高光谱遥感图像处理方法及应用 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

赵春晖　 著

图书标签:

• 高光谱遥感
• 图像处理
• 遥感应用
• 光谱分析
• 数据挖掘
• 机器学习
• 分类
• 目标识别
• 环境监测
• 精准农业

出版社： 电子工业出版社

ISBN：9787121279089

版次：1

商品编码：11945968

包装：平装

丛书名： 国防电子信息技术丛书

开本：16开

出版时间：2016-05-01

用纸：胶版纸

页数：396

字数：634000

正文语种：中文

内容简介

随着成像光谱技术及遥感处理技术的不断发展，高光谱遥感数据被广泛应用于各个领域。与多光谱图像相比，高光谱成像光谱仪能够在较宽的波谱范围内，利用狭窄的光谱间隔成像，得到上百幅通道、波段连续的图像，每个像素均可提取一条完整的高分辨率光谱曲线，使得许多原本在多光谱图像中无法发现的地物特征得以被探测。本书简要介绍了高光谱遥感图像的成像原理和图像特点，主要分析了各种高光谱图像处理技术在使用中遇到的问题，并提出了相应的处理方法；论述内容主要包括高光谱遥感的特征选择，高光谱遥感的端元选择，混合光谱理论与光谱解混，高光谱图像的监督分类和半监督分类，高光谱图像的匹配目标检测、异常目标检测以及实时目标检测，高光谱数据压缩技术和可视化技术，*后概括地介绍了高光谱遥感图像在各个领域的应用。本书包括了著者多年来取得的科研成果，可以使读者比较全面地了解高光谱图像处理的各个领域以及*新研究进展。

作者简介

赵春晖，男，1965年出生，工学博士，教授、博士生导师，哈尔滨工程大学信号与信息处理学科带头人。黑龙江省优秀中青年专家，全国优秀教师，国家教学名师。IEEE会员，中国通信学会会士，中国电子学会高级会员，中国图象图形学学会和黑龙江生物医学工程学会理事，中国兵工学会信息安全与对抗委员会专业委员会成员，中国指挥与控制学会无人系统专业委员会委员。研究领域主要包括智能信息与图像处理、机器学习与模式识别、非线性信号处理和通信信号处理。主持了多项***和省部级科研项目和教改项目，发表学术论文500多篇，其中被“SCI、EI”检索300余篇，出版著作和教材18部，其中《微波技术》入选了“十一五”和“十二五”***规划教材，获省部级科技奖一等奖2项、二等奖6项，获省级教学成果奖一等奖3项、二等奖3项，获发明专利和软件著作权22项。 “微波技术基础”国家精品课程负责人和***教学团队带头人。先后获得全国优秀博士学位论文、教育部高校青年教师奖、黑龙江省杰出青年科学基金、黑龙江省青年科技奖、国务院政府特殊津贴、黑龙江省优秀博士后、黑龙江省优秀研究生导师等荣誉。入选首届“国家高层次人才特殊支持计划”领军人才。

目录

第1章 高光谱遥感的理论基础 1
1．1 高光谱遥感概述 1
1．2 高光谱遥感成像机理 5
1．3 高光谱遥感图像的特点 8
1．4 高光谱遥感图像数据表达 9
1．5 高光谱遥感与多光谱遥感的联系与区别 10
参考文献 11
第2章 高光谱图像特征提取技术 12
2．1 特征提取技术概述 12
2．2 高光谱图像基本特征提取算法 16
2．2．1 主成分分析 16
2．2．2 线性判别分析 17
2．2．3 基于核的非线性特征提取算法 18
2．2．4 基于流形学习的非监督特征提取算法 18
2．2．5 F-分值特征提取方法 22
2．2．6 递归特征消除方法 22
2．2．7 最小噪声分数 23
2．2．8 独立成分分析 24
2．3 高光谱图像波段提取算法 25
2．3．1 半监督局部稀疏嵌入特征提取算法 25
2．3．2 基于全局和局部流形结构的特征提取算法 27
2．3．3 结合遗传算法和蚁群算法的特征提取算法 29
2．3．4 高光谱图像蒙特卡罗特征提取算法 31
2．4 高光谱图像波段提取算法性能评价 34
2．4．1 半监督局部稀疏嵌入特征提取算法的性能评价 35
2．4．2 基于全局和局部流形结构的特征提取算法的性能评价 38
2．4．3 结合遗传算法和蚁群算法的特征提取算法的性能评价 41
2．4．4 高光谱图像蒙特卡罗特征提取算法的性能评价 46
参考文献 48
第3章 高光谱图像端元提取技术 49
3．1 端元提取技术概述 49
3．2 高光谱图像基本端元提取方法 49
3．2．1 N-FINDR端元提取算法 49
3．2．2 纯像素索引法 50
3．2．3 凸锥分析 51
3．2．4 迭代误差分析 52
3．2．5 ORASIS算法 52
3．2．6 自动形态学端元提取算法 52
3．2．7 顶点成分分析法 54
3．3 高光谱图像端元提取算法 55
3．3．1 改进的N-FINDR高光谱端元提取算法 55
3．3．2 改进的IEA端元提取算法 58
3．4 高光谱图像端元提取方法的性能评价 60
3．4．1 改进的N-FINDR高光谱端元提取算法的性能评价 60
3．4．2 改进的IEA端元提取算法的性能评价 61
参考文献 65
第4章 高光谱图像光谱解混技术 66
4．1 光谱解混技术概述 66
4．2 高光谱图像基本光谱解混算法 68
4．2．1 线性光谱混合模型 68
4．2．2 丰度反演算法 69
4．2．3 解混误差理论分析 70
4．2．4 解决端元可变问题算法 72
4．2．5 光谱解混精度评价 76
4．3 高光谱图像光谱解混算法 77
4．3．1 基于正交子空间投影的多端元高光谱解混算法 77
4．3．2 基于分层的多端元高光谱解混算法 79
4．3．3 基于全约束OMP的多端元高光谱解混算法 81
4．3．4 基于稀疏表示的高光谱解混算法 83
4．3．5 改进的OMP高光谱稀疏解混算法 87
4．3．6 自适应稀疏度的OMP高光谱稀疏解混算法 90
4．4 高光谱图像光谱解混算法评价 91
4．4．1 基于OSP的多端元高光谱解混算法评价 91
4．4．2 基于分层的多端元高光谱解混算法评价 95
4．4．3 基于全约束OMP的多端元高光谱解混算法评价 100
4．4．4 基于稀疏表示的高光谱解混算法评价 103
4．4．5 改进的OMP高光谱稀疏解混算法评价 105
4．4．6 自适应稀疏度的OMP高光谱稀疏解混算法评价 110
参考文献 112
第5章 高光谱图像监督分类技术 114
5．1 高光谱图像分类技术概述 114
5．2 高光谱图像基本分类算法 116
5．2．1 光谱角匹配 116
5．2．2 最大似然分类 117
5．2．3 Fisher判别分析 117
5．2．4 支持向量机分类器 118
5．2．5 相关向量机分类器 126
5．3 高光谱图像分类的评价准则 128
5．4 高光谱图像分类算法 129
5．4．1 基于高斯低通滤波的最大似然分类 129
5．4．2 基于小波核函数的高光谱图像分类 131
5．4．3 基于第二代小波融合的高光谱图像分类 134
5．4．4 基于特征加权的高光谱图像分类 141
5．4．5 基于定制核稀疏表示的高光谱图像分类 143
5．4．6 基于模糊加权核C-均值聚类的高光谱图像分类 147
5．4．7 模糊特征加权支持向量机 151
5．5 高光谱图像分类算法的性能评价 153
5．5．1 基于高斯低通滤波的最大似然分类性能评价 154
5．5．2 基于小波核函数的高光谱图像分类性能评价 158
5．5．3 基于第二代小波融合的高光谱分类性能评价 160
5．5．4 基于特征加权的高光谱分类性能评价 164
5．5．5 基于定制核稀疏表示的分类评价 168
5．5．6 模糊加权核C-均值聚类算法的分类评价 173
5．5．7 模糊特征加权支持向量机的分类评价 175
参考文献 178
第6章 高光谱图像半监督分类技术 181
6．1 高光谱图像半监督分类技术概述 181
6．2 高光谱图像基本半监督分类算法 182
6．2．1 图论的基础概念 182
6．2．2 基于图的半监督分类算法 184
6．3 高光谱图像半监督分类算法 187
6．3．1 结合LLGC和LS-SVM的半监督分类算法 187
6．3．2 引入负相似的LapSVM半监督分类 191
6．3．3 基于空-谱信息的高光谱半监督分类算法 196
6．3．4 基于空-谱标签传递的高光谱半监督分类算法 200
6．4 高光谱图像半监督分类算法的性能评价 202
6．4．1 结合LLGC和LS-SVM半监督分类算法的性能评价 202
6．4．2 引入负相似的LapSVM半监督分类的性能评价 206
6．4．3 基于空-谱信息的高光谱半监督分类的性能评价 211
6．4．4 基于空-谱标签传递的高光谱半监督分类的性能评价 217
参考文献 227
第7章 高光谱图像目标匹配检测技术 229
7．1 目标匹配检测技术概述 229
7．2 高光谱图像基本目标匹配检测算法 231
7．2．1 高光谱图像目标匹配检测的关键问题 231
7．2．2 高光谱图像目标检测的一般过程与评价标准 232
7．2．3 经典的高光谱图像目标匹配检测方法 232
7．3 高光谱图像目标匹配检测算法 234
7．3．1 基于空间支持的稀疏表示目标检测 234
7．3．2 基于StOMP算法的HSI目标稀疏检测 239
7．3．3 基于无监督字典的HSI目标稀疏检测 242
7．4 高光谱图像目标匹配检测算法评价 245
7．4．1 基于空间支持的稀疏表示目标检测算法评价 245
7．4．2 基于StOMP算法的HSI目标稀疏检测算法评价 254
7．4．3 基于无监督字典的HSI目标稀疏检测 257
参考文献 259
第8章 高光谱图像异常目标检测技术 261
8．1 异常目标检测技术概述 261
8．2 高光谱图像异常目标检测基本理论 265
8．3 高光谱图像异常目标检测算法 268
8．3．1 基于空域滤波的核RX高光谱异常检测算法 268
8．3．2 自适应核高光谱异常检测算法 272
8．3．3 基于光谱相似度量核的高光谱异常检测算法 277
8．4 高光谱图像异常目标检测算法评价 281
8．4．1 基于空域滤波的核RX高光谱异常检测算法评价 281
8．4．2 自适应核高光谱异常检测算法评价 282
8．4．3 基于光谱相似度量核的高光谱异常检测算法评价 284
参考文献 289
第9章 高光谱实时目标检测技术 292
9．1 高光谱遥感目标检测概念及特点 292
9．1．1 目标存在形式 292
9．1．2 高光谱图像目标检测特点 292
9．1．3 高光谱图像目标检测分类 293
9．1．4 高光谱图像目标检测关键问题 293
9．2 基于像素递归的高光谱实时目标检测 295
9．2．1 Woodbury矩阵引理 296
9．2．2 基于R-RXD的递归实时算子 297
9．2．3 基于K-RXD的递归实时算子 298
9．2．4 算法复杂性分析 299
9．2．5 仿真实验结果与分析 300
9．3 采用滑动实时窗的高光谱局部实时检测 305
9．3．1 高光谱局部异常检测常用算法 306
9．3．2 采用滑动实时窗口的局部异常检测 308
9．3．3 仿真实验结果与分析 311
9．4 基于波段递归更新的高光谱目标检测算法 315
9．4．1 分块矩阵求逆引理 315
9．4．2 基于波段递归的高光谱目标检测 316
9．4．3 仿真实验结果与分析 319
参考文献 321
第10章 高光谱图像压缩处理技术 324
10．1 高光谱压缩处理技术概述 324
10．2 图像压缩质量评价标准 326
10．3 高光谱图像压缩处理算法 327
10．3．1 基于目标分布改进DCT的图像压缩 327
10．3．2 多元向量量化的图像压缩 329
10．3．3 基于提升格式的图像压缩 332
10．3．4 基于向量量化的图像压缩 335
10．4 高光谱图像压缩性能评价 337
10．4．1 基于目标分布的图像压缩性能评价 337
10．4．2 多元向量量化的图像压缩性能评价 343
10．4．3 基于提升格式的图像压缩性能评价 350
10．4．4 基于向量量化的图像压缩性能评价 351
参考文献 352
第11章 高光谱图像可视化技术 354
11．1 可视化技术概述 354
11．2 面向类别分析结果的可视化方法 358
11．2．1 基于硬分类结果的数据可视化 359
11．2．2 基于软分类结果的自动彩色分配方法 361
11．3 高光谱图像可视化方法性能评价 364
11．3．1 硬分类类别彩色标签的选择及分配 364
11．3．2 基于光谱解混结果的可视化结果 366
参考文献 368
第12章 高光谱遥感应用简介 369
12．1 高光谱遥感在农业方面的应用 369
12．1．1 农作物疾病监测、病虫害监测以及入侵物种监测 369
12．1．2 农作物产量估计 370
12．1．3 农作物分类 370
12．2 高光谱遥感在地质领域方面的应用 370
12．2．1 高光谱矿物识别与矿物填图 371
12．2．2 高光谱地质成因信息探测研究 371
12．2．3 高光谱成矿预测研究 371
12．2．4 高光谱植被地化信息探测研究 372
12．2．5 高光谱矿山环境分析研究 372
12．3 高光谱遥感在草原监测方面的应用 372
12．3．1 草地生物量估算 373
12．3．2 草地种类识别 374
12．3．3 草地化学成分估测 374
12．4 高光谱遥感在森林研究方面的应用 375
12．4．1 森林调查 375
12．4．2 森林生化组成与森林健康状态 376
12．5 高光谱遥感在海洋研究方面的应用 377
12．5．1 海洋遥感中的基础研究 377
12．5．2 海洋与海岸带资源环境监测中的应用研究 378
12．5．3 高光谱海洋研究国际发展相关动态 378
12．6 高光谱遥感在环境监测方面的应用 379
12．6．1 大气污染监测 379
12．6．2 土壤侵蚀监测 379
12．6．3 水环境监测 379
12．7 高光谱遥感在减灾方面的应用 380
12．7．1 干旱 380
12．7．2 洪涝 381
12．7．3 低温雨雪冰冻灾害 381
12．7．4 火灾 382
12．7．5 地质灾害 383
12．7．6 生物灾害 384
12．7．7 其他灾害 384
参考文献 385

前言/序言

本书是作者多年研究成果的总结，内容涵盖高光谱图像处理主要方法，包括降维与数据压缩，端元提取，光谱解混，亚像元定位，分类，异常检测，可视化显示技术等，理论思想和框架体系都有鲜明特色，对光谱解混技术的变端元、多端元思想；对分类技术的全面加权思想；对端元选择的快速实现思想；对亚像元定位技术的充分贯彻空间相关性原理；对异常检测的形态学运用和核函数构造，以及实时检测思想；对降维压缩的端元提取算法借用思想等，是本书主要创新内容。

本书既可作为高等院校遥感专业相关师生的参考书，又可作为不同信息系统中对高光谱遥感进行研究的科研人员的参考书，也可供从事环境监测、农业管理、海洋开发等应用层面的决策者阅读参考。

前 言

高光谱遥感技术(Hyperspectral Remote Sensing Technology)起源于多光谱遥感，是20世纪80年代开始发展的一种新兴遥感技术，其突出的优势在于提供了丰富的地物光谱波段，较高的光谱分辨率可以解决许多在全色和多光谱遥感中无法解决的问题。高光谱图像有效地结合了代表地物辐射属性的光谱信息和反映空间几何关系的图像信息，其所携带的光谱信息提供了区别地物光谱细微差别的能力，使得许多原本在多光谱遥感图像中无法获取的光谱信息得以探测。高光谱图像的光谱分辨率为纳米级，成像光谱仪将成像传感器的空间表示与光谱仪的分析能力相结合，在可见光、近红外、短波红外以及中红外等电磁波谱范围内，利用狭窄的光谱间隔成像，可以为每个像素提供数十至数百个窄波段，从而产生一条完整而连续的光谱曲线，使得地物的精确定量分析与细节提取成为可能，为人们对各种地物的分析提供了重要的依据。

随着高光谱遥感技术光谱分辨率的不断递增，人们对地物光谱属性特征的认知也不断随之深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为21世纪遥感技术领域重要的研究方向之一。与多光谱遥感相比，高光谱遥感提供了更加丰富的地物光谱，其较宽的波谱覆盖范围使得高光谱数据处理时，可以根据需要选择特定的波段突显地物特征，为高光谱数据处理算法提供更多的地物原始数据，因此，高光谱遥感技术被广泛应用在矿物成分含量识别、植被识别与分类、植物的长势与化学成分估测、大气中各成分含量分析、水域环境污染程度分析、土壤调查、城市监测和规划等方面，且取得了显著成果。

高光谱遥感成像是一门新兴的交叉学科，以计算机、传感器、航空航天等技术为基础，涉及电磁波理论、物理科学、光谱学与几何光学、信息学、电子工程、地质学、地理与地球科学、大气科学、海洋科学、农学和林学等多个学科。其中，电磁波理论是最重要的基础，通过准确接收和记录电磁波与地物间复杂的相互作用，可以提供丰富的地物信息，进而得到高光谱图像数据立方体。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪，在光谱分光方式、空间成像方式和光电转换探测器的研究中不断深入，逐步从地面遥感发展到与航空、航天遥感应用平台相结合的阶段。另外，高光谱遥感技术在与全球定位系统融合的过程中，形成新型的地物信息获取与对地信息观测平台，极大地拓展了高光谱遥感技术的应用领域，为地学的研究提供了新的技术支持和科研方法。

全书共分12章，分别讲述高光谱遥感的特征选择、高光谱遥感的端元选择、混合光谱理论与光谱解混、高光谱图像的监督分类和半监督分类、高光谱图像的匹配目标检测、异常目标检测以及实时目标检测、高光谱数据压缩技术和可视化技术，最后概括地介绍了高光谱遥感在农作物病虫害检测、农作物产量估计、矿物识别和矿物填图、草地监测及草地种类识别、森林调查、海洋环境监测、大气污染监测，土壤侵蚀监测、水环境监测、灾害的预警分析和实时监测等方面的应用。本书以主要篇幅论述高光谱遥感图像处理过程和信息处理过程中出现的各种问题，对高光谱数据在各个应用领域的处理方法提出改进措施，在高光谱遥感处理的理论基础、成像机理、处理算法、应用领域及各种困难都进行了较为详细和全面的阐述。

本书为工业和信息化部“十二五”规划专著，是在著者承担国家自然科学基金(61077079、61275010、61405041、61571145)，高等学校博士学科点专项基金(20062302170021、20102304110013、20132304110007)，黑龙江省自然科学基金重点项目(ZJG0606-01、ZD201216)，中国博士后基金(2014M551221)，黑龙江省博士后基金(LBH-Z13057)，黑龙江省博士后科研启动金(LBH-Q15025)和黑龙江省留学归国人员科学基金资助项目(JJ2016LX0051)所取得成果的基础上撰写而成的。博士生刘春红、王玉磊、梅峰、李晓慧、成宝芝、刘丹凤、郝思媛为本书的算法设计及仿真实验做了大量工作，在此表示感谢。另外，本书撰写过程中，参阅了有关书籍和文献，同时也向这些作者致以诚挚的谢意！最后，感谢电子工业出版社对本书的出版给予的配合与支持。

由于著者水平有限，以及研究内容跨度大、编程软硬件条件差异大、涉及研究人员多等实际问题，在理论和技术方面还有很多不足、还未能将国内外更多的最新研究成果涵盖其中，衷心希望广大读者批评指正和不吝赐教，著者将在后续的工作中进一步完善。

著 者

2015年7月于哈尔滨

《遥感影像解译的艺术与科学：从像素到洞察》 在信息爆炸的时代，我们如何从海量的地理空间数据中提取有价值的见解？《遥感影像解译的艺术与科学：从像素到洞察》一书，将带您踏上一场深入探索遥感影像背后奥秘的旅程。这本书并非关于高光谱遥感图像处理的特定方法，而是更广泛地聚焦于整个遥感影像解译的理论框架、关键技术和多元应用，旨在为读者构建一个全面而深刻的理解。 本书从基础概念入手，首先详细阐述了遥感影像的形成原理，包括电磁波与物质的相互作用，不同传感器的工作机制，以及影响影像质量的关键因素。我们将深入剖析影像的几何特性和辐射特性，理解它们如何被记录和传输，为后续的解译工作打下坚实的基础。 接着，本书将重心放在了遥感影像的预处理技术上。这部分内容涵盖了从影像增强、辐射定标到几何校正等一系列关键步骤。您将学习如何通过不同类型的影像增强技术，如对比度拉伸、直方图均衡化等，来突出影像中的有用信息，抑制噪声，提升影像的可视化效果。同时，我们将探讨辐射定标的必要性和常用方法，理解如何将原始的数字号码转换为具有物理意义的反射率或亮度温度。几何校正部分，则会详细介绍不同类型的几何畸变及其校正原理，包括辐射畸变、地形畸变等，以及如何利用控制点、数字高程模型（DEM）等数据来实现精确的几何校正，确保影像的空间准确性。 在掌握了基础的预处理技术后，本书将深入讲解遥感影像的分类与识别方法。这部分是影像解译的核心内容之一。我们将系统介绍传统的影像分类方法，如监督分类（最大似然法、支持向量机等）和非监督分类（K-means、Isodata等），并详细阐述其原理、优缺点及适用场景。更重要的是，本书将紧跟技术前沿，重点探讨基于深度学习的影像分类技术。您将了解卷积神经网络（CNN）等深度学习模型在遥感影像识别中的强大能力，学习如何构建和训练深度学习模型，实现高精度的地物分类，例如识别农作物类型、森林植被、城市建成区、水体等。本书还将介绍目标检测和语义分割技术，使得我们能够不仅识别出地物类别，还能精确定位和描绘其空间边界。 除了分类与识别，本书还深入探讨了遥感影像中的变化检测技术。在环境监测、灾害评估、城市发展等领域，识别和量化地物变化至关重要。我们将详细介绍多种变化检测方法，包括图像叠加、差值法、背景抑制法、分类后比较法以及基于深度学习的变化检测模型。读者将学习如何有效地检测不同时间点影像之间的变化，例如土地利用/覆被的变化、植被覆盖度的变化、城市扩张等，并了解如何对变化信息进行量化和分析。 本书的另一大亮点在于其广泛的应用案例分析。我们将精选多个典型的遥感影像解译应用场景，进行深入的剖析和讲解。这包括： 农业应用： 如何利用遥感影像监测作物长势、估算产量、识别病虫害，以及进行精准农业管理。 林业应用： 如何评估森林资源、监测森林火灾、识别森林退化和病虫害，以及进行森林生态系统研究。 水资源管理： 如何监测地表水体变化、评估水质、研究降雨径流，以及进行干旱监测。 城市规划与管理： 如何监测城市扩张、评估土地利用效率、识别违法建筑，以及支持智慧城市建设。 环境监测与灾害评估： 如何监测大气污染、评估土壤侵蚀、监测滑坡和泥石流等自然灾害，以及评估灾后损失。 地质与矿产勘探： 如何利用遥感影像识别地质构造、寻找潜在矿藏。 在每个应用案例中，本书不仅会介绍相关的遥感数据类型和处理流程，还会重点分析解译结果的意义和价值，以及如何将遥感信息与其他地理空间数据进行融合，以获得更全面的认识。 此外，本书还关注了遥感影像解译的未来发展趋势，包括多源数据融合、时空序列分析、云计算与大数据在遥感领域的应用，以及地理信息科学与人工智能的交叉融合。 《遥感影像解译的艺术与科学：从像素到洞察》是一本理论与实践并重、基础与前沿兼顾的著作。无论您是遥感领域的初学者，还是希望深化专业知识的研究人员，亦或是需要运用遥感技术解决实际问题的从业者，本书都将为您提供一条清晰的学习路径，帮助您掌握从原始遥感影像到有价值地理空间洞察的关键技能。它旨在激发您对遥感技术潜力的探索，并赋予您解读我们星球的强大工具。

评分☆☆☆☆☆

这本书在讲解高光谱遥感图像处理方法时，特别注重与实际应用场景的紧密结合，这使得原本可能抽象的技术内容变得生动形象。在介绍“光谱信息增强”和“噪声去除”等预处理技术时，作者并没有停留在算法的描述上，而是通过举例说明，例如如何处理由于大气湍流、仪器误差等原因导致的光谱失真，以及如何通过滤波、平滑等方法来抑制随机噪声，从而提升后续分析的精度。书中对这些预处理技术的讲解，让我明白了“工欲善其事，必先利其器”的道理，一个干净、高质量的高光谱数据集是进行有效分析的前提。更值得称赞的是，本书在讲解“特征选择”和“特征提取”等技术时，并没有陷入过于复杂的数学推导，而是侧重于解释这些技术如何帮助我们从海量的高光谱数据中筛选出最具有代表性的光谱特征，或者将高维数据降维到更易于处理的空间。书中通过对不同地物的光谱曲线进行分析，说明了如何识别出具有区分性的波段，或者如何通过组合不同波段的信息来生成新的、更有意义的特征。这些讲解让我对如何有效利用高光谱数据的丰富信息有了更深的认识。此外，书中还对一些高级的应用，如“高光谱图像超分辨率重建”和“三维高光谱图像处理”等进行了介绍，这些内容展示了高光谱遥感技术的前沿发展方向，也为我打开了新的视野。

评分☆☆☆☆☆

对于我而言，本书最吸引人的地方在于其对“变化检测”和“分类”这两个核心处理环节的深入剖析。高光谱遥感图像的处理，很大程度上就是为了能够准确地识别和区分不同的地物，并且监测地物随时间的推移所发生的变化。本书在介绍分类方法时，并没有仅仅罗列几种经典的分类器，而是对不同分类器（如监督分类、非监督分类、面向对象分类等）的原理、优缺点以及适用场景进行了详细的比较和阐述。书中通过图示和表格，清晰地展示了不同算法在处理高光谱数据时的表现差异，这让我能够根据自己的具体需求，选择最合适的分类方法。让我尤其受益的是关于“特征提取”的章节。高光谱图像具有维度高、数据量大的特点，直接应用分类器往往会面临“维数灾难”的问题。书中介绍了多种有效的特征提取方法，例如主成分分析（PCA）、最小噪声分离（MNF）等，并详细解释了这些方法如何减少数据维度，同时保留最关键的光谱信息。这些讲解不仅仅是理论性的，书中还提供了相关的软件实现思路和代码片段，这对于希望将理论付诸实践的读者来说，无疑是巨大的福音。在变化检测方面，本书也提供了非常全面的视角。它不仅仅关注像素级的变化，还探讨了面向对象的变化检测方法，以及如何结合多时相的高光谱数据来监测地物的动态变化。这些内容对于理解和分析地物的演变过程，例如植被生长、城市扩张、环境污染等，都提供了强大的技术支撑。

评分☆☆☆☆☆

这本书在介绍高光谱遥感图像处理方法时，非常注重理论与实践的结合，并且强调了不同技术之间的相互关联性。在讲解“光谱指数”的构建和应用时，作者并没有仅仅列举一些现成的光谱指数，而是深入分析了如何根据地物的光谱特性，有针对性地设计出能够突出特定地物信息的光谱指数。例如，在植被监测中，如何设计能够反映叶绿素含量、水分含量等特征的光谱指数。这让我明白，光谱指数并非是“万能药”，而是需要根据具体的研究目标进行定制。在“纹理分析”的章节，书中介绍了如何利用高光谱图像的空间信息和光谱信息相结合来提取地物的纹理特征。这对于区分具有相似光谱但不同纹理的地物，例如不同类型的植被或者不同质地的土壤，非常重要。书中对多种纹理算子（如灰度共生矩阵、局部二值模式等）在高光谱图像中的应用进行了详细的说明。此外，本书在探讨“面向对象分类”时，也融入了多尺度分析的概念，它强调了如何根据研究对象的尺度，选择合适的分割参数和分类策略。这使得分类结果更加符合实际地物分布的规律。总的来说，这本书提供了一个非常全面的高光谱遥感图像处理的框架，让读者能够从宏观到微观，逐步掌握相关的处理技术。

评分☆☆☆☆☆

初拿到这本《高光谱遥感图像处理方法及应用》时，我的第一反应是它的题材或许有些枯燥，毕竟“遥感图像处理”听起来就充满了技术术语和复杂的算法。然而，当我深入翻阅之后，才发现这完全是一种误解。书本的开篇并没有直接抛出枯燥的数学模型，而是从高光谱遥感技术本身的历史渊源、发展脉络以及其在各个领域的广泛潜力出发，为读者构建了一个宏大的背景认知。它并没有回避技术细节，但巧妙地将其融入到实际的应用场景中，让读者能够理解为什么需要这些复杂的处理方法。例如，书中在介绍不同类型的传感器和其成像原理时，不仅仅是罗列参数，而是通过图文并茂的方式，生动地解释了不同光谱段的获取如何影响我们对地物的识别和分析。紧接着，作者并未急于深入算法，而是花了不少篇幅来阐述高光谱数据的独特性——其丰富的波谱信息能够揭示出人眼无法直接观察到的物质特性，这为后续的处理奠定了理论基础。这种循序渐进的讲解方式，对于我这样一个对高光谱领域接触不深的新手来说，无疑是非常友好的。它让我意识到，高光谱技术并非仅仅是“拍照片”，而是通过捕捉地物在不同波长下的“指纹”，从而实现更深层次的理解和应用。书中对于不同地物在高光谱图像中的典型光谱曲线的展示，以及如何从这些曲线中提取关键信息，都给我留下了深刻的印象。更重要的是，作者在字里行间流露出对这门学科的热情，使得原本可能显得严肃的科学内容，也变得生动有趣起来。我特别欣赏书中对于“数据预处理”部分的细致讲解，它让我明白，任何高级的分析都离不开扎实的前期数据准备，而这正是很多研究容易忽视但又至关重要的环节。

评分☆☆☆☆☆

这本书的学术严谨性体现在其对算法的深入讲解和对理论依据的清晰阐述。在探讨“光谱混合分析”时，作者并没有简单地介绍几种算法，而是详细地分析了线性混合模型和非线性混合模型的区别，以及它们在不同地物覆盖情境下的适用性。书中对于“端元提取”这一关键步骤的讲解尤为细致，它详细介绍了多种端元提取算法（如纯净像元法、顶点成分分析法等）的原理和操作过程，并结合实际数据，分析了不同算法在提取地物端元时的优缺点。这让我明白了，准确的端元是后续定量反演的基础。在“分类算法”部分，书中对支持向量机（SVM）、随机森林（RF）、深度学习等多种分类器进行了详细的介绍。它不仅阐述了这些算法的数学原理，更重要的是，它结合高光谱数据的特点，分析了这些算法在高光谱分类任务中的优势和局限性。例如，书中指出，高光谱数据的高维度特性可能导致一些传统分类器出现“维数灾难”，而一些更先进的算法，如深度学习，则能更好地处理这种高维数据。书中还提供了关于这些算法参数选择的建议，以及如何对分类结果进行评估的指标，这对于读者进行实际操作具有很强的指导意义。我特别欣赏书中对“精度评估”环节的重视，它详细介绍了Kappa系数、总体精度、用户精度等常用指标，并阐述了如何通过混淆矩阵来分析分类结果的准确性，这使得整个处理流程更加科学化和可信。

评分☆☆☆☆☆

这本书的章节组织非常清晰，每一部分都围绕着一个核心的处理方法或应用领域展开，逻辑性很强。我特别喜欢书中关于“图像复原”和“图像融合”的章节。在高光谱遥感图像的获取过程中，由于大气效应、传感器噪声以及地形遮挡等原因，图像中经常会出现缺失、模糊或失真的区域。本书详细介绍了各种图像复原技术，例如基于统计模型的去噪方法、基于插值和外插的方法来填补缺失信息，以及基于稀疏表示或深度学习的方法来增强图像质量。这些技术对于提高图像的可用性和后续分析的精度至关重要。在“图像融合”部分，书中介绍了如何将高光谱图像与其他类型的遥感数据（如全色、多光谱或热红外图像）进行融合，以获取更丰富、更全面的地物信息。例如，通过将高分辨率全色图像与高光谱图像进行融合，可以获得既具有高空间分辨率又具有丰富光谱信息的目标图像，这对于精细的目标识别和解译具有重要意义。书中对各种融合算法（如小波变换融合、基于像素的融合、基于对象的融合等）的原理和实现方式都进行了详细的讲解，并提供了相应的案例分析。这让我对如何充分利用多源遥感数据来解决实际问题有了更深入的理解。

评分☆☆☆☆☆

这本书在讲解高光谱遥感图像处理方法时，始终贯穿着“应用驱动”的理念，使得学习过程充满了目标感。在介绍“光谱分辨率和空间分辨率”的概念时，作者并没有孤立地解释它们，而是紧密结合实际应用，例如，在矿产勘探中，我们需要高光谱分辨率来区分细微的光谱差异，而在城市规划中，我们可能更侧重于高空间分辨率来识别建筑物和道路。这种“为什么需要”的解释，让读者更容易理解不同技术参数的重要性。书中关于“目标识别”和“目标探测”的章节，是我最为关注的部分。它详细介绍了各种用于目标识别的技术，从基于光谱库匹配的方法，到基于特征提取和机器学习的方法，再到近年兴起的深度学习方法。对于每一种方法，书中都给出了具体的应用案例，例如，如何利用高光谱数据识别特定类型的农作物病害，或者如何在复杂的地形中识别出隐藏的军事目标。书中对这些方法的比较和分析，让我能够根据不同的应用需求，选择最合适的技术方案。我尤其欣赏书中关于“定量反演”的讲解。它不仅仅介绍了各种反演模型（如物理模型、经验模型、半经验模型等），还详细阐述了如何获取准确的地面真值数据，以及如何对反演结果进行验证和评估。这对于从高光谱图像中获取具有实际意义的地理信息至关重要。

评分☆☆☆☆☆

这本书的价值不仅仅体现在其技术层面的深度，更在于它所呈现出的广阔的应用前景。作者并没有局限于纯粹的技术论证，而是花了相当大的篇幅来描绘高光谱遥感技术在各个学科领域所扮演的关键角色。例如，在生态环境保护方面，书中详细介绍了如何利用高光谱数据监测森林火灾的早期迹象、评估农作物病虫害的发生范围、分析湿地的生态健康状况，甚至可以识别不同种类的植被，从而进行精细化的生物多样性研究。我印象特别深刻的是，书中通过一个具体的案例，展示了如何利用高光谱图像分析海面油污的扩散范围和化学成分，这对于海上搜救和环境污染治理具有极其重要的现实意义。而在地质矿产领域，书中则阐述了高光谱遥感如何帮助科学家们快速、准确地识别和定位具有潜在经济价值的矿产资源，尤其是一些分散的、难以通过传统地质勘探方法发现的矿藏。书中对不同矿物的“光谱特征指纹”的解读，以及如何通过这些指纹在海量的高光谱数据中进行筛选，让我感到无比惊叹。此外，在城市规划和灾害监测方面，书中也提供了许多精彩的论述，例如利用高光谱数据分析城市绿地的覆盖率和健康状况，评估建筑物材料的类型，或者在地震、洪水等灾害发生后，快速评估灾区的受损程度和物质损失。这种将复杂技术与现实需求相结合的叙述方式，极大地激发了我对高光谱遥感应用的兴趣，让我看到了这项技术巨大的社会价值和发展潜力。

评分☆☆☆☆☆

这本书在技术层面的深度和广度都令人印象深刻，尤其是在“降维技术”和“特征选择”方面，给我留下了深刻的印象。高光谱数据维度高，信息冗余大，如何有效地降低维度并选择最具代表性的特征，是处理高光谱图像的关键。书中对多种降维技术进行了详细的介绍，包括主成分分析（PCA）、独立成分分析（ICA）、最小噪声分离（MNF）等。它不仅阐述了这些算法的数学原理，更重要的是，它结合高光谱数据的特点，分析了不同算法在保留光谱信息、去除噪声以及提高分类精度方面的优势和局限性。书中还详细介绍了多种特征选择方法，例如基于统计学的方法、基于信息论的方法以及基于机器学习的方法。它阐述了如何通过这些方法来识别出对目标地物判别最有效的光谱波段或光谱特征组合，从而避免“维数灾难”，提高处理效率和分类精度。我尤其欣赏书中对“光谱信息可视化”的讲解。它介绍了多种可视化技术，例如假彩色合成、主成分分析结果可视化、光谱曲线图等，这些技术能够帮助我们直观地理解高光谱数据的内在结构和地物信息，为后续的处理和分析提供重要的依据。书中通过大量的图示和实例，生动地展示了这些可视化技术在揭示地物特征和发现异常信息方面的作用。这本书的价值在于，它不仅提供了处理高光谱图像的“工具箱”，更重要的是，它教会了读者如何“使用”这些工具，并理解其背后的原理。

评分☆☆☆☆☆

这本书的结构设计着实令人赞叹，它并非简单地堆砌技术，而是将理论与实践完美地融合在一起。在探讨各种图像处理方法时，作者总是会先简要介绍该方法的原理和数学基础，但这部分内容并不冗长，而是点到为止，重点在于强调该方法能够解决什么样的问题。紧接着，书中会引入大量的实际案例，这些案例涵盖了植被监测、矿产勘探、水体质量评估、城市规划等多个领域。对于每一个案例，作者都会详细分析在高光谱遥感数据中遇到的具体挑战，以及如何运用特定的处理方法来克服这些挑战。我尤其被书中关于“光谱解混”部分的论述所吸引。它不仅仅是介绍几种常用的解混算法，比如线性解混和非线性解混，更是深入分析了在不同场景下，哪种算法更具优势，以及如何评估算法的性能。书中通过模拟数据和真实数据，直观地展示了不同解混方法在提取“端元”信息时的差异，这让我对高光谱图像的“像素内混合”问题有了更深刻的理解。此外，对于“目标探测”的章节，我也觉得受益匪浅。书中列举了多种目标探测的策略，从简单的光谱匹配滤波到更复杂的机器学习方法，并结合实际的地物目标，如特定矿物、水体污染物等，讲解了如何设计和应用相应的算法。书中对这些算法的优缺点、适用范围以及参数选择的建议，都为读者提供了极具参考价值的指导。我非常喜欢书中那种“解决问题”导向的叙述方式，它让读者在学习技术的同时，也能感受到其在解决实际问题中的强大力量。

评分☆☆☆☆☆

速度很快

评分☆☆☆☆☆

很专业的一本书

评分☆☆☆☆☆

很好，专业，详实，物流快

评分☆☆☆☆☆

速度很快

评分☆☆☆☆☆

高光谱遥感图像处理方法及应用 很好

评分☆☆☆☆☆

书不错 就是发票居然字迹不清 问客服客服回答十分敷衍 不过还好 最后电话解决了

评分☆☆☆☆☆

值得学习购买的书

评分☆☆☆☆☆

很专业的一本书

评分☆☆☆☆☆

毫无疑问这是一本好书，京东送货也很快，我很满意!开卷有益，读书好处多，陶冶情操，修身养性，还会再来的哦。一本书有一个故事，一个故事叙述一段人生，一段人生折射一个世界。“读万卷书，行万里路”说的正是这个道理。读诗使人高雅，读史使人明智。读每一本书都会有不同的收获。“悬梁刺股”、“萤窗映雪”，自古以来，勤奋读书，提升自我是每一个人的毕生追求。读书是一种最优雅的素质，能塑造人的精神，升华人的思想。