高光谱遥感技术既能测谱又能成像，是对地观测的重大技术突破之一。独特的“图谱合一”特性和光谱分辨率高的优势，使其具有广阔的应用前景。本书回顾总结了高光谱遥感图像处理方法及其在自然资源精细调查与制图等方面的典型应用。全书共分为三个部分：第一部分（第1～3章）是数据处理部分，介绍了高光谱遥感的发展历程、数据源、影像预处理、影像融合等；第二部分（第4～8章）是算法部分，依次介绍了影像数据降维、分类、异常检测、解混、变化分析；第三部分（第9～12章）是应用部分，介绍了高光谱遥感图像在红树林精细制图、城市水质精细调查、海岸带资源精细调查、农作物精细分类制图等方面的应用。
样章试读
目录
- 目录
第1章 绪论 1
1.1 高光谱遥感的起源 1
1.1.1 高光谱遥感的发展历程 1
1.1.2 高光谱遥感的概念 1
1.1.3 高光谱遥感的特点 1
1.2 高光谱遥感主要数据源 2
1.2.1 国际主流高光谱卫星 2
1.2.2 中国高光谱卫星发展历程 4
1.3 高光谱遥感图像的主要处理流程 4
1.3.1 正射校正、辐射定标与大气校正 5
1.3.2 影像去噪 5
1.3.3 数据降维 5
1.3.4 光谱解混 6
1.4 高光谱遥感的主要应用场景 7
1.4.1 在植被中的应用 7
1.4.2 在水体中的应用 7
1.4.3 在农业中的应用 8
1.4.4 在矿业中的应用 8
参考文献 8
第2章 高光谱遥感图像预处理 11
2.1 影像辐射校正 11
2.1.1 辐射校正概述 11
2.1.2 成像光谱仪定标 11
2.1.3 基于ENVI软件的辐射定标 13
2.2 影像大气校正 14
2.2.1 大气辐射传输理论 15
2.2.2 基于统计模型的相对大气校正 17
2.2.3 基于大气辐射传输模型的绝对大气校正 18
2.2.4 基于ENVI 软件的大气校正 18
2.3 影像几何校正 23
2.3.1 几何畸变的原因 23
2.3.2 几何粗校正 24
2.3.3 几何精校正 24
2.3.4 基于ENVI 软件的几何校正 24
2.4 影像去噪 26
2.4.1 噪声产生的原因 27
2.4.2 去噪方法 28
2.4.3 基于ENVI软件的影像去噪 28
2.5 资源卫星实验数据 30
2.6 影像预处理案例结果与分析 32
2.6.1 辐射定标结果与分析 32
2.6.2 大气校正结果与分析 33
2.6.3 正射校正结果与分析 34
2.6.4 影像去噪结果与分析 34
参考文献 36
第3章 影像融合 38
3.1 影像融合理论 38
3.1.1 影像融合概念 38
3.1.2 影像融合的发展 38
3.2 主流融合方法 39
3.2.1 成分替换类融合方法 39
3.2.2 多分辨率分析类融合方法 45
3.3 太湖研究区及高分影像数据 50
3.3.1 太湖研究区 50
3.3.2 案例数据介绍 51
3.4 太湖高分影像案例结果分析 52
3.4.1 融合结果分析 52
3.4.2 应用结果分析 54
3.5 本章小结 57
参考文献 58
第4章 影像数据降维 60
4.1 影像数据降维理论 60
4.1.1 高光谱遥感图像的数据特点 60
4.1.2 高光谱影像数据降维的必要性 60
4.2 高光谱遥感图像波段选择 61
4.2.1 基于排序的波段选择方法 62
4.2.2 基于搜索的波段选择方法 63
4.2.3 基于聚类的波段选择方法 64
4.2.4 基于稀疏的波段选择方法 65
4.3 高光谱遥感图像特征提取 67
4.3.1 光谱特征提取方法 68
4.3.2 空谱联合特征提取方法 74
4.4 高光谱影像数据降维实验结果 78
4.4.1 实验数据集 78
4.4.2 案例评价指标 79
4.4.3 波段选择结果 80
4.4.4 特征提取结果 82
4.5 本章小结 85
参考文献 85
第5章 高光谱遥感图像分类 89
5.1 光谱分类方法 90
5.1.1 支持向量机 90
5.1.2 随机森林 92
5.1.3 稀疏表示 94
5.2 空谱联合分类方法 95
5.2.1 组合核支持向量机 95
5.2.2 联合稀疏表示 96
5.2.3 联合协同表示 97
5.3 深度学习分类方法 98
5.3.1 卷积神经网络 98
5.3.2 残差网络 100
5.4 高光谱遥感图像分类实验 101
5.4.1 评价指标 101
5.4.2 分类算法测试结果 102
5.5 本章小结 103
参考文献 103
第6章 高光谱遥感图像异常检测 106
6.1 异常检测理论 106
6.1.1 异常检测背景介绍 106
6.1.2 异常检测理论基础 106
6.2 主流异常检测方法 109
6.2.1 基于统计的异常检测方法 109
6.2.2 基于表示的异常检测方法 110
6.2.3 基于聚类的异常检测方法 111
6.2.4 基于深度学习的异常检测方法 112
6.3 影像异常检测案例数据 114
6.3.1 ABU数据集 114
6.3.2 San Diego数据集 117
6.3.3 HYDICE urban数据集 118
6.4 影像异常检测案例结果与分析 118
6.4.1 对比方法及评价指标 118
6.4.2 结果及分析 119
6.5 本章小结 128
参考文献 129
第7章 高光谱遥感图像解混 133
7.1 高光谱遥感图像解混理论 133
7.2 端元提取方法 134
7.2.1 纯像元指数方法 134
7.2.2 内部最大体积法 134
7.2.3 顶点成分分析 134
7.3 丰度估计方法 135
7.3.1 全约束最小二乘法 135
7.3.2 变量分离和增广拉格朗日的稀疏解混法 137
7.3.3 协同稀疏回归 138
7.4 端元和丰度同时估计方法 140
7.4.1 非负矩阵分解 140
7.4.2 *非负矩阵分解 140
7.4.3 *非负矩阵分解 141
7.4.4 图正则*非负矩阵分解 141
7.4.5 鲁棒协同非负矩阵分解 142
7.5 影像解混案例结果与分析 142
7.5.1 性能评价指标 142
7.5.2 对比算法 143
7.5.3 人工数据实验及分析 143
7.5.4 真实数据案例及分析 145
7.6 本章小结 149
参考文献 149
第8章 高光谱遥感图像变化分析 151
8.1 影像变化分析理论 151
8.1.1 遥感影像变化检测 152
8.1.2 遥感影像变化检测精度评价方法 155
8.2 主流变化分析方法 157
8.2.1 变化向量分析法 157
8.2.2 图像回归法 158
8.2.3 光谱角相似法 158
8.2.4 差分主成分分析法 159
8.2.5 多元变化检测法 159
8.2.6 深度慢特征分析法 160
8.3 影像变化分析案例数据与设置 160
8.3.1 珠海一号与Sentinel 2A的变化检测数据集构建 160
8.3.2 案例设置 162
8.4 影像变化分析案例结果与分析 163
8.4.1 Sentinel 2A卫星变化检测数据集实验结果 163
8.4.2 珠海一号变化检测数据集实验结果 164
8.4.3 两种数据集结果对比与分析 165
8.5 本章小结 167
参考文献 168
第9章 红树林精细制图应用 170
9.1 红树林精细制图的必要性 170
9.1.1 红树林的重要性 170
9.1.2 红树林退化、消失的现状 171
9.1.3 红树林精细制图的意义 171
9.2 红树林精细制图流程 171
9.2.1 红树林与其他植被的光谱曲线对比 172
9.2.2 增强型红树林植被指数的计算 174
9.2.3 基于增强型红树林植被指数的红树林提取流程 174
9.2.4 基于ENVI软件的红树林提取 175
9.3 红树林精细制图案例数据 188
9.3.1 研究区概况 188
9.3.2 ZY1-02D高光谱遥感图像 189
9.3.3 样本数据集 189
9.3.4 辅助数据集 189
9.3.5 红树林参考地图 190
9.4 红树林精细制图案例结果与分析 191
9.4.1 基于EMVI的红树林提取结果 191
9.4.2 与红树林参考地图及SVM分类结果的对比 191
参考文献 193
第10章 城市水质精细调查 195
10.1 水质精细调查的必要性 195
10.1.1 水质精细调查研究背景与意义 195
10.1.2 水质精细调查国内外研究现状 196
10.2 城市水质精细调查案例数据 197
10.2.1 案例研究区概况 197
10.2.2 数据采集设备 198
10.2.3 高光谱数据 199
10.3 城市水质精细调查流程 200
10.3.1 数据预处理 200
10.3.2 河流水体提取 201
10.3.3 水质参数反演 203
10.4 城市水质精细调查案例结果与分析 205
10.4.1 叶绿素a反演结果 207
10.4.2 总悬浮固体反演结果 209
10.4.3 总氮反演结果 211
10.4.4 总磷反演结果 213
10.4.5 氨氮反演结果 215
10.4.6 化学需氧量反演结果 217
10.5 本章小结 219
参考文献 219
第11章 海岸带资源精细调查 221
11.1 海岸带资源精细调查研究进展 221
11.1.1 海岸带资源精细调查的重要性 221
11.1.2 海岸带资源精细调查的研究现状 223
11.2 海岸带高光谱遥感资源精细调查研究进展 226
11.2.1 传统野外调查方法 226
11.2.2 基于像素分类的海岸带资源精细调查方法 226
11.2.3 面向对象的海岸带资源精细调查方法 227
11.3 空谱融合的海岸带高光谱遥感资源精细制图 230
11.3.1 海岸带湿地制图数据与区域概况 230
11.3.2 海岸带湿地制图方法 232
11.3.3 湿地制图结果与分析 236
11.4 本章小结 240
参考文献 241
第12章 农作物精细分类制图 246
12.1 农作物制图的必要性 246
12.1.1 农作物制图的需求 246
12.1.2 高光谱遥感农作物精细分类制图优势 247
12.2 高光谱遥感农作物精细分类制图技术流程 247
12.2.1 数据获取与预处理 247
12.2.2 基于光谱特征的作物分类 254
12.2.3 基于空谱融合特征的作物分类 254
12.3 农作物精细分类制图案例数据 257
12.3.1 航空机载高光谱农作物精细分类制图数据集 257
12.3.2 低空无人机载高光谱农作物精细分类制图数据集 259
12.4 农作物精细分类制图案例结果与分析 261
12.4.1 农作物精细分类制图可视化分析 262
12.4.2 农作物精细分类制图定量结果分析 263
参考文献 264
京公网安备 11010102004214号