高光谱遥感影像处理【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

高光谱遥感影像处理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 高光谱影像处理技术概述1

1.1 成像光谱仪概述1

1.1.1 成像光谱仪1

1.1.2 国内外主要成像光谱仪5

1.2 高光谱遥感影像信息提取的现状与难点7

1.3 高光谱遥感信号处理理论9

1.3.1 端元获取与光谱分解9

1.3.2 目标探测10

1.3.3 高光谱遥感影像处理中的信号处理方法11

1.4 高光谱遥感影像智能处理方法18

1.4.1 人工免疫系统理论18

1.4.2 特征提取与降维理论23

1.4.3 智能化分类器理论28

参考文献34

第2章 高光谱遥感影像自动端元提取37

2.1 高光谱遥感影像混合像元模型37

2.1.1 光谱线性混合模型38

2.1.2 非线性混合模型40

2.1.3 线性光谱分解方法的拓展40

2.1.4 基于多项式拟合的非线性混合光谱模型43

2.2 非监督正交子空间投影方法45

2.2.1 正交子空间投影45

2.2.2 UOSP迭代提取端元光谱46

2.2.3 结合空间关系的UOSP提取端元48

2.2.4 实验分析48

2.3 融合空间信息的端元提取方法55

2.3.1 研究背景和意义55

2.3.2 融合空间特征的端元光谱混合自动提取方法HEEA55

2.3.3 实验分析57

参考文献64

第3章 高光谱遥感影像光谱分解67

3.1 基于总体最小二乘的混合光谱线性扩展模型67

3.1.1 混合光谱线性扩展模型67

3.1.2 TLS扩展模型的算法69

3.1.3 线性扩展模型的混合像元分解实验71

3.1.4 扩展模型分解结果与端元类内变化的关系76

3.1.5 基于光谱维小波特征的混合像元扩展模型77

3.2 基于核最小二乘回归的非线性扩展模型78

3.2.1 核空间理论及其应用78

3.2.2 核最小二乘（KLS）回归分解模型与算法80

3.2.3 神经网络与支持向量回归84

3.2.4 实验分析87

3.3 基于稀疏约束的混合光谱分解96

3.3.1 混合光谱分解的稀疏问题97

3.3.2 混合光谱分解稀疏约束的基本形式97

3.3.3 混合光谱分解的稀疏约束方法98

3.3.4 混合光谱分解的稀疏约束求解的分析102

参考文献113

第4章 高光谱遥感影像目标探测115

4.1 目标探测器的设计原则115

4.1.1 目标探测方法的分类119

4.1.2 基于统计决策的探测器121

4.1.3 探测器性能标准122

4.1.4 恒定虚警率方法123

4.1.5 最优探测器设计126

4.2 结构化目标探测方法127

4.2.1 约束能量最小化方法129

4.2.2 正交子空间投影方法130

4.2.3 目标约束下的干扰最小化滤波算法131

4.2.4 基于特征变换的目标探测方法132

4.3 非结构化目标探测方法143

4.3.1 Kelly广义化似然比的探测算子144

4.3.2 自适应余弦估计探测器145

4.3.3 自适应匹配滤波器146

4.4 端元可变的混合探测器147

4.4.1 端元类型确定147

4.4.2 混合探测器149

4.4.3 端元可变的混合探测器的构造149

4.4.4 实验分析151

4.5 基于子空间的高光谱变化检测方法156

4.5.1 变化检测算法156

4.5.2 实验分析157

参考文献161

第5章 高光谱遥感影像特征提取与分类165

5.1 基于克隆选择的高光谱遥感影像特征选择方法165

5.1.1 克隆选择理论与算法165

5.1.2 克隆选择特征选择算法167

5.1.3 带权的克隆选择特征选择算法171

5.1.4 常州市夏桥PHI影像特征选择实验与分析172

5.1.5 结论179

5.2 资源限制性人工免疫系统的高光谱遥感影像分类方法180

5.2.1 资源限制性人工免疫系统180

5.2.2 基于资源限制性人工免疫系统的遥感影像分类方法181

5.2.3 常州市夏桥PHI影像分类实验与分析186

5.2.4 结论188

5.3 人工DNA计算的高光谱遥感影像编码与匹配分类方法188

5.3.1 人工DNA计算基本概念189

5.3.2 高光谱遥感影像的DNA计算模型与方法190

5.3.3 常州市夏桥PHI影像光谱匹配分类实验与分析195

5.3.4 结论197

5.4 基于流形学习的特征提取与分类198

5.4.1 传统流形学习算法回顾199

5.4.2 块排列框架200

5.4.3 判别局部排列201

5.4.4 判别局部正切排列202

5 4.5 实验分析204

参考文献209

第6章 高光谱遥感影像的张量分析方法212

6.1 张量代数212

6.2 张量最优子空间理论215

6.2.1 高光谱遥感影像降噪的概述215

6.2.2 基于张量最优子空间的多维滤波算法216

6.2.3 实验分析218

6.2.4 结论225

6.3 高光谱遥感影像多特征一体化张量表达方法225

6.3.1 高光谱影像的多特征张量描述方法概述226

6.3.2 实验分析230

6.3.3 结论233

6.4 张量流形理论233

6.4.1 张量判别局部排列234

6.4.2 实验分析238

6.4.3 结论243

6.5 张量学习243

6.5.1 张量学习的一般框架244

6.5.2 支持张量机245

6.5.3 实验分析247

6.5.4 结论250

参考文献250