高光谱图像压缩与融合技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

高光谱图像压缩与融合技术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

第一篇 遥感高光谱图像基础知识3

第1章 遥感概述3

1.1 遥感的概念与特点3

1.2 遥感的分类4

1.3 遥感过程及技术系统5

1.3.1 遥感实验5

1.3.2 遥感信息获取5

1.3.3 遥感信息处理5

1.3.4 遥感信息的应用6

第2章 高光谱图像概述7

2.1 高光谱图像7

2.2 高光谱图像特性8

2.2.1 空间相关性8

2.2.2 谱间相关性8

2.3 实验数据及平台概述9

2.3.1 实验数据9

2.3.2 实验平台11

第3章 高光谱图像压缩基本原理12

3.1 高光谱图像冗余12

3.1.1 编码冗余12

3.1.2 像素域冗余12

3.1.3 视觉冗余13

3.2 信息论基本概念13

3.3 信源编码理论14

3.3.1 无失真编码定理14

3.3.2 限失真编码定理14

第4章 高光谱图像融合基本技术16

4.1 高光谱图像预处理技术16

4.2 图像融合及其研究现状17

4.2.1 图像融合基本概念17

4.2.2 高光谱图像融合及研究现状18

4.3 遥感图像融合层次分类19

4.4 高光谱影像与高空间分辨率影像融合过程分析21

第二篇 遥感高光谱图像压缩技术25

第5章 基于预测的无损压缩算法25

5.1 基于双向递归预测的高光谱图像无损压缩算法25

5.1.1 双向预测理论25

5.1.2 双向递归预测理论27

5.1.3 改进的双向递归预测理论29

5.2 基于预测的高光谱图像并行压缩算法33

5.2.1 计算机并行原理33

5.2.2 高光谱图像并行压缩算法36

5.3 高光谱图像预测算法实验结果38

5.3.1 双向递归预测算法实验结果38

5.3.2 基于预测的双核并行实验结果39

5.3.3 基于预测的四核并行实验结果40

5.3.4 基于预测的八核并行实验结果41

5.3.5 图像数据压缩前后的图像对比43

第6章 基于变换的压缩算法44

6.1 小波变换的基本原理44

6.1.1 小波的定义44

6.1.2 离散小波与多分辨率分析45

6.1.3 小波变换在图像压缩中的应用46

6.2 整数小波变换47

6.2.1 整数小波变换原理47

6.2.2 整数小波核心算法48

6.3 基于整数小波的高光谱图像无损压缩算法51

6.4 基于3D-SPIHT的高光谱有损压缩算法56

6.4.1 SPIHT算法原理56

6.4.2 3D-SPIHT算法流程56

6.4.3 SPIHT的技术内容57

6.5 基于PCA变换与小波变换的组合有损压缩算法59

6.5.1 PCA变换的原理59

6.5.2 PCA变换与小波变换的组合算法流程图60

6.6 算法比较61

第7章 基于矢量量化的压缩算法63

7.1 矢量量化原理63

7.2 矢量量化基本算法64

7.3 矢量量化用于高光谱图像压缩64

7.4 矢量量化算法的改进66

7.5 改进算法的实验结果及评价67

第8章 基于分布式编码的无损压缩算法69

8.1 DSC理论基础69

8.2 基于陪集码的DSC实现70

8.3 分布式算法实验结果75

第9章 高光谱图像有损压缩性能评价76

9.1 光谱失真度的度量指标76

9.1.1 几何度量76

9.1.2 概率度量77

9.2 图像压缩质量评价指标78

9.2.1 压缩比78

9.2.2 均方误差78

9.2.3 信噪比78

9.2.4 峰值信噪比79

9.3 高光谱无损压缩算法比较和评价79

9.3.1 小波算法实验结果79

9.3.2 预测算法实验结果80

9.3.3 矢量量化实验结果81

9.3.4 分布式算法实验结果81

9.3.5 四种算法压缩时间比较82

9.4 高光谱有损压缩算法的比较和评价83

9.5 有损压缩算法对于矿产信息波谱的影响分析86

第三篇 遥感高光谱图像融合技术93

第10章 高光谱图像融合数据预处理93

10.1 HSI数据的预处理93

10.1.1 HSI数据的读取93

10.1.2 HSI数据的条纹去除94

10.2 HSI数据的大气校正95

10.3 CCD数据的预处理97

10.3.1 CCD数据的读取98

10.3.2 CCD数据的大气校正98

第11章 高光谱图像配准与尺度转换100

11.1 SIFT配准算法100

11.1.1 SIFT算法概述101

11.1.2 尺度空间和降采样图像的形成101

11.1.3 特征点的检测104

11.1.4 特征点的精确定位104

11.1.5 特征点主方向的提取104

11.1.6 关键点特征描述及归一化SIFT描述子的生成105

11.2 基于归一化SIFT算法的不同光学影像自动配准107

11.2.1 基于归一化SIFT算法的匹配107

11.2.2 RANSAC的基本矩阵估计108

11.3 配准模型解算及尺度转换算法选取108

11.3.1 配准模型解算108

11.3.2 尺度转换算法的选取109

第12章 高光谱数据融合的基本方法111

12.1 基于IHS的高光谱图像融合算法111

12.1.1 基于IHS的高光谱图像融合算法原理111

12.1.2 IHS融合方法实验效果112

12.2 基于PCA变换的高光谱融合算法112

12.2.1 基于PCA变换的高光谱融合算法原理112

12.2.2 主成分分析（PCA）融合法实验效果113

12.3 基于高通滤波的高光谱融合算法114

12.4 基于Brovey变换高光谱融合算法114

12.4.1 基于Brovey变换高光谱融合算法原理114

12.4.2 Brovey融合方法实验效果114

12.5 基于小波变换高光谱融合算法115

12.6 高通滤波与IHS结合高光谱图像融合算法116

12.7 CRISP高光谱影像融合算法117

12.7.1 CRISP锐化方法简介117

12.7.2 CRISP锐化算法过程117

12.7.3 CRISP融合实验结果119

12.8 几种经典融合算法比较120

第13章 基于粒子群优化Contourlet变换的融合算法123

13.1 粒子群算法123

13.2 Contourlet变换124

13.3 基于粒子群优化Contourlet变换融合算法125

13.4 融合结果及分析127

第14章 基于MAP/SMM模型的高光谱图像融合131

14.1 MAP/SMM模型高光谱图像融合原理概述131

14.2 观测模型建立131

14.3 MAP 估计模型133

14.4 随机混合模型135

14.5 模型参数求解136

14.6 MAP/SMM估计137

14.7 简化观测模型139

14.8 光谱响应函数140

14.9 空间点扩散函数141

14.10 高分辨率丰度图的优化143

第15章 高光谱融合图像评价145

15.1 常用遥感融合图像评价方法145

15.1.1 主观评价方法145

15.1.2 客观评价方法145

15.1.3 基于层次分析法的模糊综合评价研究147

15.2 高光谱融合图像的模糊评价实现150

15.3 高光谱图像融合实验结果与分析151

15.3.1 实验数据介绍151

15.3.2 实验结果与分析152

第四篇 高光谱图像矿产资源评价应用研究159

第16章 高光谱图像的分类159

16.1 高光谱图像的分类159

16.2 最大似然分类法160

16.3 K均值分类法161

第17章 矿产资源评价模型的研究162

17.1 神经网络基本原理163

17.2 粒子群算法原理164

17.3 高光谱数据在矿产资源评价流程及模型中的应用165

17.4 实验结果及分析167

结语171

参考文献172