書籍信息
作者：何寧、呂科
定價：29.50元
印次：1-1
ISBN：9787302407829
出版日期：2015.07.01
印刷日期：2015.07.24
內容簡介
本書總結了作者近年來在衛星遙感圖像處理方面的研究成果，重點介紹我國風雲系列氣象衛星遙感圖像的處理技術。本書從建立衛星自動導航的技術需求出發，系統地論述衛星遙感圖像邊緣檢測與提取、遙感圖像地標匹配、紅外衛星圖像自動匹配與校正及遙感圖像配準與融合等方面的關鍵技術、實現過程以及實驗結果與分析。 本書在內容安排上力求做到深入淺出、通俗易懂，不僅具有一定的深度和廣度，而且反映學科的新動向和套用前沿。讀者在閱讀本書前應具備數字圖像處理相關理論基礎和專業知識。 本書既可作為高等學校數字圖像處理、遙感相關專業的研究生教學用書，也可供遙感相關科技人員參考。
目錄
第1章衛星遙感圖像處理相關理論及方法概述1
1.1研究背景1
1.1.1研究意義1
1.1.2國內外氣象衛星及其特點3
1.2衛星遙感圖像處理相關技術7
1.2.1衛星遙感圖像檔案格式7
1.2.2紅外遙感圖像介紹7
1.2.3Trie樹數據結構9
1.3衛星遙感圖像處理技術的國內外研究進展10
1.3.1衛星遙感圖像邊緣檢測與提取研究進展10
1.3.2衛星遙感圖像校正技術研究進展13
1.3.3衛星遙感圖像配準技術研究進展15
1.3.4衛星遙感圖像融合技術研究進展18
參考文獻19
第2章衛星遙感圖像邊緣檢測與提取27
2.1基於LevelSets靜止衛星遙感圖像海岸線檢測算法設計27
2.1.1基於邊界能量的水平集方法27
2.1.2基於區域能量的水平集方法28
2.1.3基於先驗知識的水平集方法31
2.1.4基於先驗知識的可擴展區域能量模型32
2.2靜止氣象衛星遙感圖像海岸線檢測37
2.2.1海岸線檢測目標37
2.2.2海岸線檢測流程37
2.2.3紅外衛星數據導入導出38
2.2.4地標模板生成40
2.2.5邊緣檢測系統40
2.3海陸邊緣檢測47
2.3.1傳統的邊緣檢測算法在遙感圖像的套用現狀47目錄遙感圖像處理關鍵技術2.3.2基於動態閾值和水平集的海陸邊緣檢測48
2.4基於改進LOG和Canny運算元的遙感圖像邊緣檢測51
2.4.1LOG運算元51
2.4.2Canny運算元52
2.4.3LOG和Canny運算元抗噪性能對比53
2.4.4改進的LOG算法54
2.4.5改進的Canny算法55
參考文獻60
第3章遙感圖像地標匹配關鍵技術62
3.1海陸邊界模板生成62
3.1.1海陸邊界模板的定義62
3.1.2海陸邊界模板生成的基本步驟63
3.1.3實驗結果分析70
3.2地面控制點與地標生成71
3.2.1Voronoi圖理論72
3.2.2角點檢測算法73
3.2.3地面控制點與地標生成算法75
3.3針對地標匹配的雲檢測80
3.3.1雲檢測的理論基礎81
3.3.2基於直方圖特點的動態閾值雲檢測81
3.3.3針對地標匹配的雲檢測83
參考文獻86
第4章紅外圖像自動匹配與校正88
4.1圖像匹配88
4.1.1圖像匹配介紹88
4.1.2圖像匹配算法研究89
4.2圖像校正93
4.2.1圖像校正介紹93
4.2.2圖像校正算法研究94
4.3衛星遙感紅外圖像自動匹配與校正96
4.3.1衛星遙感數據處理96
4.3.2海陸分界模板處理97
4.3.3衛星遙感圖像地標匹配99
4.3.4衛星紅外遙感圖像校正102
4.3.5衛星紅外圖像批量匹配與校正103
4.4衛星紅外圖像自動匹配與校正系統分析與評價105
4.4.1海陸分界模板分析與評價105
4.4.2圖像匹配效果分析與評價106
4.4.3圖像校正效果分析與評價107
參考文獻108
第5章衛星遙感圖像配準與融合110
5.1基於FMT的遙感圖像配準方法110
5.1.1圖像配準概述110
5.1.2基於FMT的配準方法原理117
5.1.3改進的基於FMT的配準方法119
5.1.4基於邊緣的FMT配準方法122
5.2基於特徵點的遙感圖像配準方法125
5.2.1基於SIFT的配準方法125
5.2.2SURF配準算法129
5.2.3Harris配準算法131
5.2.4改進的基於SIFT的配準算法133
5.2.5基於全局幾何約束的篩選法則136
5.2.6其他配準方法143
5.3基於偽顏色矢量和小波分解的遙感圖像融合方法147
5.3.1遙感圖像融合概述147
5.3.2多通道遙感圖像融合處理技術149
5.3.3基於小波分解的圖像融合方法153
參考文獻163第1章引言1
1.1背景與意義1
1.1.1顏色恆常性1
1.1.2HDR圖像處理3
1.2國內外研究現狀4
1.2.1顏色恆常性計算4
1.2.2HDR圖像處理8
1.3本書的內容和結構安排11
參考文獻12
第2章無監督的顏色恆常性計算16
2.1引言16
2.2相關工作介紹17
2.2.1WhitePatch假設17
2.2.2GreyWorld假設17
2.2.3GreyEdge假設18
2.2.4GreySurfaceIdentification算法20
2.2.5小結21
2.3基於灰色表面的顏色恆常性計算21
2.3.1基於疊代的灰色表面提取算法21
2.3.2基於顏色不變性描述的最佳化算法23
2.4實驗結果與分析25
2.4.1顏色恆常性計算實驗數據集25
2.4.2光照估計的性能評價標準27
2.4.3基於321幅SFU圖像集的實驗結果28
2.4.4基於900幅圖像集的實驗結果29
2.4.5基於11000幅圖像集的實驗結果30
2.4.6基於11000幅圖像集子集的實驗結果31
2.4.7疊代次數對性能的影響32
2.4.8灰色表面統計32
2.4.9圖像光照矯正示例33
2.5本章小結34
參考文獻34
目錄遙感圖像處理關鍵技術第3章有監督的顏色恆常性計算36
3.1引言36
3.2相關工作介紹37
3.2.1基於貝葉斯理論的顏色恆常性計算37
3.2.2基於相關性的顏色恆常性計算38
3.2.3基於BP神經網路的顏色恆常性計算39
3.2.4基於SVR的顏色恆常性計算40
3.2.5小結41
3.3基於ELM顏色恆常性計算41
3.3.1ELM簡介41
3.3.2ELM與SVR的比較43
3.3.3基於ELM的顏色恆常性計算44
3.4實驗結果與分析46
3.4.1基於321幅SFU圖像集的實驗結果46
3.4.2基於900幅圖像集的實驗結果47
3.4.3基於11000幅圖像集的實驗結果48
3.4.4ELM與SVR的速度比較實驗49
3.4.5圖像光照矯正示例50
3.5本章小結51
參考文獻51
第4章顏色恆常性算法融合53
4.1引言53
4.2相關工作介紹53
4.2.1基於委員會的顏色恆常性算法融合53
4.2.2基於自然圖像統計的顏色恆常性算法融合54
4.2.3基於室內戶外圖像場景類的顏色恆常性算法56
4.2.4小結57
4.3基於場景三維幾何特徵的顏色恆常性計算57
4.3.1場景的三維幾何模型57
4.3.2算法描述58
4.3.3場景的stage分類58
4.3.4基於stage模型結構的自然場景分割59
4.3.5場景光照估計61
4.4實驗結果與分析61
4.4.1實驗數據集62
4.4.2場景的stage分類器性能62
4.4.3單個顏色恆常性算法實驗結果63
4.4.4顏色恆常性計算融合算法的實驗結果64
4.4.5基於場景的三維幾何結構的顏色恆常性算法實驗結果65
4.4.6圖像光照矯正示例67
4.5本章小結68
參考文獻68
第5章多光照顏色恆常性計算70
5.1引言70
5.2相關工作介紹71
5.2.1基於Retinex的多光照顏色恆常性算法71
5.2.2基於物理模型的多光照顏色恆常性算法72
5.2.3基於局部空間平均顏色的顏色恆常性計算73
5.2.4小結73
5.3多光照條件下顏色恆常性計算框架73
5.3.1框架描述74
5.3.2基於樣本塊的光照估計75
5.3.3重疊光照處理76
5.3.4圖像矯正76
5.4實驗結果與分析77
5.4.1誤差度量和性能評價77
5.4.2超光譜數據集的實驗結果及分析78
5.4.3真實場景數據集的實驗結果及分析81
5.5本章小結84
參考文獻84
第6章基於不變矩的顏色不變性描述86
6.1引言86
6.2相關工作介紹87
6.2.1顏色直方圖87
6.2.2顏色恆常的顏色索引88
6.2.3模糊魯棒的顏色不變性描述子89
6.2.4小結91
6.3不變矩理論簡介91
6.4基於不變矩的顏色不變性描述92
6.4.1DiagonalOffset模型92
6.4.2兩種新的顏色空間定義93
6.4.3顏色的矩不變數94
6.4.4離散顏色空間上的實現95
6.4.5基於不變矩的顏色不變性描述子95
6.4.6顏色不變性描述子的魯棒性分析95
6.5實驗結果與分析97
6.5.1基於物體識別的實驗及分析97
6.5.2基於內容的圖像檢索的實驗及分析102
6.6本章小結104
參考文獻105
第7章基於亮度感知的HDR場景再現106
7.1引言106
7.2相關工作介紹107
7.3存在的問題108
7.4基於亮度感知理論的HDR場景再現算法108
7.4.1HVS亮度感知理論109
7.4.2基於“雙錨”理論的色調映射算法110
7.4.3對比度增強114
7.4.4顏色校正115
7.5實驗結果與分析117
7.5.1評價標準117
7.5.2性能分析與比較118
7.6本章小結128
參考文獻128
第8章局部自適應雙邊濾波色調映射131
8.1引言131
8.2相關工作介紹132
8.3局部自適應雙邊濾波色調映射算法133
8.3.1顏色空間133
8.3.2雙邊濾波器136
8.3.3自適應對數底的雙邊濾波動態範圍壓縮算法137
8.3.4最佳化算法138
8.4實驗結果與分析140
8.5本章小結144
參考文獻144
第9章基於支持向量回歸的曝光融合146
9.1引言146
9.2相關工作介紹147
9.2.1灰度極值法147
9.2.2加權平均法147
9.2.3基於區域特徵法148
9.2.4視窗一致性驗證法149
9.2.5存在的問題149
9.3基於支持向量回歸的多曝光融合算法150
9.3.1基於機器學習分類機制的圖像融合150
9.3.2支持向量回歸簡介151
9.3.3基於支持向量回歸的多曝光融合算法153
9.4實驗結果與分析155
9.4.1評價標準155
9.4.2性能分析與比較157
9.5本章小結161
參考文獻162
第10章基於可操縱金字塔的曝光融合163
10.1引言163
10.2相關工作介紹164
10.2.1無方向的塔形分解164
10.2.2有方向的塔形分解167
10.3存在的問題169
10.4基於可操縱金字塔多曝光融合算法169
10.4.1可操縱金字塔簡介169
10.4.2基於可操縱金字塔多曝光融合算法170
10.5實驗結果與分析172
10.5.1評價標準172
10.5.2主觀評價173
10.5.3客觀評價179
10.6本章小結180
參考文獻180
第11章總結與展望182
11.1總結182
11.2展望186
附錄A各章部分彩圖189
