- 电子工业出版社
- 9787121502507
- 1-1
- 560088
- 60266660-4
- 平塑
- 16开
- 2025-05
- 461
- 288
- 工学
- 电子信息类
- 电子信息与电气
- 本科 研究生及以上
内容简介
本书面对航空特色专业和信息工程领域的发展需求，深入探讨现代航空图像处理与计算机视觉的专业知识，强调学科交叉，结合国内外航空领域的创新创业活动，开展编写工作。全书共7章，主要内容包括：绪论，机载成像传感器，航空图像增强、复原和几何校正，图像特征分析与景象匹配，遥感图像中的地物分类，对地观测目标定位与跟踪，基于航空图像的三维重建等。读者能够获得必要的航空图像处理知识与技能，以及分析和解决复杂工程问题的能力，以适应未来科学研究、产品开发和工程管理的需求。
目录
目 录
第1章 绪论 1
1.1 引言 1
1.1.1 数字图像基础 2
1.1.2 摄影测量与遥感 3
1.1.3 计算机视觉 5
1.2 航空图像的发展历史 6
1.2.1 早期航空图像的获取 6
1.2.2 航空飞行平台 8
1.2.3 现代航空图像 12
1.3 航空图像的应用举例 15
1.3.1 地图制图学 15
1.3.2 防灾应急 16
1.3.3 军事与公共安全 16
1.3.4 其他 17
1.4 航空图像处理的问题与挑战 17
1.5 本章小结 19
第2章 机载成像传感器 20
2.1 电磁波谱成像 20
2.2 成像传感器的类型 21
2.2.1 机载数码相机 21
2.2.2 热辐射传感器 23
2.2.3 多光谱传感器 24
2.2.4 高光谱传感器 25
2.2.5 微波辐射计 26
2.2.6 合成孔径雷达（SAR） 26
2.3 光学相机的数学模型 29
2.3.1 成像模型的基本元素 29
2.3.2 成像坐标系定义 30
2.3.3 透视投影成像模型 31
2.3.4 图像畸变数学模型 33
2.3.5 光学相机的几何标定 35
2.4 干涉合成孔径雷达成像 38
2.4.1 雷达干涉测量的原理 38
2.4.2 雷达干涉图和数字高程图 40
2.4.3 DInSAR和变形测量 43
2.4.4 多时间相干图像 47
2.4.5 空间去相关和比率相干技术 49
2.4.6 条纹平滑滤波器 51
2.5 激光雷达扫描仪 53
2.5.1 LiDAR成像特点 53
2.5.2 飞行时间法 54
2.5.3 系统基本组成 55
2.5.4 三维点云特征分析 58
2.6 本章小结 60
第3章 航空图像增强、复原和几何校正 61
3.1 空间域图像增强 61
3.1.1 基本灰度变换 61
3.1.2 基于直方图的图像增强 64
3.1.3 基于空间滤波器的图像增强 67
3.2 频率域增强 73
3.2.1 傅里叶变换 73
3.2.2 傅里叶频域滤波器 77
3.2.3 离散余弦变换 79
3.3 航空图像去雾 81
3.3.1 图像复原的概述 81
3.3.2 航空图像去雾的概述 81
3.3.3 基于物理模型的去雾算法 82
3.3.4 基于暗通道先验的去雾算法 83
3.4 图像超分辨率重建 86
3.4.1 超分辨率重建的概念 86
3.4.2 多图像超分辨率重建技术 87
3.4.3 单图像超分辨率重建技术 89
3.4.4 基于稀疏表示的超分辨率重建算法 91
3.5 遥感图像几何校正 93
3.5.1 图像的几何变形 93
3.5.2 多项式变形模型 95
3.5.3 GCP的选择和图像联合配准的自动化 98
3.6 本章小结 100
第4章 图像特征分析与景象匹配 101
4.1 边缘信息 101
4.1.1 边缘检测 101
4.1.2 边缘跟踪 103
4.2 特征点提取和特征描述 104
4.2.1 Harris角点 105
4.2.2 FAST角点 107
4.2.3 SIFT特征点 108
4.2.4 SURF特征点 112
4.2.5 ORB特征提取 115
4.2.6 特征点匹配 116
4.3 纹理特征表达 120
4.3.1 纹理的概念 120
4.3.2 纹理特征类型 120
4.4 形状特征提取 123
4.4.1 图像中形状的概述 123
4.4.2 形状特征的应用 124
4.4.3 形状的描述和表示 124
4.5 景象匹配 125
4.5.1 初始区域搜索 126
4.5.2 灰度匹配法 127
4.5.3 基于特征的匹配方法 130
4.5.4 基于深度学习的匹配方法 133
4.5.5 景象匹配效果举例 139
4.6 本章小结 139
第5章 遥感图像中的地物分类 140
5.1 图像分类基本知识 140
5.1.1 图像识别方法 140
5.1.2 分类器的设计 141
5.2 传统地物分类方法 142
5.2.1 非监督迭代聚类 142
5.2.2 特征空间迭代聚类 144
5.2.3 聚类分裂 145
5.3 监督分类 147
5.3.1 监督分类算法的一般范式 147
5.3.2 光谱角度映射分类 147
5.3.3 决策规则：差异性度量函数 148
5.3.4 最优多数点重分配 149
5.3.5 分类后平滑和准确性评估 150
5.4 基于支持向量机的遥感图像地物分类 153
5.4.1 SVM理论基础 153
5.4.2 多分类SVM 154
5.5 基于卷积神经网络的分类模型 155
5.5.1 卷积神经网络 155
5.5.2 全卷积神经网络 162
5.5.3 UNet 163
5.5.4 DeepLab系列网络 164
5.5.5 基于SAM的遥感分类网络 167
5.6 基于改进型DeepLabv3+的地物分类 168
5.6.1 轻量化网络MobileNetv2 168
5.6.2 条件随机场 171
5.6.3 基于改进型DeepLabv3+的遥感图像地物分类 172
5.6.4 分类实验 172
5.7 本章小结 175
第6章 对地观测目标定位与跟踪 177
6.1 载体平台的位置与姿态 177
6.1.1 全球导航卫星系统 177
6.1.2 惯性导航系统 179
6.2 地面目标检测 180
6.2.1 混合概率密度模型分割检测 180
6.2.2 基于深度学习的目标检测 187
6.2.3 红外图像小目标检测 192
6.3 基于机载光电吊舱数据的目标定位与测速 197
6.3.1 目标地理定位 197
6.3.2 目标测速 200
6.4 视觉SLAM系统 202
6.4.1 视觉SLAM基本概念 202
6.4.2 ORB-SLAM2算法 204
6.4.3 顾及动态目标的改进SLAM算法 206
6.4.4 基于神经辐射场的SLAM算法 208
6.5 视频目标跟踪 209
6.5.1 基于核相关的视频目标跟踪算法 210
6.5.2 基于卡尔曼滤波的视频目标跟踪算法 214
6.5.3 基于匈牙利算法的目标关联方法 217
6.6 本章小结 227
第7章 基于航空图像的三维重建 228
7.1 引言 228
7.2 对极几何基础 229
7.2.1 对极几何恢复 229
7.2.2 求解二视图的基础矩阵 236
7.2.3 三视图和四视图几何计算 240
7.3 摄像机位置姿态和场景结构恢复 240
7.3.1 初始化图像位置姿态和场景结构 241
7.3.2 由本质矩阵提取摄像机矩阵 242
7.3.3 更新结构和位置姿态 244
7.3.4 PnP问题 245
7.4 光束法平差 246
7.4.1 光束法平差模型 246
7.4.2 最小二乘原理 247
7.4.3 高斯?牛顿算法 248
7.4.4 列文伯格?马奎
第1章 绪论 1
1.1 引言 1
1.1.1 数字图像基础 2
1.1.2 摄影测量与遥感 3
1.1.3 计算机视觉 5
1.2 航空图像的发展历史 6
1.2.1 早期航空图像的获取 6
1.2.2 航空飞行平台 8
1.2.3 现代航空图像 12
1.3 航空图像的应用举例 15
1.3.1 地图制图学 15
1.3.2 防灾应急 16
1.3.3 军事与公共安全 16
1.3.4 其他 17
1.4 航空图像处理的问题与挑战 17
1.5 本章小结 19
第2章 机载成像传感器 20
2.1 电磁波谱成像 20
2.2 成像传感器的类型 21
2.2.1 机载数码相机 21
2.2.2 热辐射传感器 23
2.2.3 多光谱传感器 24
2.2.4 高光谱传感器 25
2.2.5 微波辐射计 26
2.2.6 合成孔径雷达（SAR） 26
2.3 光学相机的数学模型 29
2.3.1 成像模型的基本元素 29
2.3.2 成像坐标系定义 30
2.3.3 透视投影成像模型 31
2.3.4 图像畸变数学模型 33
2.3.5 光学相机的几何标定 35
2.4 干涉合成孔径雷达成像 38
2.4.1 雷达干涉测量的原理 38
2.4.2 雷达干涉图和数字高程图 40
2.4.3 DInSAR和变形测量 43
2.4.4 多时间相干图像 47
2.4.5 空间去相关和比率相干技术 49
2.4.6 条纹平滑滤波器 51
2.5 激光雷达扫描仪 53
2.5.1 LiDAR成像特点 53
2.5.2 飞行时间法 54
2.5.3 系统基本组成 55
2.5.4 三维点云特征分析 58
2.6 本章小结 60
第3章 航空图像增强、复原和几何校正 61
3.1 空间域图像增强 61
3.1.1 基本灰度变换 61
3.1.2 基于直方图的图像增强 64
3.1.3 基于空间滤波器的图像增强 67
3.2 频率域增强 73
3.2.1 傅里叶变换 73
3.2.2 傅里叶频域滤波器 77
3.2.3 离散余弦变换 79
3.3 航空图像去雾 81
3.3.1 图像复原的概述 81
3.3.2 航空图像去雾的概述 81
3.3.3 基于物理模型的去雾算法 82
3.3.4 基于暗通道先验的去雾算法 83
3.4 图像超分辨率重建 86
3.4.1 超分辨率重建的概念 86
3.4.2 多图像超分辨率重建技术 87
3.4.3 单图像超分辨率重建技术 89
3.4.4 基于稀疏表示的超分辨率重建算法 91
3.5 遥感图像几何校正 93
3.5.1 图像的几何变形 93
3.5.2 多项式变形模型 95
3.5.3 GCP的选择和图像联合配准的自动化 98
3.6 本章小结 100
第4章 图像特征分析与景象匹配 101
4.1 边缘信息 101
4.1.1 边缘检测 101
4.1.2 边缘跟踪 103
4.2 特征点提取和特征描述 104
4.2.1 Harris角点 105
4.2.2 FAST角点 107
4.2.3 SIFT特征点 108
4.2.4 SURF特征点 112
4.2.5 ORB特征提取 115
4.2.6 特征点匹配 116
4.3 纹理特征表达 120
4.3.1 纹理的概念 120
4.3.2 纹理特征类型 120
4.4 形状特征提取 123
4.4.1 图像中形状的概述 123
4.4.2 形状特征的应用 124
4.4.3 形状的描述和表示 124
4.5 景象匹配 125
4.5.1 初始区域搜索 126
4.5.2 灰度匹配法 127
4.5.3 基于特征的匹配方法 130
4.5.4 基于深度学习的匹配方法 133
4.5.5 景象匹配效果举例 139
4.6 本章小结 139
第5章 遥感图像中的地物分类 140
5.1 图像分类基本知识 140
5.1.1 图像识别方法 140
5.1.2 分类器的设计 141
5.2 传统地物分类方法 142
5.2.1 非监督迭代聚类 142
5.2.2 特征空间迭代聚类 144
5.2.3 聚类分裂 145
5.3 监督分类 147
5.3.1 监督分类算法的一般范式 147
5.3.2 光谱角度映射分类 147
5.3.3 决策规则：差异性度量函数 148
5.3.4 最优多数点重分配 149
5.3.5 分类后平滑和准确性评估 150
5.4 基于支持向量机的遥感图像地物分类 153
5.4.1 SVM理论基础 153
5.4.2 多分类SVM 154
5.5 基于卷积神经网络的分类模型 155
5.5.1 卷积神经网络 155
5.5.2 全卷积神经网络 162
5.5.3 UNet 163
5.5.4 DeepLab系列网络 164
5.5.5 基于SAM的遥感分类网络 167
5.6 基于改进型DeepLabv3+的地物分类 168
5.6.1 轻量化网络MobileNetv2 168
5.6.2 条件随机场 171
5.6.3 基于改进型DeepLabv3+的遥感图像地物分类 172
5.6.4 分类实验 172
5.7 本章小结 175
第6章 对地观测目标定位与跟踪 177
6.1 载体平台的位置与姿态 177
6.1.1 全球导航卫星系统 177
6.1.2 惯性导航系统 179
6.2 地面目标检测 180
6.2.1 混合概率密度模型分割检测 180
6.2.2 基于深度学习的目标检测 187
6.2.3 红外图像小目标检测 192
6.3 基于机载光电吊舱数据的目标定位与测速 197
6.3.1 目标地理定位 197
6.3.2 目标测速 200
6.4 视觉SLAM系统 202
6.4.1 视觉SLAM基本概念 202
6.4.2 ORB-SLAM2算法 204
6.4.3 顾及动态目标的改进SLAM算法 206
6.4.4 基于神经辐射场的SLAM算法 208
6.5 视频目标跟踪 209
6.5.1 基于核相关的视频目标跟踪算法 210
6.5.2 基于卡尔曼滤波的视频目标跟踪算法 214
6.5.3 基于匈牙利算法的目标关联方法 217
6.6 本章小结 227
第7章 基于航空图像的三维重建 228
7.1 引言 228
7.2 对极几何基础 229
7.2.1 对极几何恢复 229
7.2.2 求解二视图的基础矩阵 236
7.2.3 三视图和四视图几何计算 240
7.3 摄像机位置姿态和场景结构恢复 240
7.3.1 初始化图像位置姿态和场景结构 241
7.3.2 由本质矩阵提取摄像机矩阵 242
7.3.3 更新结构和位置姿态 244
7.3.4 PnP问题 245
7.4 光束法平差 246
7.4.1 光束法平差模型 246
7.4.2 最小二乘原理 247
7.4.3 高斯?牛顿算法 248
7.4.4 列文伯格?马奎
