Hyperspectral Data Processing: Algorithm Design and Analysis

دسته بندی: سازمان و پردازش داده ها
ویرایش:  
نویسندگان: Chein?I Chang(auth.)  
سری:  
ISBN (شابک) : 9780471690566, 9781118269787 
ناشر:  
سال نشر: 2013 
تعداد صفحات: 1151 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 47 مگابایت 

قیمت کتاب (تومان) : 41,000



پردازش داده های فراطیفی: طراحی و تجزیه و تحلیل الگوریتم نتیجه تحقیقات انجام شده در آزمایشگاه پردازش تصویر و سیگنال سنجش از دور (RSSIPL) در دانشگاه مریلند، شهرستان بالتیمور است. به طور خاص، پردازش تصویر فراطیفی و پردازش سیگنال فراطیفی را به عنوان موضوعات جداگانه در دو دسته مختلف مورد بررسی قرار می دهد. بیشتر مطالبی که در این کتاب پوشش داده می‌شوند را می‌توان همراه با اولین کتاب نویسنده، تصویربرداری فراطیفی: تکنیک‌هایی برای تشخیص و طبقه‌بندی طیفی، بدون هم‌پوشانی زیاد استفاده کرد.

نتایج بسیاری در این کتاب وجود دارد. یا جدید هستند یا در حوزه عمومی کاوش، ارائه یا منتشر نشده اند. اینها شامل جنبه‌های مختلف استخراج عضو انتهایی، آنالیز مخلوط طیفی خطی بدون نظارت، فشرده‌سازی اطلاعات فراطیفی، کدگذاری و مشخصه‌سازی سیگنال فراطیفی، و همچنین کاربردهایی برای پنهان کردن تشخیص هدف، تصویربرداری چند طیفی و تصویربرداری تشدید مغناطیسی است. پردازش داده های فراطیفیشامل هشت بخش اصلی است:

• بخش اول: مبانی پردازش داده های فراطیفی را ارائه می دهد
• بخش دوم: طرح های الگوریتم های مختلفی را برای عضو نهایی ارائه می دهد. استخراج
• بخش سوم: نظریه را برای تجزیه و تحلیل مخلوط طیفی خطی نظارت شده استخراج می کند
• بخش چهارم: روش های بدون نظارت را برای تجزیه و تحلیل تصویر فراطیفی طراحی می کند
• بخش پنجم: مفاهیم جدید را بررسی می کند فشرده‌سازی اطلاعات فراطیفی
• بخش‌های VI و VII: تکنیک‌هایی را برای کدگذاری و مشخصه‌سازی سیگنال فراطیفی توسعه می‌دهد
• بخش هشتم: کاربردهایی را در تصویربرداری چند طیفی و تصویربرداری تشدید مغناطیسی ارائه می‌کند.

پردازش داده های فراطیفی مجموعه الگوریتمی را با کدهای MATLAB در یک ضمیمه گردآوری می کند تا به خوانندگان کمک کند تا بسیاری از الگوریتم های مهم توسعه یافته در این کتاب را پیاده سازی کنند و کدهای برنامه خود را بدون تکیه بر بسته های نرم افزاری بنویسند.

پردازش داده های فراطیفی یک مرجع ارزشمند برای کسانی است که چنین بوده اند en درگیر با تصویربرداری فراطیفی و تکنیک‌های آن، و همچنین کسانی که در این موضوع جدید هستند.

محتوا:
فصل 1 بررسی اجمالی و مقدمه (صفحات 1-30):
فصل 2 مبانی نمونه فرعی و ترکیبی تجزیه و تحلیل نمونه (صفحه های 33-62):
فصل 3؟ ویژگی های عملیاتی گیرنده سه بعدی (3D ROC) تجزیه و تحلیل (صفحات 63-100):
فصل 4 طراحی آزمایش های تصویر مصنوعی (صفحات 101-123): < br>فصل 5 ابعاد مجازی داده های فراطیفی (صفحات 124-167):
فصل 6 کاهش ابعاد داده ها (صفحه های 168-199):
فصل 7 الگوریتم های استخراج همزمان عضو انتهایی (SM?EEAs) (صفحه های 7-242) ):
الگوریتم‌های استخراج متوالی عضو انتهایی فصل 8 (SQ?EEAs) (صفحه‌های 241–264):
فصل 9 راه‌اندازی؟ الگوریتم‌های استخراج عضو انتهایی محور (ID?EEAs) (صفحه‌های 265-286):
فصل 10 الگوریتم استخراج تصادفی عضو نهایی (REEAs) (صفحات 287-315):
فصل 11 کاوش در روابط بین الگوریتم های استخراج عضو نهایی (صفحه های 316-349): فصل 12 طرح ریزی زیرفضای متعامد بازبینی شده (صفحات 355-390):
فصل 13 تجزیه و تحلیل مخلوط طیفی خطی فیشر (صفحات 391-410):
فصل 14 فراوانی وزنی؟ ):
فصل 15 تجزیه و تحلیل مخلوط طیفی خطی مبتنی بر هسته (صفحات 434-463):
فصل 16 اندازه گیری های فراطیفی (صفحات 469-482):
فصل 17 بدون نظارت خطی فراطیفی (صفحه253- تجزیه و تحلیل ترکیبی) ):
فصل 18 استخراج پیکسل و اطلاعات (صفحات 526-540):
فصل 19 بهره برداری؟ فشرده سازی داده های فراطیفی مبتنی بر (صفحات 545-580):
فصل 20 فرآیند ابعاد طیفی پیشرونده (صفحه های 521-6) ):
فصل 21 فرآیند ابعاد باند پیشرونده (صفحه های 613-663):
فصل 22 تخصیص ابعاد پویا (صفحه های 664-682):
فصل 23 انتخاب باند پیشرونده (صفحات 683-715):
فصل 24 کدگذاری باینری برای امضاهای طیفی (صفحات 719-740):
فصل 25 کدگذاری برداری برای امضاهای فراطیفی ures (صفحات 741-771):
فصل 26 کدگذاری پیشرونده برای امضاهای طیفی (صفحه های 772-796):
فصل 27 متغیر؟ متغیر عدد؟ انتخاب باند برای سیگنال های فراطیفی (صفحه های 799-819):
فصل 28 فیلتر کالمن؟ تخمین بر اساس سیگنال های فراطیفی (صفحه های 820-858):
فصل 29 نمایش موجک برای سیگنال های فراطیفی (صفحه های 859-875):
فصل 30 کاربردهای تشخیص هدف (صفحه های 8967):
فصل 31 بسط ابعاد غیرخطی به تصاویر چند طیفی (صفحات 897-919):
فصل 32 تصویربرداری تشدید مغناطیسی چندطیفی (صفحات 920-955):
فصل 33 نتیجه گیری (صفحه های 956-991):

Hyperspectral Data Processing: Algorithm Design and Analysis is a culmination of the research conducted in the Remote Sensing Signal and Image Processing Laboratory (RSSIPL) at the University of Maryland, Baltimore County. Specifically, it treats hyperspectral image processing and hyperspectral signal processing as separate subjects in two different categories. Most materials covered in this book can be used in conjunction with the author’s first book, Hyperspectral Imaging: Techniques for Spectral Detection and Classification, without much overlap.

Many results in this book are either new or have not been explored, presented, or published in the public domain. These include various aspects of endmember extraction, unsupervised linear spectral mixture analysis, hyperspectral information compression, hyperspectral signal coding and characterization, as well as applications to conceal target detection, multispectral imaging, and magnetic resonance imaging. Hyperspectral Data Processing contains eight major sections:

• Part I: provides fundamentals of hyperspectral data processing
• Part II: offers various algorithm designs for endmember extraction
• Part III: derives theory for supervised linear spectral mixture analysis
• Part IV: designs unsupervised methods for hyperspectral image analysis
• Part V: explores new concepts on hyperspectral information compression
• Parts VI & VII: develops techniques for hyperspectral signal coding and characterization
• Part VIII: presents applications in multispectral imaging and magnetic resonance imaging

Hyperspectral Data Processing compiles an algorithm compendium with MATLAB codes in an appendix to help readers implement many important algorithms developed in this book and write their own program codes without relying on software packages.

Hyperspectral Data Processing is a valuable reference for those who have been involved with hyperspectral imaging and its techniques, as well those who are new to the subject.

Content:
Chapter 1 Overview and Introduction (pages 1–30):
Chapter 2 Fundamentals of Subsample and Mixed Sample Analyses (pages 33–62):
Chapter 3 Three?Dimensional Receiver Operating Characteristics (3D ROC) Analysis (pages 63–100):
Chapter 4 Design of Synthetic Image Experiments (pages 101–123):
Chapter 5 Virtual Dimensionality of Hyperspectral Data (pages 124–167):
Chapter 6 Data Dimensionality Reduction (pages 168–199):
Chapter 7 Simultaneous Endmember Extraction Algorithms (SM?EEAs) (pages 207–240):
Chapter 8 Sequential Endmember Extraction Algorithms (SQ?EEAs) (pages 241–264):
Chapter 9 Initialization?Driven Endmember Extraction Algorithms (ID?EEAs) (pages 265–286):
Chapter 10 Random Endmember Extraction Algorithms (REEAs) (pages 287–315):
Chapter 11 Exploration on Relationships among Endmember Extraction Algorithms (pages 316–349):
Chapter 12 Orthogonal Subspace Projection Revisited (pages 355–390):
Chapter 13 Fisher's Linear Spectral Mixture Analysis (pages 391–410):
Chapter 14 Weighted Abundance?Constrained Linear Spectral Mixture Analysis (pages 411–433):
Chapter 15 Kernel?Based Linear Spectral Mixture Analysis (pages 434–463):
Chapter 16 Hyperspectral Measures (pages 469–482):
Chapter 17 Unsupervised Linear Hyperspectral Mixture Analysis (pages 483–525):
Chapter 18 Pixel Extraction and Information (pages 526–540):
Chapter 19 Exploitation?Based Hyperspectral Data Compression (pages 545–580):
Chapter 20 Progressive Spectral Dimensionality Process (pages 581–612):
Chapter 21 Progressive Band Dimensionality Process (pages 613–663):
Chapter 22 Dynamic Dimensionality Allocation (pages 664–682):
Chapter 23 Progressive Band Selection (pages 683–715):
Chapter 24 Binary Coding for Spectral Signatures (pages 719–740):
Chapter 25 Vector Coding for Hyperspectral Signatures (pages 741–771):
Chapter 26 Progressive Coding for Spectral Signatures (pages 772–796):
Chapter 27 Variable?Number Variable?Band Selection for Hyperspectral Signals (pages 799–819):
Chapter 28 Kalman Filter?Based Estimation for Hyperspectral Signals (pages 820–858):
Chapter 29 Wavelet Representation for Hyperspectral Signals (pages 859–875):
Chapter 30 Applications of Target Detection (pages 879–896):
Chapter 31 Nonlinear Dimensionality Expansion to Multispectral Imagery (pages 897–919):
Chapter 32 Multispectral Magnetic Resonance Imaging (pages 920–955):
Chapter 33 Conclusions (pages 956–991):