《航空遥感图像边缘检测技术及其应用》以作者近年来在遥感图像边缘检测技术方面的研究成果为主线，结合靠前外相关发展动态，系统全面地介绍了遥感图像边缘检测技术的基本理论和近年来的新方法、新成果。《航空遥感图像边缘检测技术及其应用》围绕遥感图像边缘检测过程中存在的几个重要问题，详细阐述在几何主动轮廓模型框架下，基于灰度区域特征、灰度不均匀性特征和纹理特征的图像边缘检测方法，重点介绍了各种方法所定义的边缘检测新模型及其全局数字很优化方法。同时介绍了遥感图像边缘检测技术在海上溢油灾害预警和航空输电线故障诊断等领域中的典型应用。

前言
1绪论
1.1遥感基本概念
1.1.1遥感的定义
1.1.2遥感的分类
1.2遥感信息获取
1.2.1遥感平台
1.2.2遥感传感器
1.2.3航空遥感成像方式
1.2.4航空遥感获取信息的特点
1.3航空遥感图像边缘检测的意义
1.4航空遥感图像边缘检测的国内外研究现状
2航空遥感图像边缘检测基本原理与技术
2.1边缘检测基本原理
2.2边缘检测相关技术
2.2.1非封闭边缘检测算法
2.2.2封闭边缘检测算法
3基于传统边缘检测流程的航空遥感图像非封闭边缘检测技术
3.1引言
3.2基于动态分块阈值去噪和改进的GDNI边缘连接的边缘检测算法
3.2.1算法描述
3.2.2算法流程图
3.2.3候选边缘点的确定
3.2.4动态分块阈值去噪
3.2.5改进的GDNI的边缘连接算法
3.2.6MATLAB仿真实验结果与分析
3.3基于纹理特征差异的边缘检测算法
3.3.1航空输电线图像纹理特征分析
3.3.2SWIFTS算法描述
3.3.3SWIFTS算法流程图
3.3.4SWIFTS窗口宽度β的确定
3.3.5MATLAB仿真实验结果与分析
3.4基于纹理特征和r分布的边缘检测算法
3.4.1TGA算法描述
3.4.2TGA算法流程图
3.4.3TGA算法中新参数ε的理论作用分析
3.4.4MATLAB仿真实验结果与分析
4基于区域特征的航空遥感图像封闭边缘检测技术
4.1引言
4.2Chan-Vese边缘检测模型
4.2.1Chan-Ves的理论模型
4.2.2Chan-Vese模型的水平集能量最小化
4.2.3MATLAB仿真实验结果与分析
4.3区域可扩展的变分水平集边缘检测模型(RsF)
4.3.1区域可扩展数据拟合模型的定义
4.3.2区域可扩展拟合的边缘检测能量模型的水平集定义
4.3.3基于梯度下降法的能量最小化
4.3.4MATLAB仿真实验结果与分析
4.4基于claan的全局最小化主动轮廓边缘检测模型(GMAC)
4.4.1Chan-Vese能量模型求全局极小解问题的转化
4.4.2Chan-Vese能量模型的全局极小解的数字化实现
4.4.3MATLAB仿真实验结果与分析
4.4.4Chan-Vese模型、RSF模型和GMAC模型这三种基于区域的主动轮廓模型的性能分析
4.5基于变分对偶规则和区域可扩展拟合的全局最小化主动轮廓边缘检测模型
4.5.1全局主动轮廓框架下的区域可扩展边缘检测模型RSF-GAC的定义
4.5.2能量模型求全局极小解问题的转化
4.5.3基于加权全变分对偶规则的快速能量最小化
4.5.4MATLAB仿真实验结果与分析
5基于灰度不均匀性特征的航空遥感图像封闭边缘检测技术
5.1引言
5.2灰度不匀均性特征纠正的边缘检测算法
5.3基于灰度不均匀性特征纠正的边缘检测新模型的构造
5.3.1基于局部高斯拟合和灰度不均匀性纠正的边缘检测数学模型
5.3.2引入边缘梯度特征构造的边缘检测新模型LGF-IHc
5.3.3LGF-IHC模型的凸性转化
5.3.4基于加权全变分对偶规则的快速能量最小化
5.3.5MATLAB仿真实验结果与分析
6基于PCA优化纹理特征的航空遥感图像封闭边缘检测技术
6.1引言
6.2图像纹理特征提取的分类
6.2.1基于统计的纹理特征提取
6.2.2基于结构的纹理特征提取
6.2.3基于信号的纹理特征提取
6.2.4基于模型的纹理特征提取
6.3基于PCA的纹理特征优化
6.4基于PCA-GMTD模型的航空遥感图像边缘检测模型
6.4.1PCA-GMTD边缘检测模型的来源
6.4.2PCA-GMTD边缘检测模型的定义
6.4.3能量模型最小化求解
6.4.4MATLAB仿真实验结果与分析
7基于纹理特征分布的航空遥感图像封闭边缘检测技术
7.1引言
7.2半局部纹理特征及其分布
7.3基于STD-GMAC模型的航空遥感图像边缘检测模型
7.3.1STD-GMAC边缘检测模型的来源
7.3.2STD-GMAc边缘检测模型的定义
7.3.3STD-GMAc边缘检测模型的快速求解
7.3.4MATLAB仿真实验结果与分析
参考文献
附录Rec和Var的GLCIA实现