具体描述
本书共分九章，第一章回顾了地理信息系统的发展历史，概括地介绍了地理信息系统的概念、组成结构和主要应用领域。第二章介绍了地理数据的基本特性，包括地理数据的概括性和地表定位的数学基础，也讨论了地理数据的主要来源。第三章较为详细地论述了在计算机中表示地理数据的几种主要方法，包括栅格、矢量和面向对象表示法。第四章讨论了地理数据库的基本概念，详细介绍了地理关系数据库、地理对象关系数据库和地理数据库设计的原理。第五章讨论了地理数据输入、编辑和处理的基本方法和技术，包括地理数据分类与编码的基本了地理。第六、七章分别介绍了栅格数据和矢量数据分析的基本原理、方法和技术。第八章讨论了地理信息系统数据输出的设计，重点介绍了地理信息系统地图设计的基本概念和原理。第九章介绍了将地理信息系统和计算机辅助空间模拟和决策分析相结合建立空间决策支持系统的基本原理，以应用实例展示了各类空间决策支持系统的特点和功能。
遥感图像处理与应用：理论、方法与实践 本书旨在全面、深入地介绍遥感图像处理的理论基础、关键技术、常用算法及其在不同领域的实际应用。 本书内容涵盖了从遥感数据的获取、预处理到高级分析与信息提取的全过程，力求为读者提供一个系统、前沿且实用的知识体系。 --- 第一部分：遥感基础与数据获取 第一章 遥感科学概论 本章首先阐述遥感学的基本概念、发展历程及其在现代地球科学研究中的核心地位。详细解析了电磁波谱与遥感的关系，重点介绍不同波段（可见光、红外、微波）对地物信息获取的敏感性。讨论了遥感系统的组成要素，包括能量源、目标与背景、传感器、传输过程和数据接收与处理系统。 第二章 遥感影像的获取技术 本章深入探讨各类遥感平台和传感器的工作原理。 光学遥感系统： 详细介绍被动遥感中光学传感器的成像原理，包括扫描方式（如推扫、星载、机载CCD/CMOS阵列）、空间分辨率、光谱分辨率和时间分辨率的概念及其对信息提取能力的影响。重点分析如Landsat、Sentinel系列、MODIS等典型光学卫星的数据特性。 雷达遥感（SAR）： 全面解析主动微波遥感（合成孔径雷达）的基本原理，包括后向散射机制、极化原理（单/双/全极化）、干涉测量（InSAR）技术及其在地形测量和形变监测中的应用。阐述SAR数据相干性和斑点噪声的成因与抑制方法。 高光谱遥感： 讲解高光谱遥感数据采集的特点，即具有数百个连续窄波段的特性。阐述高光谱数据的立方体结构（Image Cube）及其在精细物质成分识别中的独特优势。 --- 第二部分：遥感图像的预处理与增强 高质量的图像是后续分析的基础。本部分集中讲解如何校正和优化原始遥感数据。 第三章 辐射定标与大气校正 辐射定标： 详细阐述将传感器记录的数字量（DN值）转换为具有物理意义的量，如辐射亮度、反射率的过程。介绍绝对定标和相对定标的方法，并讨论定标系数的确定。 大气效应校正： 深入分析大气对遥感信号的影响（吸收和散射）。系统介绍大气校正模型，包括基于辐射传输模型（如MODTRAN）的复杂校正方法和基于简单模型（如暗目标法、亮目标法）的快速校正技术，以获取地表真实反射率。 第四章 几何校正与图像配准 几何畸变分析： 识别和分析由平台姿态变化、地球曲率、地形起伏等引起的几何畸变类型（如扫描仪系统畸变、轨道误差）。 几何校正技术： 详细介绍几何校正的两种主要方法：绝对校正（利用已知的地理坐标进行几何纠正，涉及控制点选择和空间插值技术，如最近邻插值、双线性插值、三次卷积插值）和相对校正（用于多源或多时相影像的配准）。 第五章 图像增强与可视化技术 本章聚焦于通过提升视觉效果和对比度来改善人眼对图像信息的识别能力。 灰度变换： 讲解线性和非线性灰度变换，如直方图均衡化（标准和自适应）及其在提升对比度中的应用。 空间域滤波： 细致区分平滑滤波（如均值滤波、高斯滤波）用于去除随机噪声和锐化滤波（如拉普拉斯算子、Sobel算子）用于增强边缘和细节。 变换域增强： 介绍傅里叶变换在频域中进行噪声抑制和特征增强的应用。 假彩色合成： 阐述如何选择不同波段组合形成具有信息增强效果的假彩色合成图像，以及其在植被、水体和土壤识别中的标准应用。 --- 第三部分：图像的辐射光谱分析与分类 本部分是遥感信息提取的核心，关注如何从光谱特征中识别地物。 第六章 光谱特征分析与植被指数 光谱特征提取： 探讨不同地物类型的典型反射光谱曲线特征，如吸收谷和反射峰的位置与高度。 植被指数（VIs）： 详细介绍构建各类植被指数的数学原理，如归一化植被指数（NDVI）、增强型植被指数（EVI）、土壤调节植被指数（SAVI）等，及其在评估植被长势、生物量和健康状况中的应用。分析指数对大气和土壤背景的敏感性。 水体与旱地指数： 介绍归一化水体指数（NDWI）和各种用于识别裸土、建筑物的指数。 第七章 遥感图像的非监督分类 本章侧重于数据驱动的分类方法，不对地物类别预先作出假设。 聚类分析基础： 介绍聚类分析的基本概念和统计学基础。 K均值（K-means）聚类算法： 详细描述K-means算法的迭代过程、初始中心点的选择影响以及如何确定最佳聚类数（如肘部法则）。 Isodata（迭代自组织数据分析）算法： 介绍Isodata算法的灵活性，尤其是在处理光谱分布不均匀数据时的优势。 第八章 遥感图像的有监督分类 本章讲解如何利用已知样本对图像进行分类，实现地物类型的精细划分。 统计分类理论： 介绍最大似然法（Maximum Likelihood）的概率决策规则及其参数估计。 分类器比较： 深入分析最小距离分类法、马氏距离分类法，并重点讲解人工神经网络（ANN）分类器在处理非线性分类边界时的优势。 面向对象分类（OBIA）导论： 介绍区别于传统像素级分类的OBIA理念，即先进行图像分割（Segmentation）再进行对象属性分类的流程。 第九章 分类精度评估 定量评估分类结果的可靠性是遥感应用的关键步骤。 混淆矩阵（Error Matrix）： 讲解混淆矩阵的构建、行/列的含义。 精度指标： 详细计算和解释分类精度中的核心指标：总体精度、用户精度（错别字率）、生产者精度（遗漏率）和Kappa系数。 --- 第四部分：高级分析与应用 第十章 变化检测技术 变化检测是遥感数据最主要的用途之一。本章系统介绍对比和量化不同时相影像间地物变化的方法。 图像代数法： 介绍图像差值法、图像比值法、变化向量分析（CVA）的原理与局限性。 分类后比较法： 阐述分别对不同时相图像进行分类后，通过矩阵叠加分析实现地物转移的定量识别。 基于特征和目标的检测： 介绍利用多特征（如NDVI和亮度）的联合分析进行更鲁棒的变化检测。 第十一章 图像的纹理分析 纹理是描述地物表面形态结构的重要信息，尤其在区分复杂地表覆盖（如不同成熟度的植被、不同类型的城市结构）时至关重要。 灰度共生矩阵（GLCM）： 详细推导并解释基于GLCM提取的八大纹理统计量（如均值、方差、同质性、对比度、熵）的物理意义。 纹理在分类中的应用： 说明如何将GLCM特征作为额外的波段引入分类器，以提高分类的判别能力。 第十二章 高级主题：数据融合与深度学习初步 数据融合（Data Fusion）： 介绍将高空间分辨率的黑白影像与低空间分辨率但高光谱分辨率的彩色影像进行融合的技术，重点讲解潘沙锐化（Pansharpening） 的主要方法，如分量替换法（如IHS）和多尺度分析法。 深度学习在遥感中的应用概述： 简要介绍卷积神经网络（CNN）的基本结构，及其在遥感图像分类、目标检测和语义分割任务中的优势和基础应用模式，侧重于如何构建适合遥感数据的输入层和输出层。 --- 本书特点： 理论与实践并重： 每一章节均配有清晰的理论推导和软件操作（以主流遥感平台为例）的流程指导，确保读者不仅理解“是什么”，更掌握“怎么做”。 聚焦现代技术： 紧跟遥感技术前沿，对SAR、高光谱处理和新兴的深度学习方法进行了充分介绍。 详尽的图表支持： 书中包含大量实测遥感图像示例、流程图和数学模型示意图，辅助理解复杂概念。 目标读者： 本书适合地理学、环境科学、测绘工程、资源管理等专业的高年级本科生、研究生，以及从事遥感数据处理、信息分析和环境监测的工程技术人员和科研工作者。掌握一定的线性代数和概率统计基础将有助于更好地理解本书内容。
作者简介
目录信息
读后感
评分
评分
评分
评分
评分
用户评价
评分
评分
评分
评分
评分
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有