章 绪论1

1.1 星载高分辨率遥感卫星1

1.2 高分辨率遥感图像的特点14

1.3 高分辨率遥感图像分割方法14

1.3.1 单一特征分割方法15

1.3.2 多特征分割方法17

第2章 基础理论20

2.1 多尺度分析20

2.1.1 小波变换20

2.1.2 曲波变换25

2.2 特征选择30

2.2.1 过滤方法30

2.2.2 封装方法32

2.3 统计建模与模拟33

2.3.1 统计建模33

2.3.2 统计模拟38

第3章 高分辨率遥感图像特征提取43

3.1 光谱特征43

3.2 纹理特征47

3.3 边缘特征50

3.4 高分辨率遥感图像特征提取实例52

3.4.1 光谱特征提取实例52

3.4.2 纹理特征提取实例56

3.4.3 边缘特征提取实例58

第4章 贝叶斯框架下的特征分割62

4.1 特征加权贝叶斯分割算法62

4.1.1 特征加权贝叶斯分割算法描述62

4.1.2 特征加权贝叶斯分割算法实例68

4.2 光谱特征贝叶斯分割算法101

4.2.1 光谱特征贝叶斯分割算法描述102

4.2.2 光谱特征贝叶斯分割算法实例106

4.3 无权重特征贝叶斯分割算法109

4.3.1 无权重特征贝叶斯分割算法描述109

4.3.2 无权重特征贝叶斯分割算法实例113

第5章 能量框架下的特征分割117

5.1 特征加权能量分割算法117

5.1.1 特征加权能量分割算法的描述117

5.1.2 特征加权能量分割算法实例121

5.2 光谱特征能量分割算法153

5.2.1 光谱特征能量分割算法描述153

5.2.2 光谱特征能量分割算法实例155

5.3 无权重特征能量分割算法159

5.3.1 无权重特征能量分割算法描述159

5.3.2 无权重特征能量分割算法实例162

参考文献166

附录A 变量注释表178

附录B 缩略语清单182

《曲波特征加权遥感图像统计分割原理与方法》以多尺度分析与统计建模相结合的高分辨率遥感图像分割方法理论与实践为主线，重点阐述贝叶斯框架下和能量框架下的特征加权分割模型、光谱特征分割模型和无权重特征分割模型以及各类分割模型的分割解，并对每类分割问题给出相应的高分辨率遥感图像分割实例，以体现其分割模型的有效性和实用性。
针对上述内容，《曲波特征加权遥感图像统计分割原理与方法》共5章，涉及高分辨率遥感图像分割问题、基础理论、关键技术和应用范例，具体的章节安排如下。章介绍了星载高分辨率遥感卫星的技术发展，论述了高分辨率遥感图像的特点及其分割问题，并根据高分辨率遥感图像的特征综述了目前高分辨率遥感图像的分割方法。第2章介绍了《曲波特征加权遥感图像统计分割原理与方法》涉及的基础理论知识，包括多尺度分析理论中的小波变换和曲波变换、特征选择中的过滤方法和封装方法、统计建模中的贝叶斯定理和能量函数、统计模拟中的MC方法和MCMC方法等。第3章重点围绕高分辨率遥感图像中光谱、纹理和边缘这3个基本特征的提取方法进行展开，并对各方法给出相应的高分辨率遥感图像特征提取实例。第4章从建立高分辨率遥感图像分割模型的贝叶斯定理视角出发，重点讨论了特征加权贝叶斯分割算法、光谱特征贝叶斯分割算法和无权重特征贝叶斯分割算法。第5章介绍了能量函数框架下的特征加权能量分割算法、光谱特征能量分割算法和无权重特征能量分割算法，并对比分析了特征和特征权重在高分辨率遥感图像分割中的作用。