遥感图像解译(第二版)

第1章 遥感图像解译的一般问题 1.1 信息传递与图像解译 1.2 遥感图像解译的任务与实施 1.2.1 遥感图像解译的任务 1.2.2 遥感图像解译的实施 1.3 遥感信息的利用方式和支撑技术 1.3.1 遥感信息的利用方式 1.3.2 遥感信息的支撑技术 1.4 遥感图像解译的质量要求 1.4.1 解译的完整性 1.4.2 解译的可靠性 1.4.3 解译的及时性 1.4.4 解译的明显性 第2章 遥感研究对象的特性 2.1 空间特性——空 2.1.1 地理单元 2.1.2 空间分布 2.2 波谱反射和辐射特征——谱 2.2.1 水体的电磁辐射特性 2.2.2 植被的电磁辐射特性 2.2.3 岩石和矿物的电磁辐射特性 2.2.4 土壤的电磁辐射特性 2.2.5 人工地物目标的电磁辐射特性 2.3 时间特性——时 2.4 解译对象的划分 2.5 地表覆盖类型 第3章 遥感数据的观测性能 3.1 遥感数据的多源性 3.1.1 遥感平台多层次 3.1.2 传感器多样性 3.1.3 小卫星群 3.2 遥感图像量测性能与空间分辨率 3.3 多光谱图像及光谱分辨率 3.3.1 不同波谱范围的比较 3.3.2 光谱分辨率 3.3.3 波段组合 3.4 辐射信息与辐射分辨力 3.5 遥感中的时间因素与时间分辨率 3.5.1 地物的时间特性 3.5.2 时间分辨率 3.5.3 时间分辨率的类型 3.5.4 时间分辨率的作用 3.6 遥感图像的成像性能 3.6.1 成像性能的表示 3.6.2 图像解像力的确定 3.6.3 遥感图像的选择 第4章 遥感图像光谱指数特征 4.1 植被-不透水面-裸土(VIS)模型 4.2 植被光谱指数 4.3 水体光谱指数 4.4 不透水面光谱指数 4.5 土壤光谱指数 第5章 遥感图像空间特征 5.1 Harris角点特征 5.2 纹理特征 5.2.1 灰度共生矩阵 5.2.2 小波纹理变换 5.3 形状特征 5.3.1 像元形状指数 5.3.2 形状特征集合 5.4 结构特征 5.4.1 数学形态学 5.4.2 数学形态学谱 5.4.3 属性形态学谱 5.4.4 建筑形态学指数与阴影形态学指数 5.5 多视角特征 5.5.1 数字表面模型 5.5.2 多视角光谱特征 5.5.3 多视角形状特征 5.5.4 多视角纹理特征 5.5.5 多视角属性特征 第6章 变化特征提取 6.1 多时相影像预处理 6.1.1 几何预处理 6.1.2 光谱预处理 6.2 从灰度比较法到变化向量分析法 6.2.1 灰度比较法 6.2.2 变化向量分析法 6.3 变化域特征比较法 6.3.1 主成分分析法 6.3.2 多元变化检测法 6.4 特征驱动比较法 第7章 遥感影像解译方法 7.1 遥感影像计算机分类方法 7.1.1 非监督分类方法 7.1.2 监督分类方法 7.1.3 智能分类器和机器学习算法 7.2 混合像元分解 7.2.1 光谱混合模型 7.2.2 端元提取方法 7.2.3 盲分解方法 7.3 面向对象的遥感影像解译 7.3.1 遥感影像分割方法 7.3.2 马尔可夫(Markov)随机场面向对象分类模型 7.3.3 均值漂移的面向对象遥感影像分类 7.4 遥感影像分类后处理 7.4.1 基于滤波的分类后处理算法 7.4.2 面向对象的分类后处理方法 7.4.3 基于随机场的分类后处理方法 7.4.4 再学习分类后处理方法 第8章 人工智能遥感解译 8.1 深度神经网络概述 8.1.1 神经网络结构 8.1.2 前向传播 8.1.3 误差反向传播 8.1.4 深度神经网络使用 8.2 面向地块解译的遥感深度网络 8.2.1 卷积神经网络结构 8.2.2 卷积块的基本组件 8.2.3 主流的卷积神经网络 8.2.4 基于卷积神经网络的遥感地块场景解译 8.3 面向遥感像元解译的语义分割网络 8.3.1 编码-解码框架的语义分割网络 8.3.2 高分辨率语义分割网络 8.4 面向地表时序检测的变化检测网络 8.4.1 判断地表是否发生变化的深度网络 8.4.2 识别变化类型的深度网络 8.4.3 分析变化轨迹与过程的神经网络 8.5 面向遥感对象解译的目标识别网络 8.5.1 基于深度卷积网络的目标检测 8.5.2 基于深度卷积网络的实例分割 参考文献