本书介绍多尺度理论在遥感图像处理中的应用，涉及多尺度的概念、小波多尺度变换、多尺度几何分析理论、经验模态分解、邻域多尺度滤波器和深度学习多尺度卷积等理论，并用于光学、红外、高光谱、合成孔径雷达等遥感图像处理，主要包括红外图像滤波、光学图像雾霾去除和合成孔径雷达图像增强，以及遥感图像的特征提取、目标检测、语义分割、地物分类和变化检测等，还结合近年来的研究成果对相关理论和算法在应用领域的实践情况进行介绍。
样章试读
目录
- 目录
“信息科学技术学术著作丛书”序
前言
第1章 绪论 1
1.1 多尺度的概念 2
1.1.1 一维尺度空间 3
1.1.2 二维尺度空间 3
1.1.3 高斯函数尺度空间 6
1.2 单尺度傅里叶变换与小波多尺度变换 7
1.3 遥感图像多尺度概念 9
1.4 本章小结 11
参考文献 11
第2章 多尺度与多分辨率遥感图像处理 13
2.1 遥感成像类型与原理概述 13
2.1.1 红外成像遥感技术 13
2.1.2 可见光成像遥感技术 14
2.1.3 高光谱成像遥感技术 15
2.1.4 SAR成像遥感技术 17
2.2 多源遥感图像的尺度空间特征 18
2.3 多尺度遥感图像的融合处理 20
2.3.1 基于多尺度分解的图像融合原理 22
2.3.2 基于多尺度分解的图像融合规则 23
2.3.3 融合图像的质量评价 27
2.3.4 多源遥感图像融合的模式 29
2.4 本章小结 32
参考文献 32
第3章 基于小波多尺度变换的遥感图像处理 36
3.1 引言 36
3.2 多尺度多方向性的SAR 图像变化检测算法 37
3.2.1 算法原理概述 37
3.2.2 复杂环境的洪水灾害检测 40
3.2.3 简单场景的洪水灾害检测 42
3.2.4 变化区域明显但轮廓复杂场景的洪水灾害检测 44
3.2.5 基于ROC曲线的检测算法性能评价 45
3.2.6 基于Kappa系数的准确度分析 48
3.3 小波变换和恒虚警率结合的SAR 图像分割算法 50
3.3.1 恒虚警率检测器和小波分解理论 52
3.3.2 算法原理概述 54
3.3.3 不同SAR 图像和不同算法的分割实验 57
3.3.4 算法性能的定量分析 61
3.3.5 滑动窗口选择和最佳尺度确定 64
3.3.6 特征尺度的选择 65
3.4 小波变换和局部插值结合的高光谱遥感图像条带噪声消除算法 67
3.4.1 算法原理概述 69
3.4.2 高光谱遥感图像数据质量检测判断 72
3.4.3 实验结果与分析 73
3.4.4 算法性能分析 77
3.5 小波变换和最小序列值结合的高光谱遥感图像条带噪声消除算法 78
3.5.1 条带噪声产生机理和分布特点 79
3.5.2 算法原理概述 80
3.5.3 实验结果与分析 83
3.6 短波红外高光谱遥感图像宽条带噪声消除算法 86
3.6.1 梯度均值矩匹配算法原理 86
3.6.2 梯度插值矩匹配算法原理 89
3.6.3 实验结果与分析 90
3.7 本章小结 91
参考文献 92
第4章 基于多尺度几何分析理论的SAR图像处理 96
4.1 引言 96
4.2 基于Curvelet变换的SAR图像处理 97
4.2.1 Curvelet变换的系数特征分析与选择 97
4.2.2 基于Curvelet变换的SAR图像目标检测 100
4.3 基于Curvelet变换的SAR图像统计维纳滤波 102
4.3.1 滤波阈值确定与维纳滤波器 103
4.3.2 算法原理概述 105
4.3.3 实验结果与分析 107
4.4 基于Contourlet变换的低信杂比SAR目标检测算法 115
4.4.1 算法原理概述 116
4.4.2 实验结果与分析 119
4.5 基于Contourlet变换的SAR图像变化检测算法 123
4.5.1 算法原理概述 123
4.5.2 实验结果与分析 125
4.6 基于非下采样Contourlet变换的SAR图像特征提取及目标检测 126
4.6.1 基于NSCT的系数特征提取与分析 127
4.6.2 基于NSCT的目标检测 129
4.7 本章小结 132
参考文献 132
第5章 基于经验模态分解的SAR图像处理 135
5.1 引言 135
5.2 多尺度经验模态分解理论概述 135
5.3 图像二维固有模态函数特征分量的提取 139
5.3.1 一维经验模态分解提取图像固有模态函数特征 139
5.3.2 二维经验模态分解提取图像固有模态函数特征 144
5.3.3 SAR图像目标的二维固有模态函数特征提取 145
5.4 不同经验模态分解融合的SAR 图像变化检测算法 147
5.4.1 算法原理概述 147
5.4.2 实验结果与分析 149
5.5 基于SWT-BIMF特征的SAR图像变化检测算法 151
5.5.1 算法原理概述 152
5.5.2 实验结果与分析 153
5.6 基于SWT-BIMF特征的SAR目标检测算法 154
5.6.1 算法原理概述 155
5.6.2 实验结果与分析 157
5.7 本章小结 160
参考文献 160
第6章 多尺度Retinex理论与遥感图像增强 163
6.1 引言 163
6.2 多尺度Retinex理论概述 165
6.2.1 Retinex理论模型 165
6.2.2 单尺度Retinex算法 167
6.2.3 多尺度Retinex算法 168
6.3 基于多尺度模型和直方图特征的遥感图像雾霾消除算法 168
6.3.1 算法原理概述 169
6.3.2 实验结果与分析 173
6.4 基于相位一致性和Retinex理论的城市遥感图像雾霾消除算法 187
6.4.1 算法原理概述 188
6.4.2 实验结果与分析 192
6.5 本章小结 207
参考文献 207
第7章 多尺度窗口特征提取与遥感图像处理 211
7.1 引言 211
7.2 邻域运算与多尺度滤波窗口理论 211
7.3 特征窗引导的红外图像增强算法 219
7.3.1 引导滤波器 220
7.3.2 加权引导滤波器 221
7.3.3 算法原理概述 223
7.3.4 实验结果与分析 226
7.4 多尺度窗口特征引导的高光谱图像分类算法 228
7.4.1 算法原理概述 230
7.4.2 实验结果与分析 233
7.5 本章小结 240
参考文献 240
第8章 基于深度卷积神经网络的遥感图像处理 245
8.1 引言 245
8.2 深度卷积神经网络 245
8.2.1 深度卷积神经网络概述 245
8.2.2 全卷积神经网络 251
8.2.3 U-Net网络 252
8.3 基于滚动深度学习的多光谱图像雾霾消除算法 253
8.3.1 算法原理概述 254
8.3.2 实验结果与分析 256
8.3.3 定量分析与评价 261
8.4 基于注意力卷积神经网络的SAR舰船目标检测算法 266
8.4.1 构建WA-CNN结构 267
8.4.2 小波池化原理 268
8.4.3 基于注意力机制的特征提取 270
8.4.4 参数设置与评价 272
8.4.5 实验结果与分析 273
8.5 本章小结 279
参考文献 280
京公网安备 11010102004214号