Optical Remote Sensing: Advances in Signal Processing and Exploitation Techniques

ویرایش: 1 
نویسندگان: Saurabh Prasad,  Lori M. Bruce,  Jocelyn Chanussot (auth.),  Saurabh Prasad,  Lori M. Bruce,  Jocelyn Chanussot (eds.)  
سری: Augmented Vision and Reality 3 
ISBN (شابک) : 3642142117, 9783642142116 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2011 
تعداد صفحات: 351 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت 

قیمت کتاب (تومان) : 43,000



سنجش از دور نوری شامل جمع‌آوری و تجزیه و تحلیل داده‌های نوری است - تشعشعات الکترومغناطیسی که توسط روش سنجش پس از انعکاس یک منطقه مورد نظر روی زمین گرفته می‌شود. روش‌های دریافت تصویر نوری راه طولانی را طی کرده‌اند - از تصاویر فتوگرامتری در مقیاس خاکستری تا تصاویر فراطیفی. پیشرفت‌ها در سخت‌افزار تصویربرداری در دهه‌های اخیر، امکان دسترسی به تصاویر با وضوح فضایی، طیفی و زمانی بالا را برای تحلیلگر سنجش از دور فراهم کرده است. این پیشرفت ها چالش های منحصر به فردی را برای محققان در جامعه سنجش از دور ایجاد کرده است که بر روی الگوریتم هایی برای نمایش، بهره برداری و تجزیه و تحلیل چنین داده هایی کار می کنند.

سیستم‌های سنجش از راه دور نوری اولیه بر حسگرهای چند طیفی متکی بودند که با تعداد کمی از باندهای طیفی گسترده مشخص می‌شوند. اگرچه حسگرهای چند طیفی هنوز توسط تحلیلگران استفاده می‌شوند، در سال‌های اخیر، جامعه سنجش از دور شاهد تغییر مداوم به سمت حسگرهای فراطیفی بوده است که با صدها باند طیفی ثبت شده با وضوح خوب مشخص می‌شوند، به عنوان فناوری حسگر نوری غالب. چنین داده‌هایی این پتانسیل را دارند که پدیدارشناسی زیربنایی را همانطور که توسط ویژگی‌های طیفی توصیف می‌شود به دقت آشکار کنند. این «بسط» از تصویربرداری چند طیفی به ابرطیفی به این معنی نیست که تکنیک‌های پردازش و بهره‌برداری سیگنال را می‌توان به سادگی مقیاس‌بندی کرد تا ابعاد اضافی در داده‌ها را تطبیق دهد. این کتاب پیشرفته ترین الگوریتم های پردازش و بهره برداری سیگنال را ارائه می کند که به سه چالش کلیدی در زمینه سنجش از دور نوری مدرن می پردازد: (1) نمایش و تجسم داده های با ابعاد بالا برای انتقال، ذخیره سازی و تفسیر کارآمد و قابل اعتماد. (2) طبقه بندی الگوی آماری برای طبقه بندی پوشش زمین قوی، تشخیص هدف و عدم اختلاط پیکسل. (3) ادغام داده‌های چند حسگر برای بهره‌برداری مؤثر از منابع متعدد اطلاعات برای تجزیه و تحلیل.

Optical remote sensing involves acquisition and analysis of optical data – electromagnetic radiation captured by the sensing modality after reflecting off an area of interest on ground. Optical image acquisition modalities have come a long way – from gray-scale photogrammetric images to hyperspectral images. The advances in imaging hardware over recent decades have enabled availability of high spatial, spectral and temporal resolution imagery to the remote sensing analyst. These advances have created unique challenges for researchers in the remote sensing community working on algorithms for representation, exploitation and analysis of such data.

Early optical remote sensing systems relied on multispectral sensors, which are characterized by a small number of wide spectral bands. Although multispectral sensors are still employed by analysts, in recent years, the remote sensing community has seen a steady shift to hyperspectral sensors, which are characterized by hundreds of fine resolution co-registered spectral bands, as the dominant optical sensing technology. Such data has the potential to reveal the underlying phenomenology as described by spectral characteristics accurately. This “extension” from multispectral to hyperspectral imaging does not imply that the signal processing and exploitation techniques can be simply scaled up to accommodate the extra dimensions in the data. This book presents state-of-the-art signal processing and exploitation algorithms that address three key challenges within the context of modern optical remote sensing: (1) Representation and visualization of high dimensional data for efficient and reliable transmission, storage and interpretation; (2) Statistical pattern classification for robust land-cover-classification, target recognition and pixel unmixing; (3) Fusion of multi-sensor data to effectively exploit multiple sources of information for analysis.

Front Matter....Pages i-viii
Introduction....Pages 1-8
Hyperspectral Data Compression Tradeoff....Pages 9-29
Reconstructions from Compressive Random Projections of Hyperspectral Imagery....Pages 31-48
Integrated Sensing and Processing for Hyperspectral Imagery....Pages 49-64
Color Science and Engineering for the Display of Remote Sensing Images....Pages 65-79
An Evaluation of Visualization Techniques for Remotely Sensed Hyperspectral Imagery....Pages 81-98
A Divide-and-Conquer Paradigm for Hyperspectral Classification and Target Recognition....Pages 99-122
The Evolution of the Morphological Profile: from Panchromatic to Hyperspectral Images....Pages 123-146
Decision Fusion of Multiple Classifiers for Vegetation Mapping and Monitoring Applications by Means of Hyperspectral Data....Pages 147-170
A Review of Kernel Methods in Remote Sensing Data Analysis....Pages 171-206
Exploring Nonlinear Manifold Learning for Classification of Hyperspectral Data....Pages 207-234
Recent Developments in Endmember Extraction and Spectral Unmixing....Pages 235-267
Change Detection in VHR Multispectral Images: Estimation and Reduction of Registration Noise Effects....Pages 269-299
Effects of the Spatial Enhancement of Hyperspectral Images on the Distribution of Spectral Classes....Pages 301-327
Fusion of Optical and SAR Data for Seismic Vulnerability Mapping of Buildings....Pages 329-341