多源遙感影像數據融合技術

《多源遙感影像數據融合技術》是作者近幾年在多源遙感影像融合技術方面的總結。《多源遙感影像數據融合技術》共分六章。第一章緒論，主要介紹多源遙感影像數據融合的目的、意義及國內外研究現狀；第二章介紹多源遙感影像數據融合的理論基礎；第三章論述多源遙感影像像素級融合技術；第四章論述基於Bayes融合法的多源遙感影像數據分類技術；第五章論述基於Dempster-Shafer證據理論的多源信息融合原理、方法及其在影像紋理識別中的應用；第六章論述基於改進的BP神經網絡的多源遙感影像融合分類以及分類融合方法。

第1章 緒論

1.1 多源遙感影像數據融合的目的和意義

1.2 多源遙感影像數據融合的研究現狀

1.3 主要研究內容

第2章 多源遙感影像數據融合的理論基礎

2.1 多源遙感影像數據融合的概念

2.1.1 概念

2.1.2 有關術語

2.2 多源遙感影像數據融合的層次、模型與結構

2.2.1 融合的形式

2.2.2 融合的層次

2.2.3 融合的一般模型

2.2.4 融合的結構類型

2.3 多源遙感影像數據融合方法分類

2.3.1 按哲學觀點分類

2.3.2 按融合層次分類

2.3.3 按融合理論分類

2.4 本章小結

第3章 多源遙感影像像素級融合技術

3.1 多源遙感影像像素級融合技術概述

3.1.1 影像像素級融合的基本概念

3.1.2 融合影像數據的選擇

3.1.3 影像像素級融合過程、特點及其應用

3.2 多源遙感影像的空間配準方法

3.2.1 基於數字地面模型的精糾正

3.2.2 多項式糾正

3.2.3 基於三角網(大面元)的糾正

3.2.4 小面元微分糾正

3.3 影像像素級融合方法及其特點

3.3.1 空間域融合法

3.3.2 變換域融合法

3.4 影像像素級融合影像質量評價

3.5 試驗與分析

3.5.1 試驗數據簡介

3.5.2 試驗結果分析

3.6 本章小結

第4章 基於Bayes理論的融合方法及其應用

4.1 Bayes統計理論

4.1.1 概率論要點

4.1.2 Bayes統計理論

4.2 基於Bayes理論的融合方法

4.3 基於Bayes融合法的多源遙感影像分類

4.3.1 成像模型

4.3.2 上下文關係模型

4.3.3 融合模型

4.4 試驗與分析

4.5 本章小結

第5章 基於Dempster-Shafer理論的信息融合及其應用

5.1 Dempster-Shafer證據理論簡介

5.1.1 Dempster-Sharer證據理論要點

5.1.2 Bayes理論與證據理論的比較

5.2 基於Dempster-Shafer的信息融合原理

5.3 基於Dempster-Shafer融合法的影像紋理分類

5.3.1 紋理特徵提取

5.3.2 在影像紋理識別中的應用

5.4 試驗與分析

5.5 本章小結

第6章 基於BP神經網絡的多源遙感影像分類方法

6.1 概述

6.2 BP神經網絡模型

6.2.1 神經元

6.2.2 感知器與最小均方學習算法

6.2.3 BP學習算法及其特點

6.2.4 標準BP學習算法的改進

6.3 基於BP神經網絡的多源遙感影像分類方法

6.3.1 BP神經網絡的構造與實現

6.3.2 基於模糊融合的多源遙感影像分類

6.3.3 基於改進BP神經網絡的多源遙感影像融合分類

6.3.4 基於改進BP神經網絡的多源遙感影像分類融合

6.4 試驗與分析

6.5 本章小結

參考文獻