內 容 簡 介
本書是John A. Richards教授和Xiuping Jia博士經典著作Remote Sensing Digital Image Analysis（第4版）中譯本，是從事遙感領域研究的高年級本科生、研究生的一本全面、完整、詳細的教材，也是廣大科技工作者自學和套用遙感技術的經典參考之作。
全書除第1章介紹遙感圖像數據源及特性外，基本包含兩大方面內容：第一方面包括第2～7章，主要涉及遙感圖像處理的基本技術和方法，如校正和配準、解譯、增強、變換等；第二方面包括第8～13章，主要涉及遙感圖像處理的套用技術和方法，如監督/非監督分類、特徵減少、多源/多感測器處理、高光譜處理等。該書的特點是以易於讀者理解和套用為宗旨，在側重不同處理技術和方法的同時，充分結合了當前的新理論、新技術和新方法。
中文序
從本質上講，遙感是一種基於套用的學科，它包含了一系列的技術和方法，在處理地球科學和相關領域的問題中具有重大的價值。大多數從事水文地理、農業、工程、林業、地質、環境以及城市規劃領域的實踐者基本上都是很專業的，使他們具有遙感知識可以在很大程度上提高他們的專業技能和實際能力。
本書主要針對這類讀者群，給他們提供一些分析數字圖像數據需要的技術和方法。在數學上以面向處理的角度，相關的方法經常可以在工程、統計和計算機科學文獻中遇到；但是，對於那些重點在遙感、但又沒有較深數學素養的人群而言，這些經常會超出他們所能達到的範圍。因此，本書採用的途徑是，最小化使用高深的數學，並且通過一些工作範例和詳細說明的素材來指導讀者。
還有一批並不是主要集中在套用上的遙感專家，他們是一些擅長於研發和進行具體分析技術、特別是致力於技術趨勢的專家。在過去十年里，高光譜圖像對技術研發者提出新的挑戰，在未來十年里也將要解譯由衛星感測器網路提供的數據。儘管本書的處理是從個人的觀點整理的，僅包含有限的數學知識，但它對於那些從事下一代分析技術研究的人們也是很有價值的，因為它為確定提高和解譯遙感圖像最有價值的方法提供了基本的素材。因此本書可以用作工程和相關領域的高年級本科生和研究生的課程教材，以便學習圖像分析與理解的研究方法。
我非常高興哈爾濱工業大學張曄教授承擔了把這本書譯成中文的任務。本書是1986年首次引入到講英語的世界裡的，自此隨著技術的發展和分析新方法的出現，經歷了四次再版。該翻譯版本使得它更加有利於我們的中國同行，對我而言這是特別重要的。在此我對張曄教授的遠見和艱苦工作表示衷心的感謝。翻譯其他人的技術著作不是一件易事，必須具有較苛求的訓練。我真誠希望中國的學者和遙感從業者感謝張曄教授如此好地進行了該項工作。
John Richards
2008年5月於澳大利亞坎培拉
譯者前言
早在美國做訪問學者期間，我有幸拜讀了Xiuping Jia (賈秀萍)博士和John A. Richards教授發表於IEEE Trans. on Geoscience and Remote Sensing的論文“Segmented Principal Components Transformation for Efficient Hyperspectral Remote Sensing Image Display and Classification”，當時感覺與自己在IEEE International Conference of Image Processing(ICIP 99)上的論文“Adaptive Subspace Decomposition for Hyperspectral Data Dimensionality Reduction”的初衷是一致的，無形中促使我對論文作者的研究進行了跟蹤。也就在那時，我第一次拜讀了John A. Richards教授的經典著作《Remote Sensing Digital Image Analysis》（第1版）一書。該書由淺入深、圖文並茂的寫作風格深深吸引了我，以至於當時就萌生過如果有機會一定要把這本書翻譯成中文的想法，介紹給更多的中國學者，使他們能夠與我一起分享本書的精華。
2005年我們很榮幸邀請到了John A. Richards教授和Xiuping Jia博士來哈爾濱工業大學進行學術交流，並聘請John A. Richards教授擔任哈爾濱工業大學客座教授，同時達成翻譯該書的協定。原作者John A. Richards教授是Fellow of IEEE和Fellow of the Australian Academy of Technological Sciences and Engineering，曾任澳大利亞University of New South Wales校長、Australian National University副校長，是國際遙感圖像處理領域的著名專家。該書經過4版的不斷完善和豐富，在內容選取上充分反映了當前遙感圖像處理領域的新理論和新技術，在結構安排上體現了理論和套用的有效結合，在編排形式上圖、文、表並茂更易於讀者閱讀理解，可以說該書是目前國際上遙感圖像處理領域高年級本科生、研究生及相關技術人員閱讀的經典教材和參考書。
全書由哈爾濱工業大學張曄教授對譯稿進行統稿，張鈞萍教授、谷延鋒副教授、陳浩講師負責了部分章節的翻譯工作。在整個翻譯過程中，碩士研究生劉穎、王純業、路岩、孫佳琛、張臘梅等做了許多有價值工作。此外，碩士研究生付延生對書中圖表進行了編排，王愛麗博士對全書進行了輔助校對，在此一併表示感謝。
需特別感謝的是，原書作者John A. Richards教授為本書的中譯版作序，另一位作者Xiuping Jia博士對全書進行了精細的校對，我也藉此機會對他們的辛勤工作表示誠摯的謝意。
由於該書原著涉及遙感圖像處理的基本理論、基本概念和基本方法較多，涉及的交叉學科也較廣，在全書翻譯過程中，特別是在部分專用術語上難免有不恰當或不足之處，敬請有關專家和學者批評指正。
張曄
2008年7月於哈爾濱工業大學
第1版前言
隨著衛星和太空梭遙感數字圖像可得性的廣泛化，以及大多數遙感從業者對圖像解譯計算系統的方便可得，一種需求就是把該領域普遍採用的數字圖像處理程式和方法進行統一處理。本書的宗旨就是滿足這種需求，在對非專業數字圖像分析者能夠理解的水平上，介紹算法的套用範圍、可選擇的方法以及當前的趨勢等細節。通常，希望利用數字處理方法的遙感套用專家必須依賴於或者是電子工程和計算機科學文獻中涉及的圖像處理需要的過多數學細節、或者是一般遙感課本中給出的表面化的介紹，本書尋求接觸這種狀況。
本書既包括了圖像增強技術，也包括了分類技術，使得本書的內容對基於照片判讀的信息提取方法和基於分類的信息提取方法均有幫助。本書源於從1980年以來在新南威爾斯大學每年開的關於遙感數據數字圖像處理和分析技術的研究生課程。如果用作研究生課本，除第7章外，其大部分內容可以在一個學期完成。作為教材，它的功能還體現在每章後面都給出了習題，大多數不需要用計算機來求解而能夠手工處理，並且包含了許多重要的概念。在許多時候，一些新的內容是通過這些習題給予介紹的。
本書每章都用一個短的、但至關重要的參考文獻來結束，給出了特定專題的更詳細的介紹，需要的時候，還給出了與本書主題有關的外圍技術的恰當評述。
第1章的基本內容是對遙感中通常涉及的數字形式的數據源的一個概述。它作為下面各章的輔助資料，給出了每種重要數據源的獨特特性。第2章涉及圖像數據中的輻射和幾何誤差以及校正方式，該章也包括圖像與地圖以及圖像之間配準的內容。這裡，正像在所有技術章節一樣，給出了一些真實的和模型化的圖像數據例子。第3章確立了計算機處理的地位，既可用於人工的照片判讀，又可用於機器分析。該內容對遙感專業人員可以跳過，但如果該書用於教學，則是一個非常重要的章節。
第4章和第5章分別包括在實際中普遍採用的輻射和幾何增強技術的內容，而第6章則介紹多光譜數據變換，其中包括主成分變換和圖像算法。第7章主要是傅立葉變換，該方面的內容由於在遙感中隨著硬體成本降低和外圍陣列處理機的使用而變得更加重要。這裡給出了離散傅立葉分析的性質及在圖像數據上可以用的快速傅立葉變換算法。
第8章、第9章和第10章給出了在圖像分類中所用的處理工具，從有監督分類方法開始，到無監督分類通常所用的聚類算法，最後用可分性分析來結束。所有這些在第11章被集中成為一套完整的分類法，其中也提供了一組範例研究。
儘管提供處理方法的本意是針對非專業圖像分析者，但涉及一些矢量和矩陣算法還是極其必要的，否則是很難實現的。因此，附錄提供了一些矢量和矩陣的必要知識，其中所有重要的概念都以簡單的例子來解釋，這些例子演示了矢量運算是如何進行的。除該內容外，讀者被認為具備了基本機率和統計的知識，包括多元常態分配。
本書也提供了一些其他的附錄作為輔助內容。其一涉及圖像處理硬體的發展，特別是互動式圖像顯示子系統的結構（以框圖方式）。該內容強調了有硬體實現圖像處理的趨向，從中可以看出本書中涉及的許多算法能夠近實時地執行。
考慮到習慣用法，採用的一些定義可能有別於對文字較真的人。例如，術語“像素”嚴格來說是代表數字圖像數據的一個單元，而不是地面上的一個面積，後者稱為有效的地面分辨單元更為恰當。但是，由於把一米為單位的地面分辨單元稱為像素已經非常廣泛，故這裡並非追求咬文嚼字，而是為簡單起見遵循習慣用法。在對陸地衛星多光譜掃瞄器的編號上，也遇到困難。原來在陸地衛星1～3里已經被編號為波段4～7，從陸地衛星4以後它們已經被重新編號為波段1～4。本書這兩種編號都採用了，當討論一個特定的衛星時，採用各自的編號系統，這對波段的討論是明確的；在其他情況下，儘可能多地採用了陸地衛星4的協定。
最後，非常高興地感謝其他人對本書所做出的貢獻。Moo Song女士和Alisa Moen女士承擔了打字任務，兩位不知疲倦、以極大的熱情和耐力完成了任務；輔助計算是由Leanne Bischof完成的，她始終愉快地和精確地工作；作者的同事和學生也起到了他們各自的作用，既包括通過直接的討論、也包括多少年來合作中逐漸學習的過程。作者還要對兩個人特別感謝，一是普渡（Purdue）大學Philip Swain教授，作者認為自己非常榮幸地能夠成為他的朋友和同事，他以自己的方式，對作者關於數字數據分析、特別是在遙感方面的思考，有著相當的影響；二是作者也感到相當榮幸，能與具有洞察力和才能的研究生Tong Lee一起工作，他通過許多次與作者的討論，在數字圖像處理的基礎理論方面貢獻了許多素材。
作者在本書的準備過程中得到來自家庭的支持和鼓勵是無法估量的，以表達對Glenda、Matthew和Jennifer的理解和熱情的感恩之情，作為結束語是最恰當不過的。
John A. Richards
1986年5月於澳大利亞（Australia），Kensington
第2版前言
自從1986年本教材第1版發行以來，遙感的專業人士和學生經歷的最大變化可能是對圖像處理技術介入的巨大提高。硬體和軟體成本的降低，伴隨著各種各樣的用戶接口的發展在計算功能上的增加，意味著即使在處理上對技術不熟練的用戶，現在也能直接和輕鬆地套用有力和靈活的數字圖像分析與增強的處理方法。在算法層上，對圖像處理各種方法的理解在過去幾年由此變得更加重要，以保證數字圖像處理的能力能夠充分利用。
這個時期也是數字數據源發展繁忙的時期，許多國家已經成為了衛星數據的收集者和提供者，這些數據可能是用光學技術、也可能是用微波技術得到的。因此，從業者和研究者現在所面臨的要求是能夠處理來自多種感測器的圖像、以及包括其他形式的空間數據。在某種程度上，這是受地理信息系統（GIS）發展驅動的，反過來，GIS也導致了輔助比較傳統方法的新的圖像處理方法的出現。
在本版中增加的內容是針對這些變化的。首先，第1章已經做了重大修訂來反映衛星和感測器的發展。較早系統中的信息沒有刪除，因為它們的數據已成為重要檔案，仍然具有其價值，特別是對於那些與數據採集有關的套用。
涉及有監督分類方法的第8章，大量增加了能夠進行基於上下文分類，以及一些如證據處理和神經網路等技術，它們作為可行的圖像解譯工具表現出了重要作用。儘管增加這些專題使得這章與其他章比起來變得較長，但我們覺得不把這些內容與較傳統的方法分開是非常重要的。現在，該章給出了兩個部分：第一部分包括標準的有監督分類方法，而第二部分是新的專題。另外，在過去的五年里，從經典數字圖像處理到遙感套用的發展體現在基於知識的方法的採用。在這裡，定性的而不是定量的推理被用來進行解譯，這就是此新一章的主題，其目的是引進基於知識的推理來作為單幅圖像解譯的手段，以及作為混合處理GIS中多種空間數據類型的一種成功方法。
除了這些變化，藉此機會把第1版中的印刷和相關錯誤進行了校對，並對其他內容進行了更新。
像第1版一樣，作者希望記錄對其他人支持和幫助的感激。作為一名非常有天賦的研究生Ashwin Srinivasan，現在在Glasgow的Turing學院，貢獻了許多第12章所依據的內容，在他作為學生期間，幫助作者理解了基於知識處理的機理，他也非常友好地對該章進行了閱讀和給出了評註。作者的同事Don Fraser對神經網路的內容進行了同樣的閱讀並給出了評述。Purdue大學的Philip Swain和David Landgrebe以這樣一些方式繼續支持作者：通過他們對第1版的反饋，在圖像處理方面的交流，以及David提供MultiSpec－Macintosh計算機版本的LARSYS軟體包。最後，作者再次感謝來自家庭的恆久不變的支持，沒有這種支持，可能就不會有完成這版所需要的精力和熱情。
John A. Richards
1993年3月於澳大利亞（Australia），坎培拉（Canberra）
第3版前言
自從本教材第2版出版以來，出現了兩個有意義的趨勢。一是隨著大部分的學生和專業人士現在擁有了不昂貴的工作站和強有力的軟體來分析和處理圖像數據，對圖像處理技術的介入繼續不斷地增強。
二是衛星、太空梭以及感測器數目的驚人增長。可能最有意義的是廣泛可得的高光譜數據以及這種數據為信息提取所帶來的特定挑戰。
因此，第3版立足於反映這種趨勢。與此同時，保留了在遙感套用中有意義的圖像處理和分析算法的重要精華。
本版和前版的主要變化是更新了第1章，並引進了新的第13章來涉及分析高光譜數據的方法。
第12章也進行了大量的修改，重點是在混合數據集的解譯方面，其中包含不同類型的圖像，以及GIS里的其他空間數據類型。以前基於知識分類的內容繼續保留，但原本在第8章涉及的多源數據分析的內容，現在和基於知識的方法合併，建立了本章的數據融合。
作者希望藉此對他們的同事在準備本版工作中給予的幫助表示感謝。特別是普渡（Purdue）大學的David Landgrebe一貫給予的極大支持，兩位作者都得益於與Dave多年合作，包括在Purdue度過的日子。
作者也極其感激來自家庭的理解和支持，使得完成第3版成為可能。
John A. Richards
Xiuping Jia（賈秀萍）
1998年3月於澳大利亞（Australia），坎培拉（Canberra）
第4版前言
第4版工作主要反映在過去五年里遙感領域中數字圖像數據分析技術所發生的變化，重點集中在那些現在已經成為常用的專題製圖方法上。與以前的修訂版一樣，書中的基本內容因為其指導價值而保持了原有的格式；但是，如果從第3版問世以後出現的新內容，則其風格和內容被修訂補充；不過，本書面向高年級學生和專業人士需求的宗旨沒有改變。
早期的版本在第1章包含了廣泛的關於衛星計畫和感測器特性的內容。雖然那些內容對理解圖像分析方法是重要的，但在過去十年里各種運行計畫的快速發展意味著，擴展第1章所需的大量內容會削弱該章向讀者介紹遙感領域數字圖像的種類和性質的作用。因此，所有關於衛星運行闡述和感測器指標的內容都放到新的附錄A中。第1章已經完全重寫為獨立的一般性感測器介紹以及圖像分析中重要的數據特性。
全書已做了許多變化來滿足高光譜數據及其分析的不斷增長的重要性需求。雖然其中大部分內容包括在第13章中，但高光譜數據處理所需要的許多技術在前面各章節中已經涉及，特別，是在高光譜數據上工作效果較好的特徵提取的新內容已包括在第10章中。
第10章已經重新命名，因為它主要涉及用多數據源和多感測器進行專題製圖的內容，用原來的數據融合作為題目有太多的混淆之處。
第8章涉及監督分類方法，現已經做了大量的補充，具體體現在k最近鄰分類、Markov隨機場和支持矢量分類器（Support Vector Machines）等章節中。
其他的修改涉及噪聲調節主成分變換、紋理的定義、對比度修正部分，以及增加了一些新的圖式和習題。
作者繼續享有來自家庭強有力的支持和理解，對該書的完成，他們的理解和支持是如此重要，對此作者在這裡表達和記錄下對他們誠摯的感激之情。
John A. Richards
Xiuping Jia（賈秀萍）
2005年1月於澳大利亞（Australia），坎培拉（Canberra）
目 錄
第1章 遙感圖像數據源及特性 1
1.1 數據源介紹 1
1.1.1 數字圖像數據特性 1
1.1.2 遙感中通常所用的光譜範圍 3
1.1.3 結束語 6
1.2 遙感平台 7
1.3 微波範圍的圖像數據源 10
1.3.1 側視機載雷達和合成孔徑雷達 10
1.4 一般的空間數據源 12
1.4.1 空間數據類型 12
1.4.2 數據格式 13
1.4.3 地理信息系統（GIS） 14
1.4.4 對圖像處理與分析的挑戰 16
1.5 數字圖像數據中尺度的比較 17
第1章參考文獻 17
習題 19
第2章 圖像數據的誤差校正和配準 21
2.1 輻射失真源 21
2.1.1 大氣對輻射的影響 21
2.1.2 大氣對遙感圖像的影響 24
2.1.3 儀器誤差 24
2.2 輻射失真校正 25
2.2.1 大氣影響的精確校正 25
2.2.2 大氣影響的粗校正 27
2.2.3 儀器誤差校正 27
2.3 幾何失真源 29
2.3.1 地球轉動影響 30
2.3.2 全景失真 31
2.3.3 地球曲率 33
2.3.4 掃描時間扭曲 34
2.3.5 平台高度、速度和姿態的變化 34
2.3.6 縱橫比失真 35
2.3.7 感測器掃描的非線性度 35
2.4 幾何失真校正 36
2.4.1 利用映射多項式進行圖像校正 36
2.4.1.1 映射多項式和地面控制點 37
2.4.1.2 重採樣 37
2.4.1.3 插值 38
2.4.1.4 控制點的選擇 40
2.4.1.5 地圖格線配準舉例 40
2.4.2 數學模型 41
2.4.2.1 縱橫比校正 42
2.4.2.2 地球旋轉扭曲校正 43
2.4.2.3 圖像北-南指向 43
2.4.2.4 全景效應校正 44
2.4.2.5 組合校正 44
2.5 圖像配準 44
2.5.1 地理參考和地理編碼 44
2.5.2 圖像到圖像間配準 44
2.5.3 通過相關對控制點定位 45
2.5.4 圖像到圖像間配準舉例 45
2.6 混合圖像幾何操作 48
2.6.1 圖像旋轉 48
2.6.2 尺度變換和變焦 48
第2章參考文獻 48
習題 49
第3章 數字圖像數據的解譯 53
3.1 解譯方法 53
3.2 圖片解譯中圖像的形式 54
3.3 用於圖片解譯的計算機處理 56
3.4 定量分析導論——分類 58
3.5 多光譜空間和光譜類 59
3.6 用模式識別進行定量分析 60
3.6.1 像素矢量和標號 60
3.6.2 非監督分類 61
3.6.3 監督分類 61
第3章參考文獻 63
習題 63
第4章 輻射增強技術 65
4.1 引言 65
4.1.1 點操作和查找表 65
4.1.2 標量和矢量圖像 65
4.2 圖像直方圖 66
4.3 圖像數據的對比度修正 66
4.3.1 直方圖修正原則 66
4.3.2 線性對比度增強 67
4.3.3 飽和線性對比度增強 69
4.3.4 自動對比度增強 69
4.3.5 對數和指數對比度增強 69
4.3.6 分段線性對比度修正 70
4.4 直方圖均衡化 70
4.4.1 累積直方圖的使用 70
4.4.2 直方圖均衡化中的奇異性 75
4.5 直方圖匹配 76
4.5.1 直方圖匹配的原則 76
4.5.2 圖像到圖像的對比度匹配 77
4.5.3 匹配到數學參考模型 79
4.6 密度分割 79
4.6.1 黑白密度分割 79
4.6.2 彩色密度分割和偽彩色 81
第4章參考文獻 82
習題 82
第5章 基於圖像域技術的幾何增強 85
5.1 鄰域操作 85
5.2 模板運算 85
5.3 卷積操作的幾何增強 86
5.4 圖像域方法和傅立葉變換方法的比較 88
5.5 圖像平滑（低通濾波器） 89
5.5.1 均值平滑 89
5.5.2 中值濾波 91
5.6 邊緣檢測和增強 92
5.6.1 線性邊緣檢測模板 93
5.6.2 空間微分技術 94
5.6.2.1 Roberts 運算元 94
5.6.2.2 Sobel 運算元 95
5.6.2.3 Prewitt 運算元 95
5.6.3 細化、連線和邊界回響 95
5.6.4 相減平滑（銳化）的邊緣增強 96
5.7 線條檢測 97
5.7.1 線性線條檢測模板 97
5.7.2 非線性和半線性線條檢測模板 98
5.8 一般卷積濾波器 98
5.9 檢測幾何特性 99
5.9.1 紋理 99
5.9.2 空間相關性——半方差圖 100
5.9.3 形狀檢測 101
第5章參考文獻 102
習題 103
第6章 圖像數據的多光譜變換 105
6.1 主成分變換 105
6.1.1 均值矢量和協方差矩陣 105
6.1.2 零相關、旋轉變換 108
6.1.3 實例——一些實際
的考慮 111
6.1.4 原點移動的作用 114
6.1.5 主成分在圖像增強和顯示中的套用 115
6.1.6 對比度增強的Taylor方法 115
6.1.7 主成分分析的其他套用 117
6.2 噪聲調整的主成分變換 118
6.3 Kauth-Thomas纓帽變換 120
6.4 圖像算術、波段比和植被指數 122
第6章參考文獻 123
習題 123
第7章 圖像數據的傅立葉變換 125
7.1 引言 125
7.2 特殊函式 125
7.2.1 復指數函式 126
7.2.2 Dirac Delta函式（函式） 126
7.2.2.1 函式的性質 127
7.2.3 Heaviside階躍函式 127
7.3 傅立葉級數 127
7.4 傅立葉變換 128
7.5 卷積 129
7.5.1 卷積積分 129
7.5.2 與脈衝的卷積 130
7.5.3 卷積定理 131
7.6 採樣定理 131
7.7 離散傅立葉變換 133
7.7.1 離散頻譜 133
7.7.2 離散傅立葉變換公式 134
7.7.3 離散傅立葉變換性質 135
7.7.4 離散傅立葉變換的計算 135
7.7.5 快速傅立葉變換算法的發展 136
7.7.6 快速傅立葉變換的計算代價 139
7.7.7 比特重組和存儲的考慮 139
7.8 圖像的離散傅立葉變換 140
7.8.1 定義 140
7.8.2 二維離散傅立葉變換的計算 140
7.8.3 空間頻率的概念 141
7.8.4 幾何增強的圖像濾波 142
7.8.5 二維卷積 143
7.9 結論 143
第7章參考文獻 145
習題 145
第8章 監督分類技術 146
8.1 監督分類的步驟 146
8.2 最大似然分類 147
8.2.1 貝葉斯分類器 147
8.2.2 最大似然決策規則 147
8.2.3 多變數正態類模型 148
8.2.4 決策平面 149
8.2.5 閾值 149
8.2.6 每類所需訓練像素數目 151
8.2.7 一個簡單的示例說明 151
8.3 最小距離分類 153
8.3.1 有限的訓練數據情況 153
8.3.2 判別函式 153
8.3.3 最大似然到最小距離分類的退化 154
8.3.4 決策平面 155
8.3.5 閾值 155
8.4 平行六面體分類 155
8.5 分類器分類時間的比較 156
8.6 其他監督分類方法 157
8.6.1 馬氏距離分類器 157
8.6.2 查表分類 157
8.6.3 k近鄰分類器 158
8.7 高斯混合模型 159
8.8 基於上下文的分類 159
8.8.1 空間上下文的概念 159
8.8.2 基於圖像預處理的上下文分類 160
8.8.3 分類後濾波 160
8.8.4 機率標記鬆弛法 161
8.8.4.1 基本算法 161
8.8.4.2 鄰域函式 162
8.8.4.3 確定兼容性係數 163
8.8.4.4 最後步驟——終止過程 163
8.8.4.5 示例 164
8.8.5 採用馬爾可夫隨機場處理空間上下文 165
8.9 非參數分類——幾何方法 167
8.9.1 線性判別 167
8.9.1.1 權矢量的概念 167
8.9.1.2 測試類別成員 168
8.9.1.3 訓練 169
8.9.1.4 修正增量的確定 170
8.9.1.5 分類——閾值邏輯單元 171
8.9.1.6 多類分類 172
8.9.2 支持矢量分類器 172
8.9.2.1 線性可分數據 172
8.9.2.2 線性不可分情況——核函式的套用 176
8.9.2.3 多類分類 176
8.9.3 分類器網路——解決非線性分類問題 177
8.9.4 神經網路方法 177
8.9.4.1 處理單元 177
8.9.4.2 神經網路的訓練——後向傳播 179
8.9.4.3 網路參數的選擇 182
8.9.4.4 示例 182
第8章參考文獻 186
習題 189
第9章 聚類與非監督分類 191
9.1 光譜類別的描述 191
9.2 相似性度量與聚類準則 191
9.3 疊代最佳化（均值平移）聚類算法 193
9.3.1 基本算法 193
9.3.2 合併和刪除 194
9.3.3 分裂增長聚類 194
9.3.4 初始聚類中心的選擇 195
9.3.5 聚類代價 195
9.4 非監督分類與聚類圖 195
9.5 一個聚類的例子 196
9.6 單通聚類技術 197
9.6.1 單通算法 197
9.6.2 優點和限制 198
9.6.3 條帶生成參數 198
9.6.4 單通算法的變形 199
9.6.5 例子 199
9.7 可凝聚的分層聚類 200
9.8 直方圖峰值選擇聚類 201
第9章參考文獻 203
習題 203
第10章 特徵減少 205
10.1 特徵減少與可分性 205
10.2 用於多變數正態光譜類模型的可分性度量 205
10.2.1 分布重疊 206
10.2.2 離散度 206
10.2.2.1 一般表達式 206
10.2.2.2 一對常態分配的離散度 208
10.2.2.3 離散度用於特徵選擇 208
10.2.2.4 離散度的一個問題 209
10.2.3 JM距離 209
10.2.3.1 定義 209
10.2.3.2 離散度和JM距離的比較 210
10.2.4 變換離散度 211
10.2.4.1 定義 211
10.2.4.2 變換離散度與正確分類機率的關係 211
10.2.4.3 變換離散度用於聚類 212
10.3 用於最小距離分類的可分性度量 212
10.4 通過數據變換進行特徵減小 213
10.4.1 利用主成分變換進行特徵減小 213
10.4.2 作為特徵選擇方法的正則分析 214
10.4.2.1 類內和類間協方差矩陣 215
10.4.2.2 可分性度量 216
10.4.2.3 廣義的特徵值方程 217
10.4.2.4 例子 218
10.4.3 判別式分析特徵提取（DAFE） 219
10.4.4 無參數判別分析與判決邊界特徵提取（DBFE） 220
10.4.5 無參數加權的特徵提取（NWFE） 224
10.4.6 算術變換 225
第10章參考文獻 226
習題 227
第11章 圖像分類方法 228
11.1 引言 228
11.2 監督分類 228
11.2.1 概述 228
11.2.2 訓練數據的確定 229
11.2.3 特徵選擇 229
11.2.4 檢測多模態分布 230
11.2.5 結果的表達 230
11.2.6 重採樣對分類的影響 230
11.3 非監督分類 231
11.3.1 非監督分類概述，與監督方法的比較 231
11.3.2 特徵選擇 232
11.4 混合的監督/非監督方法 232
11.4.1 基本步驟 232
11.4.2 聚類區的選擇 233
11.4.3 光譜類數目的合理化 233
11.5 分類精度的評價 234
11.5.1 利用檢驗像素集 234
11.5.2 留一個的方法進行精度評價——交叉驗證 237
11.6 例案研究1：灌溉區域確定 237
11.6.1 背景 238
11.6.2 研究區域 238
11.6.3 聚類 238
11.6.4 特徵生成 240
11.6.5 分類與結果 240
11.6.6 結論性評述 241
11.7 例案研究2：灌木林火的多時相監測 241
11.7.1 背景 242
11.7.2 技術的簡單說明 242
11.7.3 研究區域 243
11.7.4 配準 244
11.7.5 主成分變換 244
11.7.6 主成分圖像的分類 246
11.8 分級分類 247
11.8.1 決策樹分類器 247
11.8.2 決策樹設計 248
11.8.3 漸進式兩類決策分類器 249
11.8.4 決策樹中的錯誤累積 251
11.9 高光譜數據分類的說明 252
第11章參考文獻 253
習題 254
第12章 多源、多感測器方法 256
12.1 堆疊矢量方法 256
12.2 統計多源方法 257
12.2.1 聯合統計決策準則 257
12.2.2 群策分類器 258
12.2.3 評價等級和意見一致性理論方法 258
12.2.4 先驗機率的使用 259
12.2.5 監督標號鬆弛法 259
12.3 證據理論 260
12.3.1 證據質量的概念 260
12.3.2 合併證據——正交和 261
12.3.3 決策準則 262
12.4 基於知識的圖像分析 263
12.4.1 知識處理：仿效照片判讀 263
12.4.2 基於知識的圖像分析系統基礎 264
12.4.2.1 結構 264
12.4.2.2 知識的表示：規則 265
12.4.2.3 推理機制 266
12.4.3 處理多源和多感測器數據 267
12.4.4 例子 269
12.4.4.1 對一個標號命題的論據規則 269
12.4.4.2 對一個標號命題的認可 270
12.4.4.3 知識庫和結果 271
第12章參考文獻 273
習題 275
第13章 高光譜圖像數據的解譯 276
13.1 數據的特點 276
13.2 對解譯的挑戰 278
13.2.1 數據量 278
13.2.2 冗餘度 278
13.2.3 定標的必要性 279
13.2.4 維數問題：Hughes現象 280
13.3 數據定標技術 281
13.3.1 精細輻射校正 281
13.3.2 數據歸一化 282
13.3.3 近似的輻射校正 283
13.4 利用光譜信息的解譯 283
13.4.1 光譜角製圖 283
13.4.2 使用專家光譜知識和光譜庫搜尋 284
13.4.3 通過光譜編碼的光譜庫搜尋 285
13.4.3.1 二值化光譜編碼 285
13.4.3.2 匹配算法 287
13.5 利用統計方法的高光譜解譯 288
13.5.1 傳統專題製圖方法的局限 288
13.5.2 基於塊的最大似然分類 288
13.6 特徵減少 291
13.6.1 特徵選擇 291
13.6.2 光譜變換 291
13.6.3 由主成分變換數據進行特徵選擇 292
13.7 規則化的協方差估計器 293
13.8 高光譜數據的壓縮 294
13.9 光譜解混：端元分析 296
第13章參考文獻 297
習題 298
附錄A 任務和感測器 300
附錄B 衛星高度和周期 319
附錄C 十進制數的二進制表示 321
附錄D 矢量和矩陣代數中的要點 323
附錄E 機率與統計中的一些基礎知識 328
附錄F 最大似然決策準則的懲罰函式推導 331
