目 录__eol__第1章 绪论 1__eol__1.1 引言 1__eol__1.1.1 数字图像基础 2__eol__1.1.2 摄影测量与遥感 3__eol__1.1.3 计算机视觉 5__eol__1.2 航空图像的发展历史 6__eol__1.2.1 早期航空图像的获取 6__eol__1.2.2 航空飞行平台 8__eol__1.2.3 现代航空图像 12__eol__1.3 航空图像的应用举例 15__eol__1.3.1 地图制图学 15__eol__1.3.2 防灾应急 16__eol__1.3.3 军事与公共安全 16__eol__1.3.4 其他 17__eol__1.4 航空图像处理的问题与挑战 17__eol__1.5 本章小结 19__eol__第2章 机载成像传感器 20__eol__2.1 电磁波谱成像 20__eol__2.2 成像传感器的类型 21__eol__2.2.1 机载数码相机 21__eol__2.2.2 热辐射传感器 23__eol__2.2.3 多光谱传感器 24__eol__2.2.4 高光谱传感器 25__eol__2.2.5 微波辐射计 26__eol__2.2.6 合成孔径雷达（SAR） 26__eol__2.3 光学相机的数学模型 29__eol__2.3.1 成像模型的基本元素 29__eol__2.3.2 成像坐标系定义 30__eol__2.3.3 透视投影成像模型 31__eol__2.3.4 图像畸变数学模型 33__eol__2.3.5 光学相机的几何标定 35__eol__2.4 干涉合成孔径雷达成像 38__eol__2.4.1 雷达干涉测量的原理 38__eol__2.4.2 雷达干涉图和数字高程图 40__eol__2.4.3 DInSAR和变形测量 43__eol__2.4.4 多时间相干图像 47__eol__2.4.5 空间去相关和比率相干技术 49__eol__2.4.6 条纹平滑滤波器 51__eol__2.5 激光雷达扫描仪 53__eol__2.5.1 LiDAR成像特点 53__eol__2.5.2 飞行时间法 54__eol__2.5.3 系统基本组成 55__eol__2.5.4 三维点云特征分析 58__eol__2.6 本章小结 60__eol__第3章 航空图像增强、复原和几何校正 61__eol__3.1 空间域图像增强 61__eol__3.1.1 基本灰度变换 61__eol__3.1.2 基于直方图的图像增强 64__eol__3.1.3 基于空间滤波器的图像增强 67__eol__3.2 频率域增强 73__eol__3.2.1 傅里叶变换 73__eol__3.2.2 傅里叶频域滤波器 77__eol__3.2.3 离散余弦变换 79__eol__3.3 航空图像去雾 81__eol__3.3.1 图像复原的概述 81__eol__3.3.2 航空图像去雾的概述 81__eol__3.3.3 基于物理模型的去雾算法 82__eol__3.3.4 基于暗通道先验的去雾算法 83__eol__3.4 图像超分辨率重建 86__eol__3.4.1 超分辨率重建的概念 86__eol__3.4.2 多图像超分辨率重建技术 87__eol__3.4.3 单图像超分辨率重建技术 89__eol__3.4.4 基于稀疏表示的超分辨率重建算法 91__eol__3.5 遥感图像几何校正 93__eol__3.5.1 图像的几何变形 93__eol__3.5.2 多项式变形模型 95__eol__3.5.3 GCP的选择和图像联合配准的自动化 98__eol__3.6 本章小结 100__eol__第4章 图像特征分析与景象匹配 101__eol__4.1 边缘信息 101__eol__4.1.1 边缘检测 101__eol__4.1.2 边缘跟踪 103__eol__4.2 特征点提取和特征描述 104__eol__4.2.1 Harris角点 105__eol__4.2.2 FAST角点 107__eol__4.2.3 SIFT特征点 108__eol__4.2.4 SURF特征点 112__eol__4.2.5 ORB特征提取 115__eol__4.2.6 特征点匹配 116__eol__4.3 纹理特征表达 120__eol__4.3.1 纹理的概念 120__eol__4.3.2 纹理特征类型 120__eol__4.4 形状特征提取 123__eol__4.4.1 图像中形状的概述 123__eol__4.4.2 形状特征的应用 124__eol__4.4.3 形状的描述和表示 124__eol__4.5 景象匹配 125__eol__4.5.1 初始区域搜索 126__eol__4.5.2 灰度匹配法 127__eol__4.5.3 基于特征的匹配方法 130__eol__4.5.4 基于深度学习的匹配方法 133__eol__4.5.5 景象匹配效果举例 139__eol__4.6 本章小结 139__eol__第5章 遥感图像中的地物分类 140__eol__5.1 图像分类基本知识 140__eol__5.1.1 图像识别方法 140__eol__5.1.2 分类器的设计 141__eol__5.2 传统地物分类方法 142__eol__5.2.1 非监督迭代聚类 142__eol__5.2.2 特征空间迭代聚类 144__eol__5.2.3 聚类分裂 145__eol__5.3 监督分类 147__eol__5.3.1 监督分类算法的一般范式 147__eol__5.3.2 光谱角度映射分类 147__eol__5.3.3 决策规则：差异性度量函数 148__eol__5.3.4 最优多数点重分配 149__eol__5.3.5 分类后平滑和准确性评估 150__eol__5.4 基于支持向量机的遥感图像地物分类 153__eol__5.4.1 SVM理论基础 153__eol__5.4.2 多分类SVM 154__eol__5.5 基于卷积神经网络的分类模型 155__eol__5.5.1 卷积神经网络 155__eol__5.5.2 全卷积神经网络 162__eol__5.5.3 UNet 163__eol__5.5.4 DeepLab系列网络 164__eol__5.5.5 基于SAM的遥感分类网络 167__eol__5.6 基于改进型DeepLabv3+的地物分类 168__eol__5.6.1 轻量化网络MobileNetv2 168__eol__5.6.2 条件随机场 171__eol__5.6.3 基于改进型DeepLabv3+的遥感图像地物分类 172__eol__5.6.4 分类实验 172__eol__5.7 本章小结 175__eol__第6章 对地观测目标定位与跟踪 177__eol__6.1 载体平台的位置与姿态 177__eol__6.1.1 全球导航卫星系统 177__eol__6.1.2 惯性导航系统 179__eol__6.2 地面目标检测 180__eol__6.2.1 混合概率密度模型分割检测 180__eol__6.2.2 基于深度学习的目标检测 187__eol__6.2.3 红外图像小目标检测 192__eol__6.3 基于机载光电吊舱数据的目标定位与测速 197__eol__6.3.1 目标地理定位 197__eol__6.3.2 目标测速 200__eol__6.4 视觉SLAM系统 202__eol__6.4.1 视觉SLAM基本概念 202__eol__6.4.2 ORB-SLAM2算法 204__eol__6.4.3 顾及动态目标的改进SLAM算法 206__eol__6.4.4 基于神经辐射场的SLAM算法 208__eol__6.5 视频目标跟踪 209__eol__6.5.1 基于核相关的视频目标跟踪算法 210__eol__6.5.2 基于卡尔曼滤波的视频目标跟踪算法 214__eol__6.5.3 基于匈牙利算法的目标关联方法 217__eol__6.6 本章小结 227__eol__第7章 基于航空图像的三维重建 228__eol__7.1 引言 228__eol__7.2 对极几何基础 229__eol__7.2.1 对极几何恢复 229__eol__7.2.2 求解二视图的基础矩阵 236__eol__7.2.3 三视图和四视图几何计算 240__eol__7.3 摄像机位置姿态和场景结构恢复 240__eol__7.3.1 初始化图像位置姿态和场景结构 241__eol__7.3.2 由本质矩阵提取摄像机矩阵 242__eol__7.3.3 更新结构和位置姿态 244__eol__7.3.4 PnP问题 245__eol__7.4 光束法平差 246__eol__7.4.1 光束法平差模型 246__eol__7.4.2 最小二乘原理 247__eol__7.4.3 高斯?牛顿算法 248__eol__7.4.4 列文伯格?马奎