面向?qū)ο蟮倪b感圖像森林分類研究與應(yīng)用

定　價：￥50.00

作　者：	李春干著
出版社：	中國林業(yè)出版社
叢編項：
標　簽：	林業(yè)

購買這本書可以去

ISBN：	9787503857331	出版時間：	2009-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	163	字數(shù)：

內(nèi)容簡介

　　本書以改善SPOT5圖像森林分類精度為目的，從圖像預處理、圖像分割、ETM+輔助數(shù)據(jù)的應(yīng)用、對象的光譜和紋理特征提取與篩選、多分類器分類與結(jié)合等整個流程進行了全面的、系統(tǒng)的和綜合的探索和研究。并以森林資源規(guī)則設(shè)計調(diào)查應(yīng)用為目的，介紹了通過SPOT5圖像分割自動提取小班邊界的技術(shù)方法，以及基于規(guī)則分類的航空遙感圖像森林/土地利用/覆蓋分類方法。主要研究內(nèi)容包括：林區(qū)GPS控制網(wǎng)的建立和基于該網(wǎng)采集地面控制點進行遙感圖像幾何精校正的方法，圖像融合、正射校正、圖像增強、彩色合成；圖像分割、基于規(guī)則的分類和基于分類的分割等。

作者簡介

　　李春干，研究員、教授級高級工程師、博士。1983年畢業(yè)于廣西大學林學院林學專業(yè)，后獲南京林業(yè)大學森林經(jīng)理專業(yè)碩士學位、北京林業(yè)大學森林經(jīng)理專業(yè)林業(yè)遙感方向博士學位。2006年5月至2007年8月在美國PURDuE大學林業(yè)和自然資源系作訪問學者?，F(xiàn)為廣西林業(yè)勘測設(shè)計院總工程師。1983年至今，一直從事森林資源調(diào)查、動態(tài)監(jiān)測與管理的研究與開發(fā)工作，目前研究重點為“3S”技術(shù)在森林資源監(jiān)測與管理中的應(yīng)用。分別獲部省級科技進步二等獎1項，三等獎3項。以第一作者身份公開發(fā)表研究論文40余篇，其中EI收錄2篇。合作出版專著一部。是廣西“新世紀十百千人才工程”第二層次人選（2002218），廣西首批省級干部聯(lián)系、關(guān)護的專家，首屆廣西林業(yè)科技重獎個人獲得者。廣西大學兼職教授、碩士生導師。

圖書目錄

第1章　面向?qū)ο蟮膱D像分析方法與森林遙感分類研究進展
1.1　遙感圖像分類概述
1.2　面向?qū)ο蟮膱D像分析方法
1.3　遙感圖像森林分類研究現(xiàn)狀與趨勢
1.4　研究區(qū)域概況和數(shù)據(jù)源
1.5　面向?qū)ο蟮倪b感圖像森林分類總體思路
1.6　本章小結(jié)
參考文獻
第2章　SPOT5圖像預處理
2.1　數(shù)據(jù)預處理基本流程
2.2　林區(qū)GPS控制網(wǎng)的建立
2.3　幾何精校正和空間配準
2.4　圖像融合
2.5　正射校正
2.6　圖像增強
2.7　彩色合成
2.8　本章小結(jié)
參考文獻
第3章　圖像分割與基于規(guī)則的分類
3.1　圖像分割
3.2　基于規(guī)則的分類
3.3　基于分類的分割
3.4　圖像分割效果評價方法
3.5　結(jié)果分析與討論
3.6　本章小結(jié)
參考文獻
第4章　對象特征提取與篩選
4.1　對象特征提取
4.2　對象特征分析和正態(tài)性分布檢驗
4.3　對象特征篩選
4.4　結(jié)果分析與討論
4.5　本章小結(jié)
參考文獻
第5章　面向?qū)ο蟮亩喾诸惼鞣诸?br />5.1　分類方案確定
5.2　訓練樣地選取
5.3　最小距離分類器
5.4　馬氏距離分類器
5.5　Bayes分類器
5.6　模糊分類器
5.7　支持向量機分類器
5.8　討論
5.9　本章小結(jié)
參考文獻
第6章　多分類器結(jié)合
6.1　標準的多分類器結(jié)合方法
6.2　模糊融合方法
6.3　投票法與模糊融合相結(jié)合方法
6.4　結(jié)果分析與討論
6.5　本章小結(jié)
參考文獻
第7章　基于SPOT5圖像分割的森林小班邊界自動提取
7.1　研究區(qū)域概況和數(shù)據(jù)源
7.2　小班邊界自動提取方法
7.3　圖像分割結(jié)果與分析
7.4　討　論
7.5　本章小結(jié)
參考文獻
第8章　面向?qū)ο蟮暮娇者b感圖像土地利用/覆蓋分類
8.1　試驗區(qū)概況及試驗數(shù)據(jù)
8.2　圖像分割
8.3　特征檢測和基于規(guī)則的分類
8.4　結(jié)果分析與討論
8.5　本章小結(jié)
參考文獻
附表1　最小距離分類混淆矩陣_0312new第三級
附表2　最小距離分類混淆矩陣_noTM第三級
附表3　最小距離分類混淆矩陣_WithTM第三級
附表4　馬氏距離分類器混淆矩陣_0312new第三級
附表5　馬氏距離分類器混淆矩陣__noTM第三級
附表6　馬氏距離法分類混淆矩陣_withTM第三級
附表7　Bayes準則分類混淆矩陣_0312new第三級
附表8　Bayes準則分類混淆矩陣_notM第三級
附表9　Bayes準則分類混淆矩陣_withTM第三級
附表10　模糊分類混淆矩陣_0312new第三級
附表11　模糊分類混淆矩陣_noTM第三級
附表12　模糊分類混淆矩陣_withTM第三級
附表13　支持向量機分類混淆矩陣_0312new第三級
附表14　支持向量機分類混淆矩陣_noM第三級
附表15　支持向量機分類混淆矩陣_withTM第三級
附表16　方案0312new分類器融合結(jié)果表——投票/模糊法
附表17　方案noTM分類器融合結(jié)果表——投票法
附表18　方案noTM分類器融合結(jié)果表——Bayesian平均法
附表19　方案noTM分類器融合結(jié)果表——模糊法
附表20　方案noTM分類器融合結(jié)果表——投票/模糊法
附表21　方案withTM分類器融合結(jié)果——投票/模糊法
附表22　方案noTM各類型對象特征值的變動系數(shù)
附表23　方案withTM各類型對象特征值的變動系數(shù)
附表24　方案noTM各類型間的歐氏距離
附表25　方案withTM各類型間的歐氏距離
附圖1　原始圖像
（1）SPOT5圖像，R/G/B=4/2/1
（2）Landsat7：ETM+圖像，R/G/B=5/4/3
附圖2　各方案的Bayes分類器分類結(jié)果（全圖）
（1）方案0312new的Bayes分類器分類結(jié)果
（2）方案noTM的Bayes分類器分類結(jié)果
（3）方案withTM的Bayes分類器分類結(jié)果
附圖3　各方案的第三級分類的Bayes分類器分類結(jié)果比較（局部）