第一篇 对地观测传感器成像系统与模型
第1章 遥感平台与成像系统
1.1 遥感平台的种类及轨道特点
1.1.1 遥感平台的种类
1.1.2 遥感平台的轨道特点
1.2 传感器
1.2.1 传感器的结构
1.2.2 传感器的分类
1.3 摄影成像类传感器
1.3.1 框幅式摄影机
1.3.2 缝隙式摄影机
1.3.3 全景式摄影机
1.3.4 多光谱摄影机
1.4 扫描成像类传感器
1.4.1 垂直航迹扫描相机
1.4.2 沿航迹扫描相机
1.4.3 成像光谱仪
1.5 合成孔径雷达
第2章 对地观测成像模型与降质模型
2.1 遥感图像成像模型
2.1.1 遥感与电磁波理论
2.1.2 地物波谱特性及其变化规律
2.1.3 遥感图像成像数学模型
2.2 遥感图像分辨率
2.2.1 空间分辨率
2.2.2 光谱分辨率
2.2.3 时相分辨率
2.2.4 辐射分辨率
2.2.5 角分辨率
2.3 遥感图像降质因素
2.3.1 传感器降晰因素
2.3.2 地物目标影响因素
2.3.3 图像获取过程的外部干扰因素
2.4 观测模型及数学描述
2.4.1 观测模型
2.4.2 数学描述
第二篇 质量提升理论基础与遥感图像模型
第3章 稀疏表征与压缩感知
3.1 压缩感知理论
3.2 小波与滤波器组
3.3 稀疏字典
第4章 随机场理论
4.1 随机过程
4.1.1 随机过程的基本概念
4.1.2 随机过程的有限维分布函数族
4.1.3 随机过程的数字特征
4.1.4 随机过程的特征函数
4.2 高斯过程
4.2.1 平稳高斯过程概述
4.2.2 平稳高斯过程的核函数
4.2.3 各向同性与各向异性核函数
4.2.4 非平稳核函数
4.3 马尔可夫过程
4.3.1 马尔可夫过程的概念
4.3.2 马尔可夫过程的有限维分布族
第5章 变分与偏微分方程
5.1 变分原理
5.2 各向异性扩散
5.2.1 加权梯度散度
5.2.2 常见的权重函数
5.3 Mumford-Shah泛函
5.4 张量与多维数据
5.4.1 张量概念
5.4.2 多维数据
第6章 卷积神经网络与深度学习模型
6.1 卷积神经网络
6.1.1 基础操作与基础单元
6.1.2 高效卷积运算
6.1.3 随机或无监督特征
6.1.4 卷积神经网络的神经科学基础
6.1.5 卷积神经网络与深度学习历史
6.2 循环和递归神经网络
6.2.1 循环神经网络
6.2.2 双向循环神经网络
6.2.3 深度循环神经网络
6.2.4 递归神经网络
6.2.5 长期依赖挑战
6.2.6 渗透单元与其他多时间尺度策略
6.2.7 长短时记忆与其他门控循环神经网络
6.3 自编码器
6.3.1 欠完备自编码器
6.3.2 正则自编码器
6.3.3 表征能力、层的大小和深度
6.4 深度生成模型
6.4.1 玻尔兹曼机与受限玻尔兹曼机
6.4.2 深度置信网络
6.4.3 深度玻尔兹曼机
6.4.4 有向生成网络
第7章 边缘保持型滤波
7.1 双边滤波
7.2 引导滤波
7.3 均值漂移
7.4 加权最小二乘滤波
第三篇 遥感数据质量提升方法
第8章 遥感图像噪声去除
8.1 高光谱图像条带噪声去除
8.1.1 矩匹配方法
8.1.2 改进的矩匹配方法
8.2 SAR图像斑点噪声去除
8.2.1 Forst滤波
8.2.2 Kuan滤波
8.2.3 Lee滤波
8.2.4 Gamma Map滤波
8.3 常见加性去噪方法
8.3.1 全变分
8.3.2 小波
8.3.3 双边滤波
8.3.4 三维块匹配滤波
8.3.5 低秩
8.3.6 图像块似然对数期望
8.3.7 稀疏表征
8.4 同步噪声理论
8.4.1 基于同步噪声选择非线性扩散的停止时间
8.4.2 基于同步噪声优化的非局部平均去噪
第9章 遥感图像薄云去除
9.1 基于大气散射模型的方法
9.1.1 暗通道先验法
9.1.2 颜色衰减先验法
9.1.3 基于卷积神经网络的介质传播图获取
9.2 光谱混合分析
9.3 滤波方法
9.3.1 同态滤波
9.3.2 小波变换
9.4 薄云最优化变换方法
第10章 遥感图像阴影检测与去除
10.1 阴影概述
10.1.1 阴影的属性
10.1.2 阴影的利弊
10.2 阴影检测方法
10.2.1 基于物理模型的方法
10.2.2 基于颜色空间模型的方法
10.2.3 基于阈值分割的方法
10.2.4 基于种子区域生长的方法
10.2.5 基于几何模型的方法
10.2.6 阴影检测方法对比
10.3 阴影去除方法
10.3.1 基于颜色恒常性的方法
10.3.2 基于Retinex图像的方法
10.3.3 基
展开
