遥感图像智能处理【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

遥感图像智能处理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 遥感智能处理任务与意义1

1.2 遥感信息智能处理方法2

1.2.1 人工神经网络3

1.2.2 支持向量机6

1.2.3 混合智能模型7

1.2.4 卫星图像上公路信息提取12

1.2.5 卫星图像的目标自动识别13

1.2.6 遥感影像融合14

1.2.7 独立分量分析15

参考文献16

第2章 神经网络27

2.1 人工神经网络概述27

2.2 BP网络及其代表性改进模型28

2.2.1 BP网络的基本原理29

2.2.2 BP网络的学习算法及实现31

2.2.3 BP算法的局限性35

2.2.4 BP算法的代表性改进模型36

2.2.5 输入向量扩展的改进方法44

2.2.6 应用实例及对比分析45

2.3 概率神经网络模型51

2.3.1 概率神经网络简介51

2.3.2 概率神经网络的应用实验52

2.4 混合神经网络模型53

2.4.1 SOM算法简介54

2.4.2 广义回归神经网络简介56

2.4.3 SOM和GRNN结合的混合网络模型59

2.4.4 实验与讨论59

2.5 本章小结64

参考文献65

第3章 模糊支持向量机67

3.1 支持向量机理论67

3.1.1 线性SVM68

3.1.2 非线性SVM71

3.1.3 SVM分类器参数选择74

3.1.4 SVM分类器从二类到多类的推广76

3.2 模糊支持向量机77

3.2.1 增加模糊后处理的模糊支持向量机简介77

3.2.2 引入模糊因子的模糊支持向量机训练算法简介81

3.2.3 边缘效应训练的模糊支持向量机算法83

3.3 应用实例84

3.3.1 SVM在遥感图像分类中的应用84

3.3.2 增加模糊后处理的模糊支持向量机在遥感图像分类中的应用86

3.3.3 引入模糊因子的模糊支持向量机在遥感图像分类中的应用87

3.4 本章小结91

参考文献91

第4章 遥感图像分类的混合智能模型94

4.1 知识发现95

4.1.1 地物纹理知识95

4.1.2 地物几何形状知识96

4.1.3 空间关系知识97

4.1.4 地物的时相变化特征知识98

4.1.5 地物的边缘特征知识98

4.1.6 GIS属性知识98

4.2 知识表示99

4.2.1 知识表示技术99

4.2.2 遥感图像分类知识的面向对象表示101

4.3 知识推理103

4.3.1 规则推理与规则表达103

4.3.2 遥感信息智能推理的实现106

4.3.3 智能推理的控制策略108

4.4 遥感信息处理的混合智能模型109

4.4.1 神经网络与知识推理的集成模式110

4.4.2 遥感信息的混合智能处理流程113

4.5 遥感土地利用信息智能提取实验115

4.5.1 数据准备115

4.5.2 水域遥感信息智能提取115

4.5.3 公路信息提取117

4.5.4 其他斑块状地物智能提取118

4.6 信息提取精度分析119

4.6.1 精度分析方法119

4.6.2 精度分析结果121

4.7 本章小结123

参考文献124

第5章 模糊连接度与遥感图像公路提取127

5.1 引言127

5.2 遥感图像公路提取的基本思想128

5.2.1 公路的影像特征128

5.2.2 公路提取的基本过程129

5.3 公路提取的研究现状130

5.3.1 半自动公路特征提取131

5.3.2 自动公路特征提取133

5.4 基于模糊连接度的公路提取136

5.4.1 基本概念136

5.4.2 图像分割中模糊相似度的表现形式140

5.4.3 模糊连接度提取公路算法141

5.4.4 公路提取实验143

5.5 基于相对模糊连接度的公路提取146

5.5.1 相对模糊连接度的基本思想146

5.5.2 相对模糊连接度算法148

5.5.3 公路提取实验结果149

5.6 基于自适应相对模糊连接度的公路提取151

5.6.1 自适应模糊连接度151

5.6.2 公路种子点的自动选取152

5.6.3 公路信息自动提取算法154

5.6.4 公路提取实验结果155

5.7 遗传算法连接公路155

5.7.1 染色体编码156

5.7.2 目标函数与适应度函数157

5.7.3 遗传算子157

5.7.4 进化过程158

5.7.5 采用遗传算法连接公路实验160

5.8 本章小结163

参考文献163

第6章 目标自动检测167

6.1 引言167

6.2 数学形态学图像处理及其基本运算168

6.2.1 数学形态学的基本运算168

6.2.2 基本运算的性质171

6.3 目标的形态学特征172

6.4 实验与分析174

6.4.1 机场跑道识别实验174

6.4.2 油罐识别实验179

6.4.3 实验结果分析182

6.5 本章小结182

参考文献183

第7章 图像融合185

7.1 概述185

7.1.1 遥感图像融合的概念和意义185

7.1.2 多源遥感数据融合方法188

7.2 传统的遥感图像融合方法189

7.2.1 加权平均法189

7.2.2 IHS变换法190

7.2.3 PCA（Principal Component Analysis，主成分分析）方法191

7.2.4 HPF（High-Pass Filter，高通滤波器）方法192

7.2.5 金字塔方法193

7.2.6 小波变换方法193

7.3 基于小波变换与人类视觉系统的图像融合新算法195

7.3.1 人类视觉系统195

7.3.2 图像融合新算法197

7.4 实验结果及分析199

7.4.1 图像融合的客观评价标准199

7.4.2 实验结果分析201

7.5 本章小结208

参考文献208

第8章 独立分量分析211

8.1 盲信号处理211

8.1.1 盲信号分离问题211

8.1.2 盲反卷积问题214

8.1.3 盲均衡问题216

8.2 独立分量分析算法概述220

8.2.1 独立分量分析起源220

8.2.2 独立分量分析算法定义222

8.2.3 独立性定义224

8.2.4 独立分量分析的目标函数225

8.2.5 独立分量分析学习算法230

8.2.6 独立分量分析与传统统计方法的关系234

8.2.7 独立分量分析算法的新进展238

8.3 FastICA算法239

8.3.1 FastICA预处理239

8.3.2 FastICA算法原理241

8.3.3 FastICA实现步骤242

8.4 FastICA算法的改进243

8.4.1 M-FastICA算法243

8.4.2 LM-FastICA算法245

8.4.3 性能比较实验247

8.5 遥感分类应用实例268

8.5.1 基于ICA和自适应最小距离分类法的遥感图像分类270

8.5.2 基于ICA和BP神经网络的遥感图像分类281

8.6 本章小结285

参考文献285

附录A Levenberg-Marquart Back-Propagation Network的MATLAB代码294

附录B 及早停止法训练的Back-Propagation Network的MATLAB代码297

附录C 输入扩展的BP网络对Iris数据分类的MATLAB代码300

附录D 单隐层概率神经网络的MATLAB代码303

附录E SOM结合GRNN对Iris数据分类的MATLAB代码305

附录F IRIS数据分类的支持向量机算法的MATLAB代码310

附录G 模糊连接度算法分割道路目标的MATLAB程序代码313

附录H 类圆状目标自动检测的MATLAB程序代码320

附录I 小波变换进行图像融合的MATLAB代码324

附录J 小波变换结合人类视觉系统进行图像融合的MATLAB代码327

附录K ICA算法的MATLAB程序代码345

附录L 彩色图版349