機(jī)載激光數(shù)據(jù)輔助的高光譜遙感影像面向?qū)ο蠓诸惡途确治?/h1>

總序
論叢前言
前言
第1章 緒論
1．1 選題背景
1．2 國(guó)內(nèi)外研究現(xiàn)狀
1．2．1 高光譜遙感影像信息提取與分類研究現(xiàn)狀
1．2．2 機(jī)載激光數(shù)據(jù)處理與信息提取研究現(xiàn)狀
1．2．3 面向?qū)ο蟮姆诸愌芯楷F(xiàn)狀
1．2．4 遙感數(shù)據(jù)分類精度評(píng)價(jià)中的抽樣研究現(xiàn)狀
1．3 目前研究中存在的問題
1．4 本書的研究?jī)?nèi)容與方法
1．4．1 研究?jī)?nèi)容
1．4．2 研究方法與目的
1．5 本書的結(jié)構(gòu)組織
第2章 遙感數(shù)據(jù)集成處理與分類及精度抽樣評(píng)價(jià)理論基礎(chǔ)
2．1 高光譜遙感影像的處理
2．1．1 HyMAP幾何糾正和正射糾正
2．1．2 HyMAP輻射糾正
2．2 機(jī)載激光數(shù)據(jù)的處理
2．2．1 機(jī)載激光數(shù)據(jù)濾波處理
2．2．2 機(jī)載激光數(shù)據(jù)與高光譜遙感影像的影像匹配
2．3 集成機(jī)載激光數(shù)據(jù)信息的高光譜遙感影像面向?qū)ο蠓诸惖睦碚摶A(chǔ)
2．3．1 圖像直方圖理論
2．3．2 圖像分割與合并
2．3．3 二維物體形狀表達(dá)方法
2．3．4 面向?qū)ο蟮挠跋穹治?br />2．4 遙感數(shù)據(jù)分類精度評(píng)價(jià)和抽樣的理論基礎(chǔ)
2．4．1 遙感專題數(shù)據(jù)精度評(píng)價(jià)方法
2．4．2 統(tǒng)計(jì)抽樣檢驗(yàn)理論
2．5 本章小結(jié)
第3章 改進(jìn)的二進(jìn)制編碼法——一種集成高度信息的面向?qū)ο蟮母吖庾V遙感影像分類提取方法
3．1 概述
3．2 二進(jìn)制編碼法
3．3 研究方法
3．3．1 研究區(qū)域簡(jiǎn)介
3．3．2 流程圖
3．3．3 影像分割
3．3．4 圖像對(duì)象的二進(jìn)制編碼
3．3．5 目標(biāo)對(duì)象的標(biāo)準(zhǔn)
3．3．6 特征匹配
3．4 研究結(jié)果
3．4．1 分類目標(biāo)
3．4．2 分類實(shí)驗(yàn)
3．5 本章小結(jié)
第4章 引入概率的改進(jìn)的二進(jìn)制編碼法與形狀因子及編碼長(zhǎng)度分析
4．1 概述
4．2 將概率引進(jìn)特征匹配度的計(jì)算
4．2．1 概率的計(jì)算
4．2．2 實(shí)驗(yàn)和比較
4．2．3 分析和討論
4．3 如何選取合適的形狀因子
4．3．1 形狀因子介紹
4．3．2 實(shí)驗(yàn)和分析
4．4 如何選擇合適的編碼長(zhǎng)度和規(guī)則
4．4．1 面積的編碼
4．4．2 不對(duì)稱性的編碼
4．4．3 緊致度的編碼
4．4．4 長(zhǎng)寬比的編碼
4．4．5 矩形系數(shù)的編碼
4．4．6 高程的編碼
4．4．7 分析和討論
4．5 本章小結(jié)
第5章 遙感影像分類的多層空間抽樣精度評(píng)價(jià)
5．1 概述
5．2 多層空間抽樣策略
5．2．1 多層空間抽樣的概念
5．2．2 多層空間抽樣的流程
5．2．3 抽樣技術(shù)
5．3 遙感影像分類數(shù)據(jù)多層空間抽樣方案設(shè)計(jì)
5．3．1 數(shù)據(jù)情況介紹
5．3．2 抽樣設(shè)計(jì)
5．3．3 分析和討論
5．4 實(shí)驗(yàn)與分析
5．4．1 原始分類精度
5．4．2 簡(jiǎn)單隨機(jī)抽樣
5．4．3 空間格網(wǎng)隨機(jī)抽樣
5．4．4 分層隨機(jī)抽樣
5．4．5 分析和討論
5．5 本章小結(jié)
第6章 結(jié)論與展望
附錄A HyMAP定標(biāo)系數(shù)
附錄B HyMAP輻射改正系數(shù)
參考文獻(xiàn)
后記