高分辨率遥感图像理解

　　近年来，随着对地观测手段的进步，传统的遥感图像处理方法体现出一定的局限性。遥感图像理解作为一个涉及图像工程、计算机视觉和认知心理等诸多学科领域的新热点，能有效提高遥感信息处理的时效性和准确性，特别是在高分辨率遥感图像数据向有价值信息转化的应用中具有广阔的前景。《高分辨率遥感图像理解》针对高分辨率遥感图像的特性，给出了高分辨率遥感图像理解的定义，逐步阐述了特征信息提取和统计学习模型，以此作为整个高分辨率遥感图像理解任务的方法基础；随后从高分辨率遥感图像理解的研究内容入手，分别介绍了目标检测与识别、场景描述与分类、图像语义分析与计算这三个子任务，在每一子任务中，《高分辨率遥感图像理解》均详细叙述了最新的研究成果及其具体的算法流程；最后，书中给出了有效的应用实例，并对高分辨率遥感图像理解未来的发展做了展望。

暂缺《高分辨率遥感图像理解》作者简介

前言
第1章 绪论
1.1 遥感技术发展概况
1.1.1 遥感成像机理
1.1.2 遥感观测系统
1.1.3 遥感技术发展现状及趋势
1.2 高分辨率遥感图像的特点
1.3 高分辨率遥感应用的挑战
1.4 遥感图像理解的基本概念
1.4.1 图像理解
1.4.2 遥感图像理解的研究进展
1.4.3 高分辨率遥感图像理解
1.5 遥感图像理解的研究内容
1.5.1 地物目标检测与识别
1.5.2 图像场景描述与分类
1.5.3 目标空间语义分析与计算
1.6 遥感图像理解的研究方法
1.6.1 图像特征信息表达
1.6.2 统计学习模型方法
参考文献
第2章 特征信息表达
2.1 图像信息表达
2.1.1 图像数据结构
2.1.2 知识信息表示
2.1.3 多尺度空间
2.1.4 尺度计算与转换
2.2 图像特征提取
2.2.1 颜色特征提取
2.2.2 纹理特征提取
2.2.3 形状特征提取
2.2.4 感兴趣点特征提取
2.3 性能评判准则
2.3.1 特征有效性分析
2.3.2 分类性能评价
参考文献
第3章 统计学习模型
3.1 判别式模型
3.1.1 SVM模型
3.1.2 Boosting方法
3.1.3 CRF模型
3.2 产生式模型
3.2.1 图模型相关理论
3.2.2 主题语义模型
3.2.3 标记点过程模型
3.3 产生式和判别式混合模型
3.3.1 混合算法
3.3.2 混合学习
参考文献
第4章 精细化目标检测与识别
4.1 遥感图像前背景分割
4.1.1 基于图割模型的遥感图像交互式分割
4.1.2 基于高斯混合模型的遥感图像目标分割
4.2 精细化遥感目标检测
4.2.1 基于Boosting级联学习的遥感目标检测
4.2.2 基于随机几何模型的遥感目标检测
4.2.3 基于主题语义模型的遥感目标提取
4.3 精细化遥感目标识别
4.3.1 基于区域对象概率标记的遥感目标识别
4.3.2 基于形状统计模型的遥感目标识别
4.3.3 基于语义树匹配学习的遥感目标识别
参考文献
第5章 复杂场景描述与分类
5.1 复杂场景的分层描述
5.1.1 低层图像场景描述
5.1.2 中层图像场景描述
5.2 高分辨率遥感图像场景分类
……
第6章 空间语义分析与计算
第7章 高分辨率遥感图像理解的应用实例
参考文献