衛(wèi)星高光譜遙感農(nóng)作物分類研究（精）

定　價(jià)：￥50.00

作　者：	王迪，張影，田甜，曾妍著
出版社：	中國農(nóng)業(yè)科學(xué)技術(shù)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787511655370	出版時(shí)間：	2021-10-01	包裝：	精裝
開本：	16開	頁數(shù)：	132	字?jǐn)?shù)：

內(nèi)容簡介

　　本書依據(jù)作者承擔(dān)的中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)遙感創(chuàng)新團(tuán)隊(duì)基金項(xiàng)目的研究成果撰寫而成。以往利用星載多光譜遙感影像在我國種植結(jié)構(gòu)復(fù)雜、地塊分散破碎地區(qū)開展農(nóng)作物分類時(shí)精度普遍偏低，而衛(wèi)星高光譜遙感影像因具有光譜分辨率高、光譜信息豐富等優(yōu)點(diǎn)，在復(fù)**植區(qū)的農(nóng)作物精細(xì)分類領(lǐng)域具有較高的使用價(jià)值和應(yīng)用潛力。然而，由于衛(wèi)星高光譜遙感影像空間分辨率較低、特征空間維數(shù)高、波段間相關(guān)性強(qiáng)、運(yùn)算時(shí)間長等不足，嚴(yán)重阻礙了衛(wèi)星高光譜遙感技術(shù)在上述區(qū)域的進(jìn)一步推廣應(yīng)用，影響了我國分布廣泛的復(fù)**植結(jié)構(gòu)區(qū)農(nóng)作物遙感監(jiān)測的準(zhǔn)確性和時(shí)效性。鑒于此，選取河北省廊坊市廣陽區(qū)為典型研究區(qū)，采用國產(chǎn)GF-5衛(wèi)星AHSI高光譜影像進(jìn)行玉米、花生、紅薯等10余種農(nóng)作物的精細(xì)分類研究，聯(lián)合GF-1衛(wèi)星PMS全色影像，比較了各種融合方法的影像質(zhì)量，優(yōu)選出適合衛(wèi)星高光譜遙感的影像融合方法；定量評(píng)價(jià)了多種波段選擇與特征提取方法，提出適合衛(wèi)星高光譜遙感農(nóng)作物精細(xì)分類的關(guān)鍵波段與特征，優(yōu)選出農(nóng)作物高光譜遙感分類算法，旨在為實(shí)現(xiàn)復(fù)**植結(jié)構(gòu)區(qū)的農(nóng)作物精細(xì)分類提供解決途徑。全書共七章，主要內(nèi)容包括：第一章農(nóng)作物高光譜遙感分類的研究現(xiàn)狀與存在問題分析；第二章研究區(qū)與數(shù)據(jù)源介紹；第三章高光譜圖像融合方法研究；第四章面向農(nóng)作物分類的高光譜圖像降維方法研究；第五章面向高光譜遙感的農(nóng)作物分類算法優(yōu)選研究；第六章不同遙感數(shù)據(jù)源的農(nóng)作物分類精度評(píng)價(jià)；第七章結(jié)論與展望。本書具有較強(qiáng)的系統(tǒng)性、創(chuàng)新性和實(shí)用性，可供從事農(nóng)業(yè)遙感、高光譜遙感、農(nóng)業(yè)農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查、地學(xué)、生態(tài)、環(huán)境等領(lǐng)域的科研與技術(shù)人員以及高等院校相關(guān)專業(yè)師生參考使用。

作者簡介

暫缺《衛(wèi)星高光譜遙感農(nóng)作物分類研究（精）》作者簡介

圖書目錄

第一章緒論
第一節(jié) 研究背景及意義
第二節(jié) 國內(nèi)外研究進(jìn)展
一、面向農(nóng)作物分類的高光譜遙感數(shù)據(jù)源研究進(jìn)展
二、高光譜圖像融合方法研究進(jìn)展
三、高光譜數(shù)據(jù)降維方法研究進(jìn)展
四、農(nóng)作物高光譜遙感分類算法研究進(jìn)展
五、當(dāng)前研究不足
第三節(jié) 研究思路及研究內(nèi)容
一、研究思路
二、研究內(nèi)容
第四節(jié) 技術(shù)路線及研究框架
一、技術(shù)路線
二、研究框架
第二章研究區(qū)及數(shù)據(jù)
第一節(jié) 研究區(qū)概況
第二節(jié) 數(shù)據(jù)收集與處理
一、高光譜衛(wèi)星遙感影像
二、多光譜衛(wèi)星遙感影像
三、樣本地面調(diào)查數(shù)據(jù)
四、光譜野外觀測數(shù)據(jù)及預(yù)處理
第三章高光譜圖像融合方法研究
第一節(jié) 緒論
一、基于全色銳化圖像融合
二、基于成像模型圖像融合
三、基于深度網(wǎng)絡(luò)圖像融合
四、融合圖像指標(biāo)
第二節(jié) 融合影像的收集與預(yù)處理
第三節(jié) 影像融合方法
一、GS（Gram-Schmidt）法
二、IHS（Intensity Hue Saturation）變換法
三、Brovey 變換法
四、PCA（Principal Components Analysis）變換法
五、諧波分析法
六、改進(jìn)PCA變換法
第四節(jié) 融合圖像的質(zhì)量評(píng)價(jià)
第五節(jié) 不同融合方法下的高光譜圖像質(zhì)量比較
一、基于視覺分析的高光譜圖像融合質(zhì)量對(duì)比
二、基于不同評(píng)價(jià)指標(biāo)的高光譜圖像融合質(zhì)量比較
第六節(jié) 本章小結(jié)
第四章面向農(nóng)作物分類的高光譜圖像降維方法研究
第一節(jié) 緒論
一、波段選擇
二、特征提取
第二節(jié) 面向農(nóng)作物分類的高光譜圖像波段選擇方法
一、波段初選
二、面向農(nóng)作物的高光譜影像波段優(yōu)選方法
第三節(jié) 面向農(nóng)作物分類的高光譜影像特征挖掘方法
一、高光譜影像特征提取
二、高光譜影像特征優(yōu)選方法
第四節(jié) 結(jié)果與分析
一、典型地物的反射光譜特征分析
二、不同算法下的高光譜影像波段選擇結(jié)果比較
三、不同算法下的高光譜影像特征優(yōu)選結(jié)果比較
第五節(jié) 本章小結(jié)
第五章面向高光譜遙感的農(nóng)作物分類算法優(yōu)選研究
第一節(jié) 面向高光譜遙感的農(nóng)作物分類算法設(shè)計(jì)
一、支持向量機(jī)（SVM）法
二、隨機(jī)森林（RF）法
三、最大似然（MLC）法
第二節(jié) 農(nóng)作物分類精度評(píng)價(jià)
第三節(jié) 不同算法下的農(nóng)作物高光譜遙感分類精度比較
第四節(jié) 本章小結(jié)
第六章不同遙感數(shù)據(jù)源的農(nóng)作物分類精度評(píng)價(jià)
第一節(jié) 高光譜遙感的農(nóng)作物分類
一、樣本數(shù)據(jù)
二、分類特征
三、分類算法
第二節(jié) 多光譜遙感的農(nóng)作物分類
一、樣本數(shù)據(jù)
二、分類特征提取
三、分類算法
第三節(jié) 農(nóng)作物分類精度評(píng)價(jià)
第四節(jié) 不同遙感數(shù)據(jù)源的農(nóng)作物分類精度比較
第五節(jié) 本章小結(jié)
第七章結(jié)論與展望
第一節(jié) 結(jié)論
第二節(jié) 展望
參考文獻(xiàn)
附件主要符號(hào)對(duì)照表