《遥感数字图像分析导论（第五版）》首先介绍了遥感图像数据源及特性，之后各章分两部分内容：第2章至第7章主要探讨遥感图像处理的基本技术和方法，包括校正和配准、增强、变换等；第8章至第12章主要探讨遥感图像处理的应用技术和方法，包括监督／非监督分类、特征减少、多源图像分析处理等。该书以易于读者理解和应用为宗旨，在侧重不同处理技术和方法的同时，充分结合了当前的新理论、新技术和新方法。特别值得指出的是，新版本在内容修订、材料补充的基础上，增加了许多图像及相关处理结果，更易于读者理解。
《遥感数字图像分析导论（第五版）》是从事遥感领域研究的高年级本科生、研究生的一部全面、完整、详细的教材，也是广大专业科技工作者应用参考、非专业人士自学遥感知识的经典之作。
《遥感数字图像分析导论（第五版）》以易于读者理解和应用为宗旨，在侧重不同处理技术和方法的同时，充分结合了当前的新理论、新技术和新方法。特别值得指出的是，新版本在内容修订、材料补充的基础上，增加了许多图像及相关处理结果，更易于读者理解。
John A.Richards，于1972年至1977年任教于澳大利亚北昆士兰詹姆斯库克大学电气工程系；1977年起任新南威尔士大学电气与计算机科学学院副教授；1981年成立新南威尔士大学跨学科遥感中心并任主任；1987年至1996年任新南威尔士大学澳大利亚国防军事学院副院长，1996年起任院长；1998年至2003年分别任澳大利亚国立大学信息科学与工程学院主任、计算机科学学院主任和澳大利亚国立大学副校长。2006年受聘为哈尔滨工业大学客座教授。JohnA.Richards教授是IEEE会士，澳大利亚技术科学与工程院院士，澳大利亚无线电与电子工程师学院院士。研究方向包括遥感图像分析、模式识别、成像雷达后向散射建模、星载雷达遥感技术及应用。
第1章 遥感图像数据来源及特性
1.1 能量来源及波长范围
1.2 原始数据特性
1.3 遥感平台
1.4 地球表面的哪些特性能够测量
1.5 通常的空间数据源与地理信息系统
1.6 数字图像数据的尺度
1.7 数字地球
1.8 本书的结构安排
1.9 关于遥感图像数据来源及特性的参考文献
1.10 习题
第2章 校正与配准图像
2.1 引言
2.2 辐射失真源
2.3 仪器误差
2.4 太阳辐射曲线和大气对辐射测量的影响
2.5 补偿太阳辐射曲线
2.6 大气的影响
2.7 大气对遥感图像的影响
2.8 校正宽波段系统的大气影响
2.9 校正窄波段系统的大气影响
2.10 经验的、数据驱动的大气校正方法
2.11 几何失真源
2.12 地球自转的影响
2.13 平台高度、姿态和速度变化的影响
2.14 传感器视场的影响：全景失真
2.15 地球曲率的影响
2.16 仪器特性造成的几何失真
2.17 几何失真校正
2.18 利用映射函数进行图像校正
2.19 几何失真的数学表示及校正
2.20 图像到图像的配准
2.21 其他图像几何操作
2.22 关于校正和配准图像的参考文献
2.23 习题
第3章 解译图像
3.1 引言
3.2 图像解译
3.3 定量化分析：从数据到标签
3.4 定量化分析和像片解译的对比
3.5 定量化分析的基础
3.6 子类和光谱类
3.7 非监督分类
3.8 关于解译图像的参考文献
3.9 习题
第4章 图像的辐射增强
4.1 引言
4.2 图像直方图
4.3 对比度修正
4.4 直方图均衡
4.5 直方图匹配
4.6 密度分割
4.7 关于图像辐射增强的参考文献
4.8 习题
第5章 几何处理与增强：图像域技术
5.1 引言
5.2 图像滤波的邻域操作
5.3 图像平滑
5.4 锐化和边缘检测
5.5 边缘检测
5.6 线检测和点检测
5.7 细化和连接
5.8 作为卷积运算的几何处理
5.9 图像域技术和傅里叶变换方法的比较
5.10 图像的几何特性
5.11 形态学分析
5.12 形状识别
5.13 关于图像域技术的几何增强的参考文献
5.14 习题
第6章 图像光谱域变换
6.1 引言
6.2 图像算术和植被指数
6.3 主成分变换
6.4 噪声调整的主成分变换
6.5 KauthThomas缨帽变换
6.6 核主成分分析
6.7 HSI图像显示
6.8 全色锐化
6.9 关于光谱域图像变换的参考文献
6.10 习题
第7章 图像的空间域变换
7.1 引言
7.2 特殊函数
7.3 傅里叶级数
7.4 傅里叶变换
7.5 离散傅里叶变换
7.6 卷积
7.7 采样定理
7.8 图像的离散傅里叶变换
7.9 利用傅里叶变换对图像进行处理
7.10 二维卷积
7.11 其他傅里叶变换
7.12 频谱泄漏和窗函数
7.13 小波变换
7.14 图像的小波变换
7.15 小波变换在遥感图像分析中的应用
7.16 关于空间域图像变换的参考文献
7.17 习题
第8章 监督分类技术
8.1 引言
8.2 监督分类的基本步骤
8.3 最大似然分类
8.4 高斯混合模型
8.5 最小距离分类器
8.6 平行六面体分类器
8.7 马氏距离分类器
8.8 非参数分类
8.9 查表分类
8.10 k近邻分类器
8.11 光谱角制图
8.12 非参数分类——几何方法
8.13 训练线性分类器
8.14 支持向量机：线性可分类别
8.15 支持向量机：类别重叠情况
8.16 支持向量机：线性不可分数据和核函数
8.17 用两类分类器进行多类别分类
8.18 分类器委员会
8.19 网络分类器：神经网络
8.20 基于上下文的分类
8.21 关于监督分类技术的参考文献
8.22 习题
第9章 聚类与非监督分类
9.1 聚类的应用
9.2 相似性度量与聚类准则
9.3 k均值聚类
9.4 Isodata聚类
9.5 初始聚类中心的选择
9.6 k均值和Isodata的聚类代价
9.7 非监督分类
9.8 一个关于k均值算法聚类的例子
9.9 单通聚类技术
9.10 分层聚类
9.11 其他聚类指标
9.12 其他聚类技术
9.13 聚类空间分类
9.14 关于聚类与非监督分类的参考文献
9.15 习题
第10章 特征减少
10.1 特征减少的必要性
10.2 处理高维数据的一些注意事项
10.3 可分性度量
10.4 离散度
10.5 Jeffries-Matusita距离
10.6 变换离散度
10.7 用于最小距离分类的可分性度量
10.8 通过光谱变换进行特征减少
10.9 协方差矩阵块对角化
10.10 通过正则化提高协方差估计
10.11 关于特征减少的参考文献
10.12 习题
第11章 图像分类实践
11.1 引言
11.2 分类概述
11.3 采用最大似然规则的监督分类
11.4 混合的监督/非监督方法
11.5 聚类空间分类
11.6 采用支持向量机的监督分类
11.7 评价分类精度
11.8 决策树分类器
11.9 通过光谱学和光谱库搜索的图像解译
11.10 端元与解混
11.11 是否存在最好的分类器
11.12 关于图像分类实践的参考文献
11.13 习题
第12章 多源图像分析
12.1 引言
12.2 堆栈向量分析
12.3 统计多源方法
12.4 证据理论
12.5 基于知识的图像分析
12.6 可操作的多源分析
12.7 关于多源图像分析的参考文献
12.8 习题
附录A 卫星高度和周期
附录B 十进制数的二进制表示
附录C 向量和矩阵代数中的基本结果
附录D 概率与统计的一些基础知识
附录E 最大似然决策准则惩罚函数的推导
《遥感数字图像分析导论（第五版）》：
3.1引言
大部分情况下，我们记录地球在各个波段的影像，以便建立具有地表特征的图像。尽管有时我们可能会对一些特殊的科学目的感兴趣，但如果可以通过获取的遥感数据创建目标表面不同属性的专题图，这些特殊的科学目的就可以在很大程度上得以满足。本书主要介绍分析数字图像和从分析中创建映射的方法。
有两类常见的图像解译方法。一类是完全依赖于人类分析员（所谓的像片解译员）的技术。另一类涉及到计算机辅助分析方法，用各种机器算法来自动处理繁琐的任务。本章中，给出了解译图像的分析方法概述，为本书的其他部分提供了背景。我们首先介绍像片解译的综述，然后进行机器辅助分析。
3.2图像解译
一个技术娴熟的图像解译员通过观察数据组成的图像产品的视觉信息来获取信息。原则上，分析员通常只是注意大尺度特征，而不关注空间上和辐射上的数字化。空间、光谱和时间线索常用于图像解译分析，如形状、尺寸、方位以及纹理等空间特性。道路、海岸线、河流系统、断裂模式以及主要轮廓比较容易通过空间特征来识别。通过分析可以利用特定目标或植被不同时期的变化得到所需的时变信息来辅助分类，如区分落叶的或生存期短的植被与多年生常绿植被。光谱信息依赖于分析人员对典型植被类型的光谱反射特性的先验知识和经验，以及对这些特性如何在获取图像数据的平台上进行采样的了解。
由于像片解译是由人类分析员操作，通常工作在远大于像素级的尺度上。总体而言，对于一般的空间评估，这是一个很好的方法，但如果某特定应用中需要对某个特殊覆盖类型区域进行精确地定量化分析，这种方法的效果就不好。另外，如果所需的信息取决于特定图像的细节光谱及辐射特性，这种方法的效果也不理想。对比之下，人类的推理能力水平比计算机高，像片解译员能直接判定纹理，距离，形状和尺寸等大尺度模式，现阶段，这对于机器算法来说还是具有很大的挑战。在实际应用中需要这样的决策，因此人工解译是现阶段首选的分析方法。
……
新书资讯