本书论述了高分辨率遥感影像从像素到对象解译过程中面临的问题与挑战，重点阐述了从数据到信息转换的一些理论与方法，以及自动化、智能化处理技术。涵盖了构成面向对象高分辨率遥感影像解译基础的阴影检测与分割技术；影像对象的特征提取、选择与降维；影像对象词包表示与主题模型；面向影像相似性检索的特征对比模型；面向目标检测与识别的影像显著性与随机森林；面向影像分类的特征线、压缩凸包到仿射包方法以及条件纹元森林方法；从面向对象影像分析的角度，讨论了影像分割与影像对象分类精度评价方法的适宜性。此外还介绍了自主开发的面向对象的高分辨率遥感影像智能解译系统——“ELU译陆”这些内容贯穿高分辨率遥感影像智能解译的整个过程.
样章试读
目录
- 目录
前言
第1章 绪论1
1.1高分辨率卫星遥感影像数据获取进展1
1.1.1高空间分辨率光学卫星遥感影像获取1
1.1.2高光谱分辨率卫星遥感影像获取4
1.1.3高分辨率星载SAR遥感影像获取5
1.2高分辨率遥感影像智能解译研究概述7
1.2.1遥感影像解译理论与方法研究进展7
1.2.2高分辨率遥感影像智能解译的发展趋势9
1.3高分辨率遥感影像智能解译的难点与挑战10
1.3.1精细描述高分辨率遥感影像内容面临的挑战11
1.3.2高分辨率遥感影像解译面临的挑战13
本章小结15
主要参考文献15
第2章 高分辨率遥感影像解译基础18
2.1高分辨率遥感影像智能解译机理18
2.1.1遥感影像目视解译原理18
2.1.2视觉信息处理机制19
9.9高分辨率遥感影像数据——信息转化的理论与方法21
2.2.1综合视觉与非视觉特性的对地观测数据——信息转化21
2.2.2影像及影像对象层24
2.2.3影像对象描述层24
2.2.4影像对象解译层25
2.3影像对象与地理实体26
2.3.1从像素、影像块到影像对象26
2.3.2目标的检测与智能定位28
2.3.3地球空间对象的提取及面临的问题29
2.4影像对象的特征提取与内容描述30
2.4.1影像对象特征提取与描述方法30
2.4.2影像块及其视觉单词的描述与表达31
2.4.3生物视觉启发的影像特征提取与描述33
2.4.4影像对象的特征提取与内容描述面临的问题36
2.5遥感影像的智能解译36
2.5.1影像对象的识别与分类37
2.5.2影像的相似性检索38
2.5.3影像目标的检测与识别38
2.5.4遥感影像智能理解面临的几个问题39
本章小结42
主要参考文献43
第3章 面向对象的影像分析基础47
3.1高分辨率遥感影像阴影检测技术研究现状47
3.1.1阴影形成的物理机制47
3.1.2主要阴影检测技术概述48
3.2高分辨率遥感影像的阴影检测50
3.2.1遥感影像的阴影特征分析50
3.2.2基于MFI的阴影检测56
3.2.3基于SAFS的阴影检测60
3.2.4实验分析与评价67
3.3影像分割技术及其发展83
3.3.1影像分割的概念60
3.3.2影像分割技术的发展现状84
3.3.3影像分割在遥感中的应用85
3.4基于边缘信息的邻域FCM聚类分割方法88
3.4.1 EFLICM聚类方法88
3.4.2边缘信息的获取90
3.4.3邻域模板权重93
3.4.4加权空间邻域聚类算法94
3.4.5实验分析与讨论95
3.5综合纹理、形状和光谱信息的遥感影像分割108
3.5.1基于图模型的影像分割框架109
3.5.2纹理、形状和光谱信息的距离模型111
3.5.3基于距离模型的影像分割算法116
3.5.4实验结果与分析118
3.5.5定量评价120
3.6分割精度评价与影像对象的尺度选择123
3.6.1基于对象的精度评价方法124
3.6.2对象的尺度选择与融合126
本章小结130
主要参考文献131
第4章 影像对象特征提取技术135
4.1高分辨率遥感影像特征提取、选择与降维135
4.1.1低层次特征提取研究现状135
4.1.2特征选择研究现状138
4.1.3流形学习与降维概述140
4.2中等复杂度的图像块特征提取及分析141
4.2.1图像“块特征的信息度量142
4.2.2中等复杂度的图像“块特征提取144
4.2.3层次“块特征的提取145
4.3高分辨率遥感影像纹理的稀疏表示与分析146
4.3.1稀疏表示的数学基础147
4.3.2种经典的稀疏表示算法——KSVD148
4.3.3基于过完备字典和重构误差的遥感影像分类150
4.3.4高维影像纹理矩阵的低秩矩阵估计153
4.4影像对象的慢特征分析157
4.4.1慢特征分析原理157
4.4.2慢特征分析的数学基础157
4.4.3慢特征提取算法159
4.4.4遥感影像对象的慢特征分析160
4.5共享特征及其提取164
4.5.1共享特征概念164
4.5.2基于AdaBoost的共享特征提取165
4.5.3基于特征映射的共享特征提取168
4.6影像对象特征选择171
4.6.1局部加权判别投影特征选择172
4.6.2非对称局部判别的特征选择179
4.6.3局部加权判别投影特征选择实验分析与评价181
4.6.4非对称局部判别的特征选择实验分析与评价188
4.7层次流形学习与降维194
4.7.1层次流形思想194
4.7.2层次流形基本框架197
4.7.3监督的层次流形学习200
4.7.4层次邻接矩阵201
4.7.5最优非线性映射203
4.8层次流形学习分析与评价205
4.8.1监督流形学习面临的问题205
4.8.2样本外点学习205
4.8.3监督的层次流形学习算法207
4.8.4实验数据集及其设置208
4.8.5层次流形学习的参数分析与评价211
4.8.6影响层次流形监督分类的参数214
4.8.7对比实验分析与评价217
本章小结221
主要参考文献99Q
第5章 影像对象词包表示与主题模型228
5.1从文本单词到视觉单词的发展228
5.1.1影像语义信息提取研究进展228
5.1.2文本信息处理与文本单词模型229
5.1.3影像视觉单词研究现状与进展229
C.9基于词包模型的遥感影像对象表达231
5.2.1图像块提取232
5.2.2图像块特征提取233
5.2.3视觉单词构造234
5.2.4视觉单词的直方图表示234
5.2.5基于视觉单词的遥感影像分类234
5.3多尺度视觉单词238
5.3.1视觉单词的空间与尺度关系238
5.3.2多尺度视觉单词的构造241
5.3.3实验分析与评价242
5.4 BOW模型的歧义性分析246
5.4.1歧义性来源247
5.4.2视觉单词的歧义性247
5.4.3图像块量化的歧义性249
5.4.4稳健的遥感影像视觉单词构造方法250
5.4.5有监督的视觉单词及其遥感影像分类253
5.5主题模型及其基础256
5.5.1主题模型概述256
5.5.2相关的基本概念257
5.5.3模型求解258
5.5.4多条件学习261
5.6三种不同类型的主题模型262
5.6.1无监督主题模型262
5.6.2监督主题模型268
5.6.3半监督主题模型269
5.7遥感影像层次性主题发现分析与评价275
5.7.1基于多尺度视觉单词的主题层次性275
5.7.2实验分析与讨论276
5.8半监督主题模型分析与评价280
5.8.1实验数据280
5.8.2模型设置281
5.8.3半监督分类结果282
5.8.4参数评价284
5.8.5计算复杂度分析285
本章小结286
主要参考文献286
第6章 遥感影像的相似性及其检索290
6.1概述290
6.1.1相似性度量290
6.1.2基于空间／光谱特征的遥感影像检索291
6.2心理学相似性及其度量模型292
6.2.1相似性与认知292
6.2.2相似性量度公理294
6.2.3几何相似性294
6.2.4匹配相似性297
6.2.5变换相似性298
6.2.6特征相似性298
6.3心理学相似性度量分析及其相似性检索302
6.3.1心理学相似性度量分析302
6.3.2相似性检索及其问题305
6.4图像特征比率模型及其相似性检索306
6.4.1诊断性模糊特征对比模型307
6.4.2弱语义及其嵌入方法309
6.4.3图像特征比率模型的特点310
6.4.4实验与分析311
6.5基于光谱特征对比相似性模型的相似性检索314
6.5.1核PCA去除波段间的强相关性315
6.5.2光谱的集合表示316
6.5.3光谱相似性度量模型317
6.5.4实验分析317
本章小结318
主要参考文献319
第7章 遥感影像目标检测与识别技术322
7.1概述322
7.1.1图像目标检测与识别技术322
7.1.2遥感影像目标检测与识别技术323
7.2视觉选择注意机制及其计算模型325
7.2.1视觉选择注意的生物学机制Q9C
7.2.2视觉选择注意的特性326
7.2.3视觉选择注意计算模型的研究现状328
7.2.4经典的自底向上的视觉注意计算模型330
7.3变换域中的影像显著性分析333
7.3.1基于离散余弦变换相位谱的方向显著性模型334
7.3.2基于小波变换的方向特征显著性模型338
7.3.3基于小波低通金字塔的颜色显著性模型349
7.4基于自顶向下视觉注意机制的目标检测与识别351
7.4.1基于全局特征线索的显著性352
7.4.2基于局部特征线索的显著性358
7.4.3基于上下文线索的显著性362
7.4.4多线索引导的目标检测与识别368
7.5旋转不变霍夫森林与遥感影像目标检测373
7.5.1随机森林及其变种375
7.5.2旋转不变霍夫森林方法377
7.5.3颜色不变梯度及其随机森林判识能力增强380
7.5.4基于CRIHF的遥感地物目标检测方法383
7.5.5机场目标检测实验分析与评价384
7.5.6住宅目标检测实验分析与评价389
本章小结392
主要参考文献393
第8章 高空间分辨率遥感影像分类399
8.1概述399
8.1.1遥感影像分类方法研究现状399
8.1.2高空间分辨率遥感影像分类研究现状400
8.2基于特征分类器的模式分类403
8.2.1图像分类存在的问题403
8.2.2特征分类器原理405
8.2.3典型特征分类器407
8.3可调节的是一局部特征线分类方法411
8.3.1最近邻特征线算法的缺点412
8.3.2特征线的几个基本概念413
8.3.3局部约束线的分类与泛化分析415
8.3.4实验与结果分析416
8.4基于压缩凸包的遥感影像分类419
8.4.1引言419
8.4.2压缩凸包的几个基本概念421
8.4.3最近邻压缩凸包分类方法425
8.4.4局部压缩凸包分类方法435
8.5基于局部软性仿射包的遥感影像分类441
8.5.1软性仿射包的几个基本概念442
8.5.2局部软性仿射包447
8.5.3遥感影像分类实验449
8.5.4 LSAH与其他特征分类器的对比实验453
8.5.5特征流形与特征分类的关系455
8.6基于条件纹元森林的遥感影像分类456
8.6.1马尔可夫随机场457
8.6.2纹元森林459
8.6.3条件纹元森林460
8.6.4实验与分析讨论463
8.7基于拓扑权重的面向对象分类精度评价468
8.7.1综合像素级和对象级的精度评价方法469
8.7.2面向对象分类精度评价实验472
本章小结476
主要参考文献477
第9章 高空间分辨率遥感影像智能解译系统484
9.1“译陆系统概述484
9.1.1主要特色484
9.1.2主要应用领域486
9.2“译陆系统(ELUV2.0)的主要功能486
9.2.1遥感影像预处理功能模块486
9.2.2遥感影像多尺度地块边界精确分割及提取功能模块486
9.2.3多种特征提取与定量分析功能模块487
9.2.4多种地块分类与分析功能模块489
9.2.5地块边界精确提取与人机交互编辑功能模块489
9.2.6分类后遥感影像变化图斑快速检测功能模块489
9.2.7多种格式的输入和输出、统计与自动评估功能模块490
9.2.8分割与分类工程的保存和打开功能模块490
9.2.9地块地类遥感影像样本库管理模块490
9.2.10灵活、方便的可视化和操作功能491
9.3实例分析与应用491
9.3.1土地利用分类标准491
9.3.2面向土地利用高分辨率遥感影像分类应用492
9.3.3基于影像图和调查成果数据库的变化监测应用497
9.3.4实例应用示范总结500
本章小结500
主要参考文献500
彩图
京公网安备 11010102004214号