遙感圖像處理技術及應用

張曄

工學博士，哈爾濱工業大學二級教授、信息與通信工程學科博士生導師，國務院學位委員會信息與通信工程學科評議組成員，黑龍江省優 秀研究生導師、哈爾濱工業大學立德樹人先進導師，黑龍江省留學人員報國獎獲得者。主要研究方向為遙感高光譜圖像分析與處理、圖像/視頻壓縮及傳輸、空間多源信息協同處理及應用等。負責國家自然科學基金、國家863計劃、部委等科研項三十餘項，獲省部級科技進步獎一等獎二項、二等獎五項、三等獎三項。發表學術論文四百多篇，其中被SCI收錄一百餘篇。主編教材一部、編著二部、譯著一部。

第1章 緒論 1

1.1　圖像及圖像處理　2

1.1.1　從連續圖像到數字圖像　3

1.1.2　從黑白圖像到彩色圖像　5

1.1.3　從靜止圖像到視頻圖像　6

1.1.4　數字圖像處理技術　6

1.2　遙感圖像及其成像鏈　7

1.2.1　航空遙感與航天遙感　8

1.2.2　電磁波與電磁波譜　10

1.2.3　典型遙感圖像及應用　12

1.2.4　遙感圖像成像鏈及影響因素　17

1.3　遙感信息源　20

1.3.1　電磁輻射的基本概念　20

1.3.2　電磁輻射源　22

1.3.3　黑體輻射　23

1.3.4　大氣傳輸窗口　26

1.3.5　地物反射特性　27

1.3.6　地物發射特性　29

1.4　遙感信息獲取　30

1.4.1　遙感平臺及載荷成像的幾何關系　30

1.4.2　光學傳感器成像　32

1.4.3　合成孔徑雷達成像　35

1.5　遙感數據傳輸/接收鏈路　37

1.5.1　遙感數據發射系統　38

1.5.2　遙感數據接收系統　38

1.5.3　遙感圖像處理系統　39

1.5.4　星上實時圖像處理系統　40

1.6　遙感圖像處理技術　41

1.6.1　遙感技術發展趨勢及面臨挑戰　42

1.6.2　遙感圖像處理及應用所涉及的技術　44

第2章　電磁特性及遙感成像　51

2.1　概述　51

2.2　光與視覺系統　55

2.2.1　光及光的物理特性　56

2.2.2　人類視覺系統　58

2.2.3　人類視覺系統對光亮度和顏色的感知　60

2.3　光學圖像及其數字化描述　63

2.3.1　光學圖像簡化模型　64

2.3.2　模擬量採樣　64

2.3.3　模擬量量化　68

2.3.4　數字圖像表示及分析　69

2.4　遙感多波段圖像及彩色合成　70

2.4.1　遙感多波段圖像　71

2.4.2　多波段圖像彩色合成　73

2.4.3　多波段圖像可視化　74

2.4.4　多波段圖像存儲　76

2.5　光學成像系統模型與人工神經網絡　79

2.5.1　點源及點擴展函數　79

2.5.2　光學成像系統調制傳遞函數　80

2.5.3　人工神經網絡　81

第3章　圖像變換與分解　85

3.1　信號及圖像的正交分解　85

3.1.1　信號分解的基本原理　86

3.1.2　信號的時域分解　87

3.1.3　信號的變換域（頻域）分解　89

3.1.4　二維圖像分解　90

3.2　傅里葉變換　91

3.2.1　連續信號的傅里葉變換　91

3.2.2　離散序列的傅里葉變換　92

3.2.3　二維圖像的離散傅里葉變換　93

3.3　主成分變換　95

3.4　離散餘弦變換　98

3.5　短時傅里葉變換　99

3.6　小波變換　102

3.6.1　小波變換的定義及二進制小波　102

3.6.2　小波變換與信號多分辨率分解　103

3.6.3　二維圖像的小波變換　106

第4章　遙感圖像增強　110

4.1　遙感圖像空間域變換增強　110

4.1.1　遙感圖像對比度增強　110

4.1.2　遙感圖像直方圖增強　112

4.2　遙感圖像空間域濾波增強　115

4.2.1　遙感圖像平滑濾波與銳化濾波　116

4.2.2　遙感圖像均值濾波與中值濾波　117

4.3　遙感圖像頻域濾波增強　119

4.3.1　低通濾波增強　120

4.3.2　高通濾波增強　122

4.3.3　同態濾波增強　124

4.4　彩色圖像增強　126

4.4.1　偽彩色圖像增強　126

4.4.2　真彩色圖像增強和假彩色圖像增強　127

第5章　遙感圖像恢復　128

5.1　遙感圖像降質及退化模型　128

5.1.1　遙感圖像降質因素　129

5.1.2　遙感圖像退化模型　131

5.2　無約束和有約束遙感圖像恢復　133

5.2.1　無約束遙感圖像恢復　133

5.2.2　有約束遙感圖像恢復　134

5.3　遙感圖像幾何校正　135

5.3.1　多項式校正模型　136

5.3.2　圖像灰度再採樣　139

5.3.3　地面控制點提取與選擇　141

第6章　遙感圖像壓縮編碼　145

6.1　概述　145

6.1.1　圖像壓縮的必要性及遙感圖像壓縮的特殊性　146

6.1.2　遙感圖像壓縮的可行性　148

6.1.3　霍夫曼編碼　152

6.1.4　圖像壓縮質量評價方法　154

6.2　經典圖像壓縮編碼方法　157

6.2.1　圖像預測壓縮編碼　157

6.2.2　圖像變換壓縮編碼　160

6.2.3　圖像矢量量化編碼　163

6.3　基於JPEG 2000的遙感圖像壓縮編碼　165

6.3.1　從JPEG到JPEG 2000　165

6.3.2　JPEG 2000圖像壓縮的基本原理　167

6.3.3　基於JPEG 2000的遙感圖像壓縮性能分析　173

6.4　基於光譜預測與空間變換的高光譜圖像壓縮編碼　178

6.4.1　光譜維DPCM預測　178

6.4.2　光譜維雙向預測　179

6.4.3　光譜維遞歸雙向預測　180

6.4.4　基於光譜遞歸雙向預測與空間JPEG壓縮的高光譜圖像壓縮　181

第7章　遙感圖像特徵提取及描述　183

7.1　遙感圖像空間特徵提取　184

7.1.1　遙感圖像幾何形狀特徵提取　184

7.1.2　遙感圖像統計特徵提取　186

7.1.3　遙感圖像紋理特徵提取　188

7.2　遙感圖像光譜特徵提取　190

7.2.1　經典光譜指數特徵　191

7.2.2　基於光譜曲線的光譜特徵　192

7.3　遙感圖像邊緣檢測　195

7.3.1　梯度邊緣檢測　196

7.3.2　Sobel邊緣檢測算子　197

7.3.3　Laplacian邊緣檢測算子　199

7.3.4　Marr邊緣檢測算子　200

7.4　遙感圖像分割與閉合　200

7.4.1　經典遙感圖像分割方法　201

7.4.2　最佳閾值選擇　203

7.4.3　邊緣/邊界閉合方法　205

7.5　遙感圖像特徵提取應用技術　208

7.5.1　尺度不變特徵變換　208

7.5.2　方向梯度直方圖　210

7.5.3　基於線段檢測算子的目標邊緣提取　211

7.5.4　基於小波多分辨率分解的目標邊緣提取　213

第8章　遙感圖像分類　215

8.1　概述　215

8.1.1　遙感圖像分類基本出發點及測度準則　216

8.1.2　最優分類器設計及費舍爾線性可分性分析　218

8.1.3　遙感圖像分類評價準則　220

8.2　經典有監督遙感圖像分類　223

8.2.1　最小距離分類器　224

8.2.2　最大似然分類器　225

8.2.3　基於機器學習的遙感圖像分類　228

8.3　經典無監督遙感圖像分類　230

8.3.1　分類測度準則　230

8.3.2　聚類算法　231

8.3.3　迭代自組織數據分析技術算法　232

8.3.4　迭代收斂準則　233

8.4　基於支持向量機的高光譜圖像分類　235

8.4.1　基於支持向量機的高光譜圖像分類原理　236

8.4.2　支持向量機的等效核函數映射　239

8.4.3　面向多類的高光譜圖像分類　241

8.5　基於捲積神經網絡的高光譜圖像分類　242

8.5.1　基於捲積神經網絡的高光譜圖像分類原理　243

8.5.2　面向高光譜圖像分類的捲積神經網絡模型　245

8.5.3　3D-CNN模型在高光譜圖像分類中的應用　247

第9章　遙感圖像目標檢測與識別　250

9.1　遙感圖像目標檢測　251

9.1.1　似然比檢驗　252

9.1.2　最大似然估計模型　253

9.1.3　高光譜圖像目標檢測　254

9.1.4　目標檢測評價準則　257

9.2　高光譜圖像異常目標檢測　259

9.2.1　基於RX算法的高光譜圖像異常目標檢測　259

9.2.2　基於高階矩的高光譜圖像異常目標檢測　261

9.3　高光譜圖像解混及子像素目標識別　264

9.3.1　高光譜圖像混合像素及混合模型　264

9.3.2　典型高光譜圖像線性光譜解混　266

9.3.3　線性光譜混合模型與線性支持向量機模型的等效　269

9.3.4　基於光譜解混的子像素制圖技術　271

9.3.5　廣義線性光譜混合模型及解譯　274

9.4　遙感圖像目標區域分割　278

9.4.1　基於二維直方圖的圖像目標區域分割　278

9.4.2　基於圖論的圖像目標區域分割　283

9.4.3　基於梯度下降的圖像目標區域分割　285

9.5　高光譜圖像目標識別　289

9.5.1　基於空間特徵的圖像目標識別　290

9.5.2　基於光譜波形匹配的高光譜圖像目標識別　292

9.5.3　基於空譜聯合的高光譜圖像目標識別　295

第10章　多源遙感圖像解譯及應用　300

10.1　遙感高光譜圖像目標參數反演　302

10.1.1　遙感圖像參數反演及其應用　302

10.1.2　基於光譜指數的高光譜圖像植被參數反演　307

10.1.3　基於光譜曲線擬合的高光譜圖像植被相對含水量參數反演　309

10.1.4　基於網絡模型的相對含水量反演及精細分類　312

10.2　遙感熱紅外圖像目標參數反演　317

10.2.1　遙感熱紅外波段大氣輻射傳輸模型　318

10.2.2　遙感熱紅外波段溫度和發射率特徵　320

10.2.3　遙感熱紅外圖像ASTER-TES算法　322

10.3　遙感合成孔徑雷達圖像目標參數反演　325

10.3.1　目標散射的極化描述　326

10.3.2　目標散射分解　329

10.3.3　基於散射分解的特徵參數反演　332

10.4　遙感圖像立體目標處理　334

10.4.1　遙感圖像立體目標概念　335

10.4.2　典型遙感圖像立體目標獲取　337

10.4.3　基於3D-Zernike矩特徵的遙感圖像立體目標識別　342

10.5　多源遙感圖像融合　346

10.5.1　多源遙感圖像融合概述　347

10.5.2　多源遙感圖像配準　349

10.5.3　基於主成分分析的多源遙感圖像融合　350

10.5.4　基於小波變換的高光譜圖像波段融合　352

參考文獻　357