Remote Sensing Digital Image Analysis: An Introduction

Z......Page 0
Preface 5......Page 5
Contents\r......Page 8
Atmospheric windows, 1......Page 19
Radiometric resolution, 4......Page 22
push broom, 6......Page 24
Polarisation, 10......Page 28
Spatial data sources, 18......Page 36
Image scale, 19......Page 37
Neogeography, 20......Page 38
1.8 How This Book is Arranged 21......Page 39
1.9 Bibliography on Sources and Characteristics of Remote Sensing Image Data 23......Page 41
1.10 Problems 25......Page 43
radiometric, 27......Page 45
Transfer characteristic of a detector, 28......Page 46
Solar radiation curve, 31......Page 49
compensation, 32......Page 50
measured, 33......Page 51
effect on imagery, 37......Page 55
broad waveband systems, 38......Page 56
scaled, 40......Page 58
haze removal, 44......Page 62
sources, 47......Page 65
earth rotation effect, 48......Page 66
platform velocity effect, 50......Page 68
panoramic, 51......Page 69
S-bend, 53......Page 71
2.16 Geometric Distortion Caused by Instrumentation Characteristics 54......Page 72
correction, 56......Page 74
mathematical modelling, 64......Page 82
Registration image to image, 67......Page 85
71......Page 89
Zooming, 72......Page 90
2.23 Problems 73......Page 91
Photointerpretation, 79......Page 96
Quantitative analysis, 83......Page 100
Thematic mapping, 84......Page 101
spectral, 86......Page 103
parametric, 92......Page 109
unsupervised, 93......Page 110
3.8 Bibliography on Interpreting Images 94......Page 111
3.9 Problems 95......Page 112
Look up table (LUT), 99......Page 115
modification, 100......Page 116
uniform, 106......Page 122
Mosaicing, 114......Page 130
4.6 Density Slicing 118......Page 134
4.7 Bibliography on Radiometric Enhancement of Images 120......Page 136
multicycle, 122......Page 138
template, 127......Page 142
mean value, 130......Page 145
modal, 133......Page 148
the Roberts operator, 135......Page 150
the Sobel operator, 136......Page 151
Spatial derivative, 137......Page 152
5.5 Edge Detection 139......Page 154
Spot detection, 141......Page 156
Transfer function, 142......Page 157
Fourier transform, 145......Page 160
5.10 Geometric Properties of Images 146......Page 161
Minimum distance classifier. See Classifier Morphology, 150......Page 165
Shape recognition, 157......Page 172
5.14 Problems 158......Page 173
Vegetation index, 161......Page 175
162......Page 176
Principal components transformation, 163......Page 177
noise adjusted, 186......Page 200
Tasseled cap transform, 189......Page 203
kernel, 192......Page 206
195......Page 209
Pan sharpening, 197......Page 211
6.9 Bibliography on Spectral Domain Image Transforms 198......Page 212
6.10 Problems 199......Page 213
7.1 Introduction 203......Page 216
Imaginary numbers, 204......Page 217
Unit step function, 207......Page 220
210......Page 223
Discrete Fourier transform, 212......Page 225
Fast Fourier transform, 215......Page 228
Sampling theory, 218......Page 231
of an image, 221......Page 234
image processing, 224......Page 237
two dimensional, 226......Page 239
Window functions, 227......Page 240
Wavelet transform, 229......Page 242
233......Page 246
upsampling, 237......Page 250
7.13.6.3 Relationship Between the Low and High Pass Filters 238......Page 251
of an image, 241......Page 254
7.16 Bibliography on Spatial Domain Image Transforms 243......Page 256
7.17 Problems 244......Page 257
soft, 247......Page 260
248......Page 261
MAP, 250......Page 263
Gaussian mixture models, 260......Page 273
Expectation-maximisation, 265......Page 278
parallelepiped, 269......Page 282
Mahalanobis, 271......Page 284
Table look up classifier, 272......Page 285
Euclidean, 273......Page 286
spectral angle mapper, 274......Page 287
276......Page 289
Slack variables, 281......Page 294
283......Page 296
sigmoidal, 286......Page 299
committee, 288......Page 301
Threshold logic unit (TLU), 290......Page 303
Spatial context, 299......Page 312
neighbourhood function, 303......Page 316
compatibility coefficient, 304......Page 317
8.20.4.3 Determining the Compatibility Coefficients 305......Page 318
stopping rule, 306......Page 319
8.20.4.5 Examples 307......Page 320
iterated conditional modes, 312......Page 325
8.22 Problems 315......Page 328
Clustering, 319......Page 332
Minkowski, 320......Page 333
migrating means, 322......Page 335
merging and deleting, 323......Page 336
splitting clusters, 325......Page 338
cost, 326......Page 339
single pass algorithm, 327......Page 340
331......Page 344
within cluster scatter, 333......Page 346
mountain, 335......Page 348
9.14 Bibliography on Clustering and Unsupervised Classification 339......Page 352
within class, 340......Page 353
Feature reduction, 343......Page 355
Separability, 344......Page 356
divergence, 345......Page 357
Jeffries-Matusita distance, 350......Page 362
Transformed divergence, 351......Page 363
in clustering, 353......Page 365
by spectral transformation, 354......Page 366
358......Page 370
10.8.2.3 The Generalised Eigenvalue Equation 359......Page 371
Eigenvalue equation generalised, 360......Page 372
block diagonal, 370......Page 382
regularisation, 375......Page 387
10.11 Bibliography on Feature Reduction 377......Page 389
10.12 Problems 378......Page 390
11.1 Introduction 381......Page 393
382......Page 394
384......Page 396
hybrid, 388......Page 400
393......Page 405
394......Page 406
396......Page 408
413......Page 425
Spectroscopic interpretation, 422......Page 434
Unmixing, 424......Page 436
Space measurement, 426......Page 438
11.12 Bibliography on Image Classification in Practice 431......Page 443
433......Page 445
multisource, 437......Page 448
Stacked vector, 438......Page 449
statistical multisource, 439......Page 450
Theory of Evidence, 444......Page 455
Knowledge-based image analysis, 448......Page 459
458......Page 469
12.7 Bibliography on Multisource Image Analysis 461......Page 472
12.8 Problems 463......Page 474
Satellite orbital velocity, 465......Page 476
Bit, 467......Page 478
Vector column, 469......Page 480
conditional, 479......Page 489
Loss function, 483......Page 493
Index 487......Page 496
Accuracy confidence limits, 412......Page 424
Kappa coefficient, 401......Page 413
omission, 397......Page 409
User’s accuracy, 398......Page 410
400......Page 412
Processing element (PE), 291......Page 304
Planck’s law, 3......Page 21
Boosting, 289......Page 302
Aliasing, 219......Page 232
Quantity disagreement, 404......Page 416
466......Page 477
ATREM, 42......Page 60
MODTRAN4, 43......Page 61
log residuals, 46......Page 64
the flat field method, 45......Page 63
water vapour, 41......Page 59
35......Page 53
2......Page 20
Orthogonal functions, 230......Page 243
Pseudocolouring, 119......Page 135
Binomial distribution, 407......Page 419
Bispectral plot, 390......Page 402
392......Page 404
Byte, 468......Page 479
by canonical analysis, 356......Page 368
Maximum likelihood classifier. See Classifier Mean vector, 164......Page 178
Grid searching, 395......Page 407
Water absorption bands, 12......Page 30
source-specific data, 440......Page 451
Gaussian maximum likelihood, 252......Page 265
Training data, 88......Page 105
Training field, 249......Page 262
484......Page 494
logarithmic, 442......Page 453
random forests, 420......Page 432
383......Page 395
CART, 415......Page 427
441......Page 452
ECHO, 302......Page 315
256......Page 269
Normal probability distribution, 90......Page 107
minimum distance, 89......Page 106
one-against-one, 287......Page 300
progressive two-class, 421......Page 433
dendrogram, 332......Page 345
critical distance, 328......Page 341
strip generation parameter, 329......Page 342
Clustering criteria SSE, 321......Page 334
Volume scattering, 16......Page 34
Compression, 24......Page 42
Gaussian stretch, 115......Page 131
automatic, 103......Page 119
piecewise linear, 105......Page 121
saturating linear, 102......Page 118
the Taylor method, 178......Page 192
Control point. See Ground control point Convolution, 129......Page 144
discrete, 217......Page 230
theorem, 216......Page 229
Correlation, 200......Page 214
Covariance matrix, 165......Page 179
Variance, 481......Page 491
Crabbing, 75......Page 93
Curse of dimensionality, 258......Page 271
Decision boundary feature extraction (DBFE), 368......Page 380
prior, 251......Page 264
Threshold maximum likelihood classifier, 253......Page 266
minimum distance classifier, 268......Page 281
unconditional maximum likelihood, 485......Page 495
minimum distance classifier, 267......Page 280
Decision tree. See Classifier binary, 414......Page 426
Orthogonal sum, 446......Page 457
dot product, 473......Page 484
Impulse function, 206......Page 219
Discrete inverse Fourier transform, 213......Page 226
properties, 214......Page 227
Fisher criterion, 362......Page 374
341......Page 354
347......Page 359
use in feature selection, 348......Page 360
Support vector machine. See Classifier Support vectors, 279......Page 292
Eigenvector, 168......Page 182
Emissivity spectra, 14......Page 32
Endorsement of a proposition, 455......Page 466
Evidential support, 445......Page 456
386......Page 398
Instantaneous field of view (IFOV), 5......Page 23
dyadic, 232......Page 245
downsampling, 235......Page 248
Filtering edge detection, 140......Page 155
kernel, 128......Page 143
unsharp masking, 138......Page 153
Fourier series, 208......Page 221
Generalisation, 427......Page 439
cubic convolution, 60......Page 78
choice, 61......Page 79
Ground control points, 57......Page 75
earth rotation, 65......Page 83
panoramic effects, 66......Page 84
nearest neighbour, 59......Page 77
scan nonlinearities, 55......Page 73
430......Page 442
Histogram anomalous equalisation, 112......Page 128
cumulative, 108......Page 124
169......Page 183
429......Page 441
8......Page 26
Image display colour infrared, 81......Page 98
System function, 143......Page 158
Gini, 416......Page 428
Inference engine, 451......Page 462
Scattering diffuse, 34......Page 52
Qualitative reasoning, 454......Page 465
radial basis function, 285......Page 298
Mercer condition, 284......Page 297
460......Page 471
Lagrange multipliers, 264......Page 277
278......Page 291
Regularisation parameter, 282......Page 295
Margin, 277......Page 290
Markov Random Field, 308......Page 321
partition function, 310......Page 323
Ising model, 311......Page 324
row, 470......Page 481
transpose, 472......Page 483
adjugate, 475......Page 486
block diagonal, 371......Page 383
373......Page 385
eigenvectors, 476......Page 487
singular, 474......Page 485
square, 471......Page 482
raised to a power, 477......Page 488
pseudo inverse, 425......Page 437
opening, 155......Page 170
dilation, 153......Page 168
erosion, 152......Page 167
structuring element, 151......Page 166
Multinomial distribution, 411......Page 423
Neural network. See Classifier backpropagation, 292......Page 305
296......Page 309
No free lunch theorem, 428......Page 440
Noise fraction, 187......Page 201
Non-parametric discriminant analysis (NDA), 364......Page 376
Non-parametric weighted feature extraction (NWFE), 369......Page 381
Sampling theorem, 220......Page 233
near-polar, 26......Page 44
Pattern vector, 87......Page 104
Speckle, 17......Page 35
redundancy reduction, 182......Page 196
image compression, 181......Page 195
image enhancement, 176......Page 190
origin shift, 173......Page 187
segmented, 374......Page 386
480......Page 490
337......Page 350
supervised, 443......Page 454
Production rules, 452......Page 463
36......Page 54
instrumentation errors, 30......Page 48
specular, 15......Page 33
sequential similarity detection algorithms, 68......Page 86
69......Page 87
to a map grid, 62......Page 80
fixed point, 318......Page 331
Scatterplot, 387......Page 399
434......Page 446
unit, 171......Page 185
translation, 231......Page 244
mechanical line, 7......Page 25
Scatter matrix among class, 366......Page 378
between class, 365......Page 377
within class, 367......Page 379
Variogram, 147......Page 162
smoothing, 131......Page 146
median, 132......Page 147
223......Page 236
Spatial gradient, 134......Page 149
Spectral reflectance characteristics, 11......Page 29
phase, 209......Page 222
Synthetic aperture radar, 9......Page 27
number required, 255......Page 268
405......Page 417
entropy, 149......Page 164
grey level co-occurrence matrix (GLCM), 148......Page 163
Thermal infrared, 13......Page 31
385......Page 397
Training pixel, 293......Page 306
234......Page 247
Haar, 240......Page 253
239......Page 252
scaling vector, 236......Page 249
Weight vector, 275......Page 288