第1篇 遥感高光谱图像基础知识 3
第1章 遥感概述 3
1.1遥感的概念与特点 3
1.2遥感的分类 4
1.3遥感过程及技术系统 5
1.3.1遥感实验 5
1.3.2遥感信息获取 5
1.3.3遥感信息处理 6
1.3.4遥感信息的应用 6
第2章 高光谱图像概述 7
2.1高光谱图像 7
2.2高光谱图像特性 8
2.2.1空间相关性 8
2.2.2谱间相关性 8
2.3实验数据及平台概述 9
2.3.1实验数据 9
2.3.2实验平台 11
第3章 高光谱图像压缩基本原理 13
3.1高光谱图像冗余 13
3.1.1编码冗余 13
3.1.2像素域冗余 13
3.1.3视觉冗余 14
3.2信息论基本概念 14
3.3信源编码理论 15
3.3.1无失真编码定理 15
3.3.2限失真编码定理 16
第4章 高光谱图像融合基本技术 18
4.1高光谱图像预处理技术 18
4.2高光谱图像融合及其研究现状 19
4.2.1高光谱图像融合基本概念 19
4.2.2高光谱图像融合及研究现状 20
4.3遥感图像融合层次分类 21
4.4高光谱图像与高空间分辨率图像融合过程分析 23
第2篇 遥感高光谱图像压缩技术 27
第5章 基于降维的压缩算法 27
5.1高光谱遥感图像数据降维的可行性分析 27
5.1.1高光谱遥感图像数据的信息熵 27
5.1.2高光谱图像的空间相关性 28
5.1.3高光谱图像的谱间相关性 32
5.1.4高光谱图像的数据维 35
5.2局部保持投影降维算法和无监督判别投影降维算法 38
5.2.1局部保持投影降维算法 38
5.2.2无监督判别投影降维算法 39
5.3 L层邻域无监督判别投影降维算法 40
5.3.1高光谱遥感图像数据表示 40
5.3.2 L层邻域无监督判别投影降维算法 40
5.3.3权重？ij核函数改进 43
5.3.4 L层邻域无监督判别投影降维算法的实现过程 44
5.3.5 UDP降维压缩算法及UDPL降维压缩算法的计算流程图 44
5.4高光谱遥感图像分组 46
5.4.1 ECA波段选择算法 46
5.4.2 ECA波段选择算法的改进 47
5.4.3改进ECA波段选择算法的实现步骤 48
5.4.4改进ECA波段选择算法的计算流程图 48
5.4.5分组L层邻域无监督判别投影降维压缩算法流程图 49
5.5分组L层邻域无监督判别投影降维压缩算法的实验结果与分析 50
5.5.1 L层邻域无监督判别投影降维压缩算法的实验数据分析 50
5.5.2改进ECA波段选择算法的实验数据分析 52
5.5.3分组L层邻域无监督判别投影降维压缩算法的实验分析 56
5.5.4实验结论 57
第6章 基于预测的无损压缩算法 58
6.1基于双向递归预测的高光谱图像无损压缩算法 58
6.1.1双向预测理论 58
6.1.2双向递归预测理论 60
6.1.3改进的双向递归预测理论 62
6.2基于预测的高光谱图像并行压缩算法 66
6.2.1计算机并行计算原理 66
6.2.2高光谱图像并行压缩算法 69
6.3高光谱图像预测算法的实验结果 71
6.3.1双向递归预测算法的实验结果 71
6.3.2基于预测的双核并行的实验结果 72
6.3.3基于预测的四核并行的实验结果 73
6.3.4基于预测的八核并行的实验结果 74
6.3.5图像数据压缩前后的图像对比 76
6.4基于采样预测的高光谱图像压缩算法 77
6.4.1高光谱遥感图像数据的特性分析 77
6.4.2基于采样预测的高光谱图像压缩算法 87
6.4.3实验对比与分析 88
6.4.4实验结论 91
第7章 基于变换的压缩算法 92
7.1小波变换的基本原理 92
7.1.1小波的定义 92
7.1.2离散小波与多分辨率分析 93
7.1.3小波变换在图像压缩中的应用 94
7.2整数小波变换 95
7.2.1整数小波变换原理 96
7.2.2整数小波核心算法 96
7.3基于整数小波的高光谱图像无损压缩算法 99
7.4基于3D-SPIHT的高光谱有损压缩算法 104
7.4.1 SPIHT算法原理 105
7.4.2 3D-SPIHT算法流程 105
7.4.3 SPIHT的技术内容 105
7.5基于PCA变换与小波变换的组合有损压缩算法 108
7.5.1 PCA变换的原理 108
7.5.2 PCA变换与小波变换的组合算法流程图 109
7.6算法比较 110
第8章 基于矢量量化的压缩算法 112
8.1矢量量化原理 112
8.2矢量量化基本算法 113
8.3矢量量化用于高光谱图像压缩 113
8.4矢量量化算法的改进 115
8.5改进的LBG算法的实验结果及评价 116
第9章 基于分布式编码的无损压缩算法 118
9.1 DSC理论基础 118
9.2基于陪集码的DSC实现 120
9.3分布式算法的实验结果 124
第10章 高光谱图像有损压缩的性能评价 125
10.1光谱失真度的度量指标 125
10.1.1几何度量 125
10.1.2概率度量 126
10.2图像压缩质量的评价指标 127
10.2.1压缩比 127
10.2.2均方误差 127
10.2.3信噪比 127
10.2.4峰值信噪比 128
10.3高光谱无损压缩算法的比较和评价 128
10.3.1小波算法的实验结果 129
10.3.2双向递归预测算法的实验结果 130
10.3.3 LBG算法的实验结果 130
10.3.4分布式选择压缩算法的实验结果 131
10.3.5四种算法的压缩时间对比 131
10.4高光谱有损压缩算法的比较和评价 133
10.5有损压缩算法对矿产信息波谱的影响分析 136
第3篇 遥感高光谱图像融合技术 143
第11章 高光谱图像融合数据预处理 143
11.1 HSI数据的预处理 143
11.1.1 HSI数据的读取 143
11.1.2 HSI数据的条纹去除 144
11.2 HSI数据的大气校正 145
11.3 CCD数据的预处理 147
11.3.1 CCD数据的读取 148
11.3.2 CCD数据的大气校正 148
第12章 高光谱图像配准与尺度转换 150
12.1 SIFT配准算法 151
12.1.1 SIFT算法概述 151
12.1.2尺度空间和降采样图像的形成 152
12.1.3特征点的检测 154
12.1.4特征点的精确定位 154
12.1.5特征点主方向的提取 155
12.1.6关键点特征描述及归一化SIFT描述子的生成 156
12.2基于归一化SIFT算法的不同光学图像的自动配准 157
12.2.1基于归一化SIFT算法的匹配 157
12.2.2 RANSAC的基本矩阵估计 158
12.3配准模型解算及尺度转换算法选取 159
12.3.1配准模型解算 159
12.3.2尺度转换算法的选取 159
第13章 高光谱数据融合的基本方法 162
13.1基于IHS变换的高光谱图像融合算法 162
13.1.1基于IHS变换的高光谱图像融合算法原理 162
13.1.2基于IHS变换的融合算法的实验效果 163
13.2基于PCA变换的高光谱融合算法 164
13.2.1基于PCA变换的高光谱融合算法原理 164
13.2.2 PCA融合算法的实验效果 164
13.3基于高通滤波的高光谱融合算法 165
13.4基于Brovey变换的高光谱融合算法 166
13.4.1基于Brovey变换的高光谱融合算法原理 166
13.4.2 Brovey融合算法的实验效果 166
13.5基于小波变换的高光谱融合算法 167
13.6高通滤波与IHS结合的高光谱图像融合算法 168
13.7 CRISP高光谱图像融合算法 169
13.7.1 CRISP锐化算法的简介 169
13.7.2 CRISP锐化算法的过程 169
13.7.3 CRISP融合的实验结果 171
13.8几种经典融合算法的比较 172
第14章 基于粒子群优化Contourlet变换的融合算法 176
14.1粒子群算法 176
14.2 Contourlet变换 177
14.3基于粒子群优化Contourlet变换的融合算法 178
14.4融合结果及分析 180
第15章 基于MAP/SMM模型的高光谱图像融合算法 184
15.1基于MAP/SMM模型的高光谱图像融合原理概述 184
15.2观测模型的建立 185
15.3 MAP估计模型 186
15.4随机混合模型 188
15.5模型参数求解 189
15.6 MAP/SMM估计 191
15.7简化观测模型 192
15.8光谱响应函数 193
15.9空间点扩散函数 194
15.10高分辨率丰度图的优化 196
第16章 基于深度学习的高光谱图像融合算法 198
16.1卷积神经网络 198
16.1.1卷积层 198
16.1.2池化层 199
16.1.3全连接层 200
16.1.4 softmax层 200
16.1.5激活函数 200
16.1.6损失函数 202
16.2 VGGNet 203
16.3融合结果分析 204
16.4结论 205
第17章 高光谱融合图像评价 207
17.1常用的高光谱融合图像评价方法 207
17.1.1主观评价方法 207
17.1.2客观评价方法 208
17.1.3基于层次分析法的模糊综合评价研究 209
17.2高光谱融合图像的模糊评价实现 212
17.3高光谱图像融合的实验结果与分析 213
17.3.1实验数据介绍 213
17.3.2实验结果与分析 214
第4篇 高光谱图像矿产资源评价应用研究 221
第18章 高光谱图像的分类 221
18.1高光谱图像的分类 221
18.2最大似然分类法 222
18.3 K-均值分类法 223
第19章 矿产资源评价模型的研究 225
19.1神经网络基本原理 226
19.2粒子群算法原理 227
19.3高光谱数据在矿产资源评价流程及模型中的应用 229
19.4实验结果及分析 231
结语 235
参考文献 237
- 《THE GOVERNMENT/PRESS CONNECTION PRESS OFFICERS AND THEIR OFFICES》STEPHEN HESS 1984
- 《PRESS》POLITICS & PUBLIC OPINION IN BIHAR 1912-1947 2010
- 《Press law》Robin Callender Smith. 1978
- 《SUING THE PRESS》RODNEY A.SMOLLA 1986
- 《THE PRESS AND AMERICA》 2222
- 《FREEDOM OF THE PRESS》ERIC BARENDT 2009
- 《FREEDOM OF THE PRESS》ROB EDELMAN 2006
- 《FREEDOM OF THE PRESS》DAVID L.GEBERT 2005
- 《Racism and the press》Teun A.van Dijk 2016
- 《Im spiegel per presse 1》Albert Schmitz 1983
