多源多时相卫星遥感图像数据融合与应用研究PDF|Epub|txt|kindle电子书版本网盘下载

多源多时相卫星遥感图像数据融合与应用研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 绪论1

1.1 研究的目的和意义1

1.2 国内外研究现状及有待解决的问题2

1.2.1 SAR图像斑点噪声的抑制2

1.2.2 星载SAR图像信息的提取3

1.2.3 TM图像与星载SAR图像的多源多时相融合3

1.2.4 卫星遥感的城市应用研究4

1.3 主要研究内容及技术方法5

2 地球资源卫星遥感图像的获取及特性7

2.1 陆地卫星（Landsat）系列7

2.1.1 传感器7

2.1.2 陆地卫星的轨道与覆盖10

2.1.3 陆地卫星图像的特性12

2.2 地球观测实验卫星（SPOT）系列15

2.2.1 SPOT卫星的轨道特征15

2.2.2 SPOT卫星传感器的主要特征16

2.3 中巴地球资源卫星（CBERS）18

2.3.1 概述18

2.3.2 CBERS—1的轨道特征18

2.3.3 CBERS—1传感器19

2.3.4 CBERS—1主要产品19

2.4 高分辨率地球资源卫星（IKONOS）19

2.4.1 轨道特征20

2.4.2 传感器20

2.4.3 主要产品20

2.5 加拿大雷达卫星（Radarsat）20

2.5.1 侧视雷达的基本工作原理21

2.5.2 雷达波长21

2.5.3 侧视雷达图像的地面分辨率22

2.5.4 Radarsat简介及数据获取特点24

3 星载SAR图像斑点噪声的抑制26

3.1 雷达散射特性26

3.1.1 后向散射系数26

3.1.2 雷达图像强度26

3.2 星载SAR图像斑点噪声的形成机理27

3.2.1 SAR图像斑点噪声的形成机理27

3.2.2 SAR图像斑点噪声的统计特性27

3.2.3 SAR图像中的噪声模型30

3.3 小波变换与小波分析的基本理论31

3.3.1 小波理论及其应用简述31

3.3.2 小波变换32

3.4 利用小波变换抑制SAR图像的斑点噪声40

3.4.1 噪声抑制滤波方法40

3.4.2 小波分解SAR图像中斑点噪声贡献的分析42

3.4.3 SAR图像噪声抑制的理论和算法43

3.4.4 实验分析45

3.5 基于小波包分解的SAR图像斑点噪声滤除48

3.5.1 小波包的概念和性质48

3.5.2 信号的小波包分解与分析49

3.5.3 实验分析51

3.6 小结54

4 星载SAR图像信息提取55

4.1 SAR图像预处理56

4.2 SAR图像的地物遥感信息机理分析与解译58

4.2.1 SAR图像成像的几何特点58

4.2.2 雷达图像的信息特征59

4.2.3 地物后向散射特性与雷达图像的目视解译60

4.3 SAR图像的纹理信息提取64

4.3.1 纹理的概念与雷达图像纹理信息的特点64

4.3.2 SAR图像中纹理信息提取的方法65

4.4 利用神经网络分类法进行图像监督分类74

4.4.1 遥感图像分类方法概述74

4.4.2 利用BP神经网络进行图像分类74

4.5 基于小波纹理信息的SAR图像分类研究78

4.5.1 基于小波纹理信息提取的SAR图像分类算法79

4.5.2 实验分析79

4.5.3 精度评定80

4.6 小结82

5 SAR图像与TM图像的数据融合83

5.1 概述83

5.1.1 遥感图像融合的概念和意义83

5.1.2 多源遥感数据融合方法85

5.2 SAR图像与TM图像的特点87

5.2.1 遥感方式、成像机理不同87

5.2.2 图像的信息特点不同87

5.2.3 图像空间分辨率的含义不同89

5.2.4 图像的判读因素、解译标志不同90

5.3 SAR图像与TM图像的数据融合91

5.3.1 彩色变换法91

5.3.2 小波变换法94

5.4 融合图像分析98

5.5 融合图像的质量评价99

5.6 Landsat-7卫星多光谱图像与全色图像的数据融合103

5.6.1 Landsat-7数据简介及多光谱图像波段的选择104

5.6.2 实验结果与分析104

5.7 小结108

6 多源多时相卫星遥感的煤炭城市应用109

6.1 概述109

6.1.1 城市化与城市扩展109

6.1.2 煤矿区的地表塌陷灾害110

6.1.3 研究区概况111

6.2 图像的预处理112

6.2.1 TM图像的几何纠正112

6.2.2 TM图像的大气校正115

6.2.3 图像间的配准116

6.2.4 同种传感器不同时相遥感图像的标准化116

6.3 煤矿区地表塌陷的监测118

6.3.1 监测方法概述118

6.3.2 煤矿区概况120

6.3.3 植被指数差值法120

6.3.4 影像复合法监测煤矿区的地表塌陷121

6.4 多源多时相遥感图像在城市扩展监测中的应用123

6.4.1 卫星遥感的城市影像特征123

6.4.2 图像的监督分类124

6.4.3 变化信息的提取127

6.5 对徐州市发展规划的建议128

6.5.1 徐州市城市扩展概况128

6.5.2 实现徐州市可持续发展的对策130

6.6 小结131

7 基于遥感的徐州市城市扩展及驱动力分析132

7.1 研究区概况132

7.2 主要数据源132

7.3 遥感图像信息提取132

7.3.1 多时相遥感图像变化监测方法的选择133

7.3.2 神经网络分类法提取遥感图像的信息133

7.4 城市扩展分析136

7.4.1 各行政区城市扩展的差异136

7.4.2 城市扩展侵占的土地类型及数量137

7.4.3 城市扩展的空间特征139

7.4.4 城市扩展的驱动力分析140

7.5 结论142

8 基于遥感的徐州市土地利用时空变化分析143

8.1 研究区概况143

8.2 研究方法143

8.2.1 数据源143

8.2.2 图像处理143

8.2.3 土地利用类型的划分144

8.2.4 土地利用变化指数模型的选择144

8.3 结果与分析146

8.3.1 徐州市土地利用结构动态变化信息146

8.3.2 单个土地利用类型面积变化的变化率分析147

8.3.3 土地利用动态转移矩阵148

8.3.4 土地利用程度变化151

8.3.5 土地利用动态度151

8.3.6 土地利用变化类型的多度和重要度指数152

8.3.7 徐州市土地利用变化的空间特征153

8.4 土地利用时空变化的驱动力分析155

8.4.1 建设用地增长的驱动力分析155

8.4.2 煤炭资源的开采和加工是徐州市土地利用变化的原因之一155

8.5 小结156

9 结论与展望157

参考文献159

附录171