高光谱遥感图像处理方法及应用

随着成像光谱技术及遥感处理技术的不断发展，高光谱遥感数据被广泛应用于各个领域。与多光谱图像相比，高光谱成像光谱仪能够在较宽的波谱范围内，利用狭窄的光谱间隔成像，得到上百幅通道、波段连续的图像，每个像素均可提取一条完整的高分辨率光谱曲线，使得许多原本在多光谱图像中无法发现的地物特征得以被探测。本书简要介绍了高光谱遥感图像的成像原理和图像特点，主要分析了各种高光谱图像处理技术在使用中遇到的问题，并提出了相应的处理方法；论述内容主要包括高光谱遥感的特征选择，高光谱遥感的端元选择，混合光谱理论与光谱解混，高光谱图像的监督分类和半监督分类，高光谱图像的匹配目标检测、异常目标检测以及实时目标检测，高光谱数据压缩技术和可视化技术，最后概括地介绍了高光谱遥感图像在各个领域的应用。本书包括了著者多年来取得的科研成果，可以使读者比较全面地了解高光谱图像处理的各个领域以及最新研究进展。

赵春晖，男，1965年出生，工学博士，教授、博士生导师，哈尔滨工程大学信号与信息处理学科带头人。黑龙江省优秀中青年专家，全国优秀教师，国家教学名师。IEEE会员，中国通信学会会士，中国电子学会高级会员，中国图象图形学学会和黑龙江生物医学工程学会理事，中国兵工学会信息安全与对抗委员会专业委员会成员，中国指挥与控制学会无人系统专业委员会委员。研究领域主要包括智能信息与图像处理、机器学习与模式识别、非线性信号处理和通信信号处理。主持了多项国家级和省部级科研项目和教改项目，发表学术论文500多篇，其中被“SCI、EI”检索300余篇，出版著作和教材18部，其中《微波技术》入选了“十一五”和“十二五”国家级规划教材，获省部级科技奖一等奖2项、二等奖6项，获省级教学成果奖一等奖3项、二等奖3项，获发明专利和软件著作权22项。 “微波技术基础”国家精品课程负责人和国家级教学团队带头人。先后获得全国优秀博士学位论文、教育部高校青年教师奖、黑龙江省杰出青年科学基金、黑龙江省青年科技奖、国务院政府特殊津贴、黑龙江省优秀博士后、黑龙江省优秀研究生导师等荣誉。入选首届“国家高层次人才特殊支持计划”领军人才。

第1章 高光谱遥感的理论基础 11.1 高光谱遥感概述 11.2 高光谱遥感成像机理 51.3 高光谱遥感图像的特点 81.4 高光谱遥感图像数据表达 91.5 高光谱遥感与多光谱遥感的联系与区别 10参考文献 11第2章 高光谱图像特征提取技术 122.1 特征提取技术概述 122.2 高光谱图像基本特征提取算法 162.2.1 主成分分析 162.2.2 线性判别分析 172.2.3 基于核的非线性特征提取算法 182.2.4 基于流形学习的非监督特征提取算法 182.2.5 F-分值特征提取方法 222.2.6 递归特征消除方法 222.2.7 最小噪声分数 232.2.8 独立成分分析 242.3 高光谱图像波段提取算法 252.3.1 半监督局部稀疏嵌入特征提取算法 252.3.2 基于全局和局部流形结构的特征提取算法 272.3.3 结合遗传算法和蚁群算法的特征提取算法 292.3.4 高光谱图像蒙特卡罗特征提取算法 312.4 高光谱图像波段提取算法性能评价 342.4.1 半监督局部稀疏嵌入特征提取算法的性能评价 352.4.2 基于全局和局部流形结构的特征提取算法的性能评价 382.4.3 结合遗传算法和蚁群算法的特征提取算法的性能评价 412.4.4 高光谱图像蒙特卡罗特征提取算法的性能评价 46参考文献 48第3章 高光谱图像端元提取技术 493.1 端元提取技术概述 493.2 高光谱图像基本端元提取方法 493.2.1 N-FINDR端元提取算法 493.2.2 纯像素索引法 503.2.3 凸锥分析 513.2.4 迭代误差分析 523.2.5 ORASIS算法 523.2.6 自动形态学端元提取算法 523.2.7 顶点成分分析法 543.3 高光谱图像端元提取算法 553.3.1 改进的N-FINDR高光谱端元提取算法 553.3.2 改进的IEA端元提取算法 583.4 高光谱图像端元提取方法的性能评价 603.4.1 改进的N-FINDR高光谱端元提取算法的性能评价 603.4.2 改进的IEA端元提取算法的性能评价 61参考文献 65第4章 高光谱图像光谱解混技术 664.1 光谱解混技术概述 664.2 高光谱图像基本光谱解混算法 684.2.1 线性光谱混合模型 684.2.2 丰度反演算法 694.2.3 解混误差理论分析 704.2.4 解决端元可变问题算法 724.2.5 光谱解混精度评价 764.3 高光谱图像光谱解混算法 774.3.1 基于正交子空间投影的多端元高光谱解混算法 774.3.2 基于分层的多端元高光谱解混算法 794.3.3 基于全约束OMP的多端元高光谱解混算法 814.3.4 基于稀疏表示的高光谱解混算法 834.3.5 改进的OMP高光谱稀疏解混算法 874.3.6 自适应稀疏度的OMP高光谱稀疏解混算法 904.4 高光谱图像光谱解混算法评价 914.4.1 基于OSP的多端元高光谱解混算法评价 914.4.2 基于分层的多端元高光谱解混算法评价 954.4.3 基于全约束OMP的多端元高光谱解混算法评价 1004.4.4 基于稀疏表示的高光谱解混算法评价 1034.4.5 改进的OMP高光谱稀疏解混算法评价 1054.4.6 自适应稀疏度的OMP高光谱稀疏解混算法评价 110参考文献 112第5章 高光谱图像监督分类技术 1145.1 高光谱图像分类技术概述 1145.2 高光谱图像基本分类算法 1165.2.1 光谱角匹配 1165.2.2 最大似然分类 1175.2.3 Fisher判别分析 1175.2.4 支持向量机分类器 1185.2.5 相关向量机分类器 1265.3 高光谱图像分类的评价准则 1285.4 高光谱图像分类算法 1295.4.1 基于高斯低通滤波的最大似然分类 1295.4.2 基于小波核函数的高光谱图像分类 1315.4.3 基于第二代小波融合的高光谱图像分类 1345.4.4 基于特征加权的高光谱图像分类 1415.4.5 基于定制核稀疏表示的高光谱图像分类 1435.4.6 基于模糊加权核C-均值聚类的高光谱图像分类 1475.4.7 模糊特征加权支持向量机 1515.5 高光谱图像分类算法的性能评价 1535.5.1 基于高斯低通滤波的最大似然分类性能评价 1545.5.2 基于小波核函数的高光谱图像分类性能评价 1585.5.3 基于第二代小波融合的高光谱分类性能评价 1605.5.4 基于特征加权的高光谱分类性能评价 1645.5.5 基于定制核稀疏表示的分类评价 1685.5.6 模糊加权核C-均值聚类算法的分类评价 1735.5.7 模糊特征加权支持向量机的分类评价 175参考文献 178第6章 高光谱图像半监督分类技术 1816.1 高光谱图像半监督分类技术概述 1816.2 高光谱图像基本半监督分类算法 1826.2.1 图论的基础概念 1826.2.2 基于图的半监督分类算法 1846.3 高光谱图像半监督分类算法 1876.3.1 结合LLGC和LS-SVM的半监督分类算法 1876.3.2 引入负相似的LapSVM半监督分类 1916.3.3 基于空-谱信息的高光谱半监督分类算法 1966.3.4 基于空-谱标签传递的高光谱半监督分类算法 2006.4 高光谱图像半监督分类算法的性能评价 2026.4.1 结合LLGC和LS-SVM半监督分类算法的性能评价 2026.4.2 引入负相似的LapSVM半监督分类的性能评价 2066.4.3 基于空-谱信息的高光谱半监督分类的性能评价 2116.4.4 基于空-谱标签传递的高光谱半监督分类的性能评价 217参考文献 227第7章 高光谱图像目标匹配检测技术 2297.1 目标匹配检测技术概述 2297.2 高光谱图像基本目标匹配检测算法 2317.2.1 高光谱图像目标匹配检测的关键问题 2317.2.2 高光谱图像目标检测的一般过程与评价标准 2327.2.3 经典的高光谱图像目标匹配检测方法 2327.3 高光谱图像目标匹配检测算法 2347.3.1 基于空间支持的稀疏表示目标检测 2347.3.2 基于StOMP算法的HSI目标稀疏检测 2397.3.3 基于无监督字典的HSI目标稀疏检测 2427.4 高光谱图像目标匹配检测算法评价 2457.4.1 基于空间支持的稀疏表示目标检测算法评价 2457.4.2 基于StOMP算法的HSI目标稀疏检测算法评价 2547.4.3 基于无监督字典的HSI目标稀疏检测 257参考文献 259第8章 高光谱图像异常目标检测技术 2618.1 异常目标检测技术概述 2618.2 高光谱图像异常目标检测基本理论 2658.3 高光谱图像异常目标检测算法 2688.3.1 基于空域滤波的核RX高光谱异常检测算法 2688.3.2 自适应核高光谱异常检测算法 2728.3.3 基于光谱相似度量核的高光谱异常检测算法 2778.4 高光谱图像异常目标检测算法评价 2818.4.1 基于空域滤波的核RX高光谱异常检测算法评价 2818.4.2 自适应核高光谱异常检测算法评价 2828.4.3 基于光谱相似度量核的高光谱异常检测算法评价 284参考文献 289第9章 高光谱实时目标检测技术 2929.1 高光谱遥感目标检测概念及特点 2929.1.1 目标存在形式 2929.1.2 高光谱图像目标检测特点 2929.1.3 高光谱图像目标检测分类 2939.1.4 高光谱图像目标检测关键问题 2939.2 基于像素递归的高光谱实时目标检测 2959.2.1 Woodbury矩阵引理 2969.2.2 基于R-RXD的递归实时算子 2979.2.3 基于K-RXD的递归实时算子 2989.2.4 算法复杂性分析 2999.2.5 仿真实验结果与分析 3009.3 采用滑动实时窗的高光谱局部实时检测 3059.3.1 高光谱局部异常检测常用算法 3069.3.2 采用滑动实时窗口的局部异常检测 3089.3.3 仿真实验结果与分析 3119.4 基于波段递归更新的高光谱目标检测算法 3159.4.1 分块矩阵求逆引理 3159.4.2 基于波段递归的高光谱目标检测 3169.4.3 仿真实验结果与分析 319参考文献 321第10章 高光谱图像压缩处理技术 32410.1 高光谱压缩处理技术概述 32410.2 图像压缩质量评价标准 32610.3 高光谱图像压缩处理算法 32710.3.1 基于目标分布改进DCT的图像压缩 32710.3.2 多元向量量化的图像压缩 32910.3.3 基于提升格式的图像压缩 33210.3.4 基于向量量化的图像压缩 33510.4 高光谱图像压缩性能评价 33710.4.1 基于目标分布的图像压缩性能评价 33710.4.2 多元向量量化的图像压缩性能评价 34310.4.3 基于提升格式的图像压缩性能评价 35010.4.4 基于向量量化的图像压缩性能评价 351参考文献 352第11章 高光谱图像可视化技术 35411.1 可视化技术概述 35411.2 面向类别分析结果的可视化方法 35811.2.1 基于硬分类结果的数据可视化 35911.2.2 基于软分类结果的自动彩色分配方法 36111.3 高光谱图像可视化方法性能评价 36411.3.1 硬分类类别彩色标签的选择及分配 36411.3.2 基于光谱解混结果的可视化结果 366参考文献 368第12章 高光谱遥感应用简介 36912.1 高光谱遥感在农业方面的应用 36912.1.1 农作物疾病监测、病虫害监测以及入侵物种监测 36912.1.2 农作物产量估计 37012.1.3 农作物分类 37012.2 高光谱遥感在地质领域方面的应用 37012.2.1 高光谱矿物识别与矿物填图 37112.2.2 高光谱地质成因信息探测研究 37112.2.3 高光谱成矿预测研究 37112.2.4 高光谱植被地化信息探测研究 37212.2.5 高光谱矿山环境分析研究 37212.3 高光谱遥感在草原监测方面的应用 37212.3.1 草地生物量估算 37312.3.2 草地种类识别 37412.3.3 草地化学成分估测 37412.4 高光谱遥感在森林研究方面的应用 37512.4.1 森林调查 37512.4.2 森林生化组成与森林健康状态 37612.5 高光谱遥感在海洋研究方面的应用 37712.5.1 海洋遥感中的基础研究 37712.5.2 海洋与海岸带资源环境监测中的应用研究 37812.5.3 高光谱海洋研究国际发展相关动态 37812.6 高光谱遥感在环境监