面向對象的高分辨率遙感圖像分析

前言
第1章  面向對象的高分辨率遙感圖像分析概述
1.1  對地觀測的發(fā)展
1.2  高分辨率遙感圖像的特點
1.3  遙感圖像分析的含義
1.4  高分辨率遙感圖像分析存在困難的原因
1.5  基于像素的圖像分析
1.6  對象的概念
1.7  面向對象與基于對象的區(qū)別
1.8  面向對象的圖像分析的相關理論與方法
1.9  面向對象圖像分析的發(fā)展歷程
1.10  面向對象的圖像分析的軟件與模塊
1.11  面向對象的圖像分析與基于像素的圖像分析的關系
1.12  面向對象的圖像分析的優(yōu)點與不足
第2章  遙感圖像分割
2.1  圖像分割所依據(jù)的基本特征
2.2  基于三個基本特征的圖像分割的不足
2.3  遙感圖像分割方法的變化
2.4  典型的圖像分割方法
2.5  融合邊緣與光譜特征的圖像分割
2.6  遙感圖像分割方法的應用需求
第3章  多尺度分析與遙感圖像多尺度分割
3.1  尺度的概念與內(nèi)涵
3.2  尺度空間理論與圖像的多尺度分析
3.3  地物的多尺度特征
3.4  地物的多尺度分析
3.5  圖像多尺度分割
3.6  基于不同特征的圖像多尺度分割方法
3.7  圖像多尺度分割存在的問題
第4章  遙感圖像特征、遙感圖像對象特征及算法
4.1  特征、規(guī)則、模型、上下文和知識的內(nèi)涵
4.2  特征圖像
4.3  圖像對象特征計算相關的算法
4.4  圖像元數(shù)據(jù)
4.5  圖像對象的特征
4.6  圖像對象特征的選用與計算存在的問題
第5章  面向對象的遙感圖像分析方法
5.1  分割對象的數(shù)據(jù)組織
5.2  模糊理論的概念與方法
5.3  最近鄰分類法
5.4  基于產(chǎn)生式規(guī)則的知識表示
5.5  決策樹分類法
5.6  模擬退火算法
5.7  面向對象的圖像分析存在的問題
第6章  面向對象的遙感圖像分析實例
6.1  單波段、單極化SAR圖像分類
6.2  基于極化SAR后向散射特征的水體提取
6.3  基于Paul分解的極化SAR作物分類
6.4  基于Freeman分解的極化SAR建筑物檢測
6.5  光學圖像的建筑物提取
6.6  光學圖像的變化檢測
第7章  面向對象的遙感圖像分析的未來發(fā)展趨勢
7.1  探索新的圖像多尺度分割方法
7.2  認知科學理論融人面向對象的圖像分析
7.3  面向對象的圖像分析與基于像素的圖像分析相結合
7.4  面向對象的圖像分析中遙感圖像與其他數(shù)據(jù)相結合
7.5  面向對象的自動分析是需要探討的一個發(fā)展方向
7.6  面向對象的圖像分析有待向圖像理解延伸
7.7  基于對象的圖像分析轉向面向對象的圖像分析
參考文獻
彩圖