM的LSMA方法82

　　4.2全约束LSMA的两种新型求解方法84

　　4.2.1迭代求解中的参量替换方法84

　　4.2.2几何求解方法85

　　4.3基于LSVM的光谱解混原理88

　　4.3.1LSVM与LSMM的解混等效性证明88

　　4.3.2LSVM解混的独特优势89

　　4.4结合空间信息的光谱解混方法90

　　4.5带有解混残差约束条件的SVM光谱解混模型92

　　4.5.1基于原始LSSVM的光谱解混92

　　4.5.2基于解混残差约束LSSVM的解混模型的建立及其闭式解的推导94

　　4.5.3新模型中单端元替换为多端元的方法96

　　4.6性能评价97

　　4.6.1基本SVM光谱解混性能评价97

　　4.6.2鲁棒性加权SVM解混评价99

　　4.6.3结合空谱信息的解混方法评价101

　　4.6.4带有解混误差约束的新型SVM解混模型的性能评价103

　　4.7光谱解混的模糊精度评价方法105

　　4.7.1模糊精度评价方法105

　　4.7.2模糊精度评价方法在具体实验中的应用108

　　4.8本章小结113

　　参考文献113

　　第5章高光谱图像亚像元定位技术115

　　5.1基于LSSVM的线性特征地物亚像元定位技术117

　　5.1.1基于LSSVM的亚像元定位技术117

　　5.1.2人工合成训练样本的方法119

　　5.2基于空间引力模型的亚像元定位方法121

　　5.2.1基于修正的亚像元/像元空间引力模型的亚像元定位121

　　5.2.2基于混合空间引力模型的亚像元定位124

　　5.3结合MRF和亚像元位移遥感影像的亚像元定位128

　　5.3.1基于MRF的亚像元定位128

　　5.3.2结合MRF和亚像元位移遥感影像的亚像元定位131

　　5.4性能评价134

　　5.4.1基于LSSVM的线性特征地物亚像元定位134

　　5.4.2MSPSAM和MSAM137

　　5.4.3结合MRF和亚像元位移遥感影像的亚像元定位142

　　5.5本章小结145

　　参考文献146

　　第6章高光谱图像超分辨率技术148

　　6.1基于POCS算法的超分辨率复原148

　　6.1.1POCS基本理论148

　　6.1.2基于POCS算法的超分辨率复原150

　　6.2基于MAP算法的超分辨率复原153

　　6.2.1MAP基本理论153

　　6.2.2基于MAP算法的超分辨率复原156

　　6.3单谱段图像的分辨率提高方法157

　　6.3.1几何对偶模型的建立与插值方法157

　　6.3.2混合插值方法160

　　6.4性能评价162

　　6.4.1POCS和MAP超分辨率方法162

　　6.4.2对偶性插值方法166

　　6.5本章小结170

　　参考文献171

　　第7章高光谱图像异常检测技术172

　　7.1基于形态学理论的核检测算法172

　　7.1.1基于形态学的波段选择172

　　7.1.2基于形态学的核RX算法175

　　7.2自适应核异常检测算法177

　　7.2.1支持向量数据描述方法178

　　7.2.2自适应核异常检测算法180

　　7.3核异常检测中光谱相似度量核的构造185

　　7.3.1高斯径向基核的局限性185

　　7.3.2光谱相似度量核函数186

　　7.4性能评价189

　　7.4.1基于形态学的核检测算法效果验证189

　　7.4.2自适应核异常检测算法效果验证192

　　7.4.3基于光谱相似度量核的异常检测算法效果验证195

　　7.5其他异常检测算法简介199

　　7.5.1基于空域滤波的核RX高光谱异常检测算法199

　　7.5.2基于多层窗口分析的核检测算法201

　　7.6本章小结205

　　参考文献205

　　第8章高光谱图像降维及压缩技术207

　　8.1降维技术207

　　8.1.1基于SVM的波段选择207

　　8.1.2典型端元选择方法在波段选择中的应用211

　　8.1.3仿真实验213

　　8.2压缩技术215

　　8.2.1基于矢量量化的压缩算法215

　　8.2.2基于提升格式的压缩算法219

　　8.3本章小结224

　　参考文献225

　　第9章高光谱遥感应用简介226

　　9.1农业226

　　9.1.1小麦226

　　9.1.2水稻227

　　9.1.3大豆227

　　9.1.4玉米228

　　9.2森林228

　　9.2.1森林调查228

　　9.2.2森林生化组成与森林健康状态230

　　9.2.3森林灾害231

　　9.2.4外来物种监测232

　　9.3草地232

　　9.3.1草地生物量估算232

　　9.3.2草地种类识别233

　　9.3.3草地化学成分估测234

　　9.4海洋235

　　9.4.1海洋遥感中的基础研究235

　　9.4.2海洋与海岸带资源环境监测中的应用研究236

　　9.4.3国际相关发展动态236

　　9.5地质237

　　9.5.1岩矿识别237

　　9.5.2资源勘查238

　　9.6环境241

　　9.6.1大气污染监测241

　　9.6.2土壤侵蚀监测241

　　9.6.3水环境监测242

　　9.7军事242

　　参考文献244

　　附录1本书主要符号及缩写说明245

　　附录2著者主要相关文章246