本书面向当前多时相遥感影像处理分析的学术前沿与地学应用的重大需求，介绍多时相遥感影像处理分析的框架体系和实现过程，对其中涉及的发展前沿、关键技术进行了探讨和综述。在常规遥感变化检测、多时相信息提取方法的基础上，引入深度学习、集成学习、迁移学习等新型机器学习理论方法，重点对多时相遥感影像自动变化检测、多时相遥感影像地表覆盖与地物智能分类、时间序列遥感影像分析、多时相SAR图像处理四个方面的内容进行深入的阐述，系统介绍了多时相遥感影像处理分析的理论基础、常用方法、实现策略和典型应用。
样章试读
目录
- 目录
第1章 绪论 1
1.1 多时相遥感的机遇与挑战 1
1.1.1 多源多时相遥感数据现状与机遇 2
1.1.2 地表过程时间维信息需求与挑战 4
1.2 多时相影像处理框架体系 6
1.2.1 框架体系 6
1.2.2 多时相遥感影像变化检测 8
1.2.3 多时相遥感影像分类 11
1.2.4 时间序列遥感数据分析 12
1.3 多时相遥感影像分析的发展趋势 14
参考文献 16
第2章 多时相遥感影像预处理 21
2.1 多时相遥感影像预处理概述 21
2.2 多时相光学遥感影像预处理 22
2.2.1 多时相光学遥感影像几何校正 22
2.2.2 多时相光学遥感影像辐射校正 24
2.2.3 多时相光学遥感影像配准 25
2.3 多时相SAR影像预处理方法 28
2.3.1 多时相SAR影像配准 28
2.3.2 多时相SAR辐射校正 28
2.4 多源遥感影像时空融合 29
2.4.1 时空融合概念 30
2.4.2 基于变换模型的时空融合 30
2.4.3 基于学习模型的时空融合 31
2.4.4 基于重建模型的时空融合 31
2.4.5 新型高分辨率时空融合算法介绍 32
2.4.6 时空融合实例 34
参考文献 34
第3章 多时相遥感影像变化检测 37
3.1 变化检测基本概念与方法演进 37
3.2 多特征融合的变化检测 40
3.2.1 基本思路与方法 40
3.2.2 多特征提取与融合 41
3.2.3 试验与分析 44
3.3 多差异信息融合变化检测 48
3.3.1 基本思路与方法 48
3.3.2 多差异影像生成与融合 49
3.3.3 试验与分析 53
3.4 多层次融合变化检测 56
3.4.1 基本思路与方法 56
3.4.2 试验与分析 58
3.5 联合多层次空间特征的变化检测方法 61
3.5.1 多层次空间特征提取 62
3.5.2 多特征降维 65
3.5.3 训练样本优化 66
3.5.4 实验结果与分析 67
3.6 顾及地表变化逻辑信息的三时相变化检测方法 73
3.6.1 错误检测判定 74
3.6.2 样本自动提取 75
3.6.3 错误检测修正 77
3.6.4 实验结果与分析 78
3.7 深度学习与多时相变化检测 82
3.7.1 监督型深度学习变化检测 82
3.7.2 半监督型深度学习变化检测 82
3.7.3 非监督型深度学习变化检测 83
3.7.4 自监督型深度学习变化检测 83
3.7.5 试验与分析 84
参考文献 90
第4章 多时相遥感影像分类与应用 96
4.1 多时相影像分类基本概念与方法 96
4.1.1 基本概念与方法演进 96
4.1.2 多时相影像特征提取 97
4.1.3 多时相影像分类算法 98
4.1.4 多时相训练样本选择 99
4.2 多时相影像迁移学习与分类 99
4.2.1 迁移学习概述 100
4.2.2 多时相影像知识迁移 101
4.2.3 多时相影像样本迁移 104
4.2.4 知识迁移与地表覆盖更新试验 108
4.3 多时相影像农作物分类 112
4.3.1 数据集 112
4.3.2 分类方法与实现 113
4.3.3 时间序列特征集构建 113
4.3.4 分类体系构建与分类器 115
4.3.5 试验与分析 116
4.4 多时相影像建筑物分类应用 123
4.4.1 基于多时相影像的新增建设用地提取技术 123
4.4.2 研究区与数据 126
4.4.3 新增建设用地提取结果 127
4.4.4 讨论与分析 130
参考文献 132
第5章 时间序列光学遥感影像分析与应用 135
5.1 双向连续变化检测与分类 135
5.1.1 连续变化检测与分类方法 135
5.1.2 连续变化检测的方向性 136
5.1.3 双向连续变化检测与分类模型构建 137
5.1.4 应用试验 141
5.2 基于时序遥感影像的水体演变分析 145
5.2.1 地表水体各要素的地物特征 145
5.2.2 地表水体覆盖范围识别方法 146
5.2.3 基于地理知识的地表水体分类 147
5.2.4 地表水体年度分类和精度评价 149
5.2.5 太湖流域地表水体时空变化分析 149
5.3 基于时序遥感影像的土地利用变化分析 154
5.3.1 城乡要素的分类体系 154
5.3.2 基于SNIC 的城市地表对象分割 155
5.3.3 城乡用地分类模型 156
5.3.4 城乡用地年度分类和精度评价 158
5.3.5 太湖流域城乡土地时空变化分析 159
5.4 基于时序遥感影像的城市扩张与物候响应分析 163
5.4.1 基于集成学习的连续变化检测与分类方法 163
5.4.2 基于高时空分辨率时序植被指数的物候提取方法 166
5.4.3 顾及土地覆盖变化的地表物候分析方法 167
5.4.4 实验结果与分析 168
5.5 基于时序遥感影像的冰川变化分析 174
5.5.1 研究方法与技术路线 174
5.5.2 基于对象的图像分析 174
5.5.3 基于多层次规则的分类 175
5.5.4 时间序列处理和变化分析 176
5.5.5 研究区与数据 177
5.5.6 结果与分析 179
5.6 基于时间序列遥感影像的地表水体分析 184
5.6.1 方法与技术路线 184
5.6.2 复杂场景水体时序提取指数 185
5.6.3 多源数据融合的水体提取规则 187
5.6.4 基于时序频率的水体分类 187
5.6.5 研究区与数据 188
5.6.6 结果与分析 190
5.7 时序遥感影像深度学习分类与作物识别 195
5.7.1 深度学习时序分类算法 195
5.7.2 注意力机制融合的时间卷积网络 196
5.7.3 注意力感知的动态自聚合网络 197
5.7.4 CA-TCN试验与分析 200
5.7.5 ADSN试验与分析 202
参考文献 205
第6章 时间序列SAR 影像分析与应用 212
6.1 时间序列InSAR技术与方法 212
6.1.1 PSInSARTM技术 212
6.1.2 SBAS-InSAR技术 213
6.1.3 StaMPS/MTI方法 214
6.1.4 DS-InSAR技术 215
6.2 融合PSI与PCA 的城市地表形变监测分析 216
6.2.1 研究区与数据源 217
6.2.2 研究方法 218
6.2.3 结果分析与讨论 223
6.3 时间序列SAR影像水体月度制图 227
6.3.1 方法与技术路线 227
6.3.2 地表水体SAR粗提取 228
6.3.3 基于Sentinel-1的水体变化范围反演 229
6.3.4 基于连续变化检测的水体双向迭代制图 230
6.3.5 研究区与数据 231
6.3.6 结果与分析 232
6.4 时间序列SAR洪灾动态监测与分析 238
6.4.1 方法与技术路线 238
6.4.2 汛期初水体精准提取方法 239
6.4.3 基于频率差异的时序异常检测及汛情识别 240
6.4.4 结果与分析 242
参考文献 248
京公网安备 11010102004214号