内容介绍
用户评论
全部咨询
内容简介
本书是地球信息科学基础丛书的组成部分，是一本探讨遥感地学分析理论、模型、方法和应用的基础理论著作，重点突出了针对地学特征对影像进行理解和分析的原理和应用方法。
本书分8章：第1、2章是遥感影像地学理解和分析基础理论部分，首先提出了遥感信息的地学评价与影像理解的问题，阐述了地面特征遥感信息表达与模型的理论和方法；第3、4、5章为应用研究实例分析，分别以水体、居民点、岩性信息为典型，介绍了如何进行具体遥感影像特征提取和分析的应用；第6、7章进一步提出了遥感影像地学理解和分析的具体模型和方法，包括遥感统计扩展模型和遥感生理认知模型；第8章探讨智能化、自动化遥感影像地学认知的理论问题，初步提出了层次结构的遥感地学智能图解模型。
本书可供广大地学和空间科学从事遥感、地理信息系统、地球信息科学的科研人员及有关高等学校教师和研究生参考。
目录
- 序
前言
第一章 遥感信息的地学评价与影像理解
1.1 地理空间与影像空间
1.1.1 地理空间
1.1.2 影像空间
1.1.3 地理空间与影像空间的转换
1.1.4 遥感地学分析中的多尺度、多源数据
1.2 遥感影像的分辨率
1.2.1 多分辨率的遥感数据
1.2.2 空间尺度
1.3 遥感影像中的独立地学变量
1.3.1 光学域的遥感
1.3.2 微波域的遥感
1.4 遥感影像特征的统计分析
1.4.1 遥感影像的常规统计分析量
1.4.2 统计变换
1.4.3 遥感影像的统计分类器
1.5 遥感影像的复杂度分析
1.5.1 遥感影像复杂性的定义
1.5.2 遥感影像复杂性的认识
1.5.3 遥感影像复杂性的描述指标
1.5.4 复杂性度量指标
1.6 遥感影像的理解
1.6.1 影像理解的基本概念
1.6.2 航空影像理解系统的进展
1.6.3 影像理解的启发
第二章 地面特征的遥感信息表达与模型
2.1 地学光谱特征分析
2.1.1 地物光谱测定
2.1.2 典型地物的光谱矢量曲线
2.2 地学空间特征分析
2.2.1 影像空间特征的描述指标及其应用
2.2.2 空间特征的描述
2.3 地面特征的遥感信息模型
2.3.1 遥感模型
2.3.2 地面特征遥感信息模型研究
2.3.3 光谱特征模型的建立
第三章 基于光谱特征的水体信息自动提取
3.1 水体及其遥感监测
3.1.1 水体
3.1.2 水体的遥感监测
3.2 NOAA AVHRR图像上的水体提取
3.2.1 NOAA图像上水体的表现及特征分析
3.2.2 NOAA AVHRR图像上的水体识别提取模型
3.2.3 水体提取的实例
3.3 Landsat TM图像的水体提取
3.3.1 试验区及其数据
3.3.2 Landsat TM图像上水体的遥感信息机理分析
3.3.3 水体及背景地物的光谱值分析
3.3.4 水体提取方法的比较研究
3.4 JERS SAR图像上的水体提取
3.4.1 基本原理
3.4.2 SAR图像的几何校正
3.4.3 SAR图像的滤波处理
3.4.4 结果分析
3.5 ERS SAR图像上的水体提取
3.5.1 研究区域和实验数据
3.5.2 雷达影像光滑
3.5.3 纹理分析
3.5.4 水体的自动识别
3.6 Radarsat SAR图像上的水体提取
3.6.1 试验数据和影像特征
3.6.2 试验步骤和方法
第四章 基于知识发现的居民点特征提取
4.1 居民地及其地面特征
4.1.1 居民地的地面特征
4.1.2 居民地遥感专题信息提取研究的意义
4.2 NOAA/AVHRR影像上的居民地识别
4.2.1 AVHRR影像上居民地的影像特征分析
4.2.2 AVHRR影像上居民地的光谱特征分析及提取模型
4.2.3 AVHRR影像上居民地的提取分析
4.3 TM图像的居民地识别提取
4.3.1 TM图像在居民地识别提取方面的应用现状
4.3.2 居民地在TM图像上的机理分析
4.3.3 成都平原地区居民地的识别提取
4.3.4 基于光谱知识的居民地的提取模型
4.3.5 利用基于光谱知识和空间关系知识的城镇提取模型提取城镇
4.3.6 集村居民地的提取分析
4.3.7 居民地的分类提取
4.3.8 结果分析
4.4 SAR图像上居民地的识别提取
4.4.1 微波遥感的应用现状
4.4.2 微波遥感的特点及居民地的微波遥感机理
4.4.3 居民地在JERS-1 SAR图像上的表征及其识别分析
4.4.4 居民地在Radarsat SAR上的表征及其识别分析
4.5 GIS支持下的山区TM图像的居民地识别提取
4.5.1 GIS支持下的遥感专题信息提取的现状
4.5.2 试验区概况及数据
4.5.3 GIS支持下的居民点知识的发现
4.5.4 居民地专题信息提取模型的构建
第五章 基于光谱特征岩性信息提取和分类
5.1 岩石光谱特征及其影像分析
5.1.1 矿物光谱特征
5.1.2 岩石光谱特征形成机理
5.1.3 影响岩石光谱特征的主要因素
5.1.4 岩石遥感影像的基本特征
5.1.5 实例研究
5.2 基于光谱特征的岩性信息提取
5.2.1 对应分析方法提取岩性信息
5.2.2 哈达门沟山前钾化带信息提取
5.3 遥感图像岩石分类识别
5.3.1 有序岩石遥感信息的最优分割
5.3.2 光谱角度填图（SAM）及其方法的改善
5.3.3 逻辑斯蒂分类
5.3.4 方法评价
第六章 遥感影像的统计分析扩展模型
6.1 遥感数理统计分析扩展模型
6.1.1 常规数理统计方法的局限性
6.1.2 遥感统计分析模型的扩展
6.2 遥感影像多维密度分布模型
6.2.1 稳健统计理论
6.2.2 高斯混合密度降解模型（GMDD）
6.2.3 多维密度分布模型在遥感影像特征提取上的应用
6.3 基于尺度空间的遥感影像分层聚类方法
6.3.1 基于多尺度空间的分层聚类算法（SSHC）
6.3.2 SSHC聚类算法设计
6.3.3 实例分析
6.4 具有部分监督功能的模糊分类
6.4.1 遥感影像的模糊分类
6.4.2 地学知识辅助下的FUZZY-ISODATA聚类算法
6.4.3 SSUFIC支持下的遥感影像模糊分类
6.5 空间逐步寻优数据挖掘及其遥感影像分类模型
6.5.1 空间逐步寻优模型（SOMM）
6.5.2 基于SOMM模型的遥感影像分类方法
6.5.3 实例分析
6.5.4 SOMM模型的总结与展望
第七章 遥感影像生理认知模型研究
7.1 人工神经网络与神经计算
7.1.1 人工神经网络
7.1.2 神经计算
7.1.3 人工神经网络结构模型
7.2 优化模型
7.2.1 神经网络优化模型——Hopfield网络
7.2.2 基于模拟退火原理的优化模型——Boltzmann机
7.2.3 基于进化计算思想的地学优化模型
7.3 遥感影像生理认知
7.3.1 计算理论基础
7.3.2 基于神经计算模型的视觉认知
7.3.3 地学知识融合下遥感影像生理认知模型
7.4 基于多层感知器（MLP）的遥感影像分类模型
7.4.1 多层感知器（Multi-Layer Perceptron）
7.4.2 学习算法及其改进
7.4.3 基于BPNN的遥感影像分类模型
7.4.4 结论
7.5 基于径向基函数（RBF）神经网络的遥感影像分类模型
7.5.1 RBF映射理论
7.5.2 RBFNN遥感影像分类模型
7.5.3 RBFNN模型应用示范
7.5.4 RBFNN结论与展望
7.6 基于自适应共振模型（ART）的遥感影像分类模型
7.6.1 ART模型概述
7.6.2 基于ART的遥感影像分类模型
7.6.3 FUZZY-ARTMAP应用分析
7.6.4 总结与展望
第八章 遥感影像智能图解与前沿问题探索
8.1 遥感地学分析的智能化研究
8.1.1 遥感信息地学处理与分析的发展历史
8.1.2 智能化遥感地学分析的发展历史
8.1.3 智能化遥感地学分析研究的前沿问题
8.1.4 智能化遥感地学分析研究展望
8.2 遥感地学智能图解概念的提出
8.2.1 遥感影像解译
8.2.2 地学计算机图解与遥感地学智能图解
8.2.3 遥感地学智能图解概念框架
8.3 地学知识处理模型
8.3.1 地学知识
8.3.2 地学知识的表达模型
8.3.3 地学知识的获取
8.3.4 不确定性空间推理
8.3.5 遥感地学分析专家系统
8.4 遥感地学智能图解中的认知模型
8.4.1 地学认知理论
8.4.2 遥感影像低层视觉认知模型
8.4.3 遥感影像生理认知
8.4.4 遥感影像心理认知
8.5 进一步研究构想
参考文献
附录：彩色图版
京公网安备 11010102004214号