ERDAS遙感數字圖像處理實驗教程 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

湯國安，楊昕，鄧鳳東，呂恒 著

圖書標籤:

• 遙感
• 數字圖像處理
• ERDAS
• 實驗教程
• 圖像處理
• 遙感應用
• 地理信息係統
• GIS
• 遙感技術
• 環境遙感

齣版社： 科學齣版社

ISBN：9787030234179

版次：1

商品編碼：10122881

包裝：平裝

叢書名： 地理信息係統理論與應用叢書

開本：16開

齣版時間：2009-01-01

用紙：膠版紙

頁數：472

字數：700000

附件：光盤

內容簡介

　　本書是編者在係統總結教學和科研經驗的基礎上編寫而成。本書較全麵地介紹瞭ERDAS IMAGINE的主要功能和應用實例，主要包括ERDAS　IMAGINE應用基礎、數據預處理、圖像增強、圖像分類、矢量功能及專題地圖製作等基本圖像處理功能和高光譜圖像處理、雷達圖像處理、空間分析、光譜分析、空間建模及批處理、立體分析、虛擬GIS等專題功能。一些章節配有具有典型意義的實例與練習，並在隨書光盤中輔以相應數據，以便學生課後練習和復習。
　　本書強調科學性、係統性、實用性與易讀性相結閤，可作為高等院校測繪、遙感、地理信息係統、地理學等相關學科的教材，也可作為從事遙感圖像處理等實踐工作及科研活動的技術人員的參考書。

目錄

前言
第一章　ERDAS IMAGINE應用基礎
1.1　遙感數字圖像處理概述
1.1.1　遙感數字圖像
1.1.2　遙感數字圖像處理
1.1.3　遙感圖像處理軟件
1.2 ERDAS數據格式
1.2.1　通用二進製數據格式
1.2.2　IMG格式
1.3 ERDAS IMAGINE圖標麵闆
1.4　數據顯示基本功能
1.4.1　視窗功能簡介
1.4.2　File菜單操作
1.4.3　文件顯示順序
1.4.4 顯示比例操作
1.4.5　顯示變換操作
1.4.6　疊加顯示操作
1.5　數據信息查詢
1.5.1　光標查詢功能
1.5.2　量測功能
1.5.3　圖像信息顯示
1.6　常用遙感影像數據格式簡介及輸入方式
1.6.1　Landsat-5圖像數據簡介
1.6.2　SP()T-5圖像數據簡介
1.6.3　M()DIS圖像數據簡介
1.6.4　IK()N()s圖像數據簡介
第二章　數據預處理
2.1 圖像校正
2.1.1　圖像幾何校正的一般步驟
2.1.2　圖像幾何校正的計算模型
2.1.3　多項式校正
2.1.4　數字正射校正
2.2 圖像拼接
2.2.1　圖像拼接功能簡介
2.2.2　多波段圖像拼接
2.2.3　剪切綫拼接
2.3　圖像投影變換
2.4　圖像分幅裁剪
2.4.1　規則分幅
2.4.2　不規則分幅
2.5 圖像融閤
2.6　圖像命令基本功能
2.6.1　圖像命令工具簡介
2.6.2　常用圖像命令功能操作簡介
2.7　實例與練習：數據更新變換
2.7.1　背景
2.7.2　目的
2.7.3　數據
2.7.4　要求
2.7.5　實驗步驟
第三章　圖像增強
3.1　輻射增強
3.1.1　查找錶拉伸
3.1.2　直方圖均衡化
3.1.3　直方圖匹配
3.1.4　亮度反轉
3.1.5　去霾處理
3.1.6　降噪處理
3.1.7　去條帶處理
3.2　空間域增強
3.2.1　捲積增強
3.2.2　銳化增強
3.2.3　非定嚮邊緣檢測
3.2.4　聚焦分析
3.2.5　紋理分析
3.2.6　自適應濾波
3.2.7　統計濾波
3.3　頻率域增強
3.3.1　傅裏葉變換
3.3.2　傅裏葉逆變換
3.4　代數運算
3.4.1　算術運算
3.4.2　歸一化指數
……
第四章　圖像分類
第五章　高光譜像處理
第六章　雷達圖像處理
第七章　空間分析
第八章　光譜分析
第九章　空間建模及批處理
第十章　立體分析
第十一章　虛擬GIS
第十二章　矢量功能及專題地圖製作
主要參考文獻

精彩書摘

　　第一章　ERDAS IMAGINE應用基礎
　　自20世紀60年代以來遙感技術迅速崛起，它改變瞭人類認識地球，瞭解地球的角度和方式。隨著計算機技術、光學感應技術以及測繪技術的發展，遙感技術也從以飛機為主要載體的航空遙感發展到以航天飛機、人造地球衛星等為載體的航天遙感，極大地拓展瞭人們的觀測視野，豐富瞭對地觀測信息的來源。隨著信息量的增加，如何快速、高效地提取有效信息，是遙感技術亟待解決的難題，也促進瞭遙感數字圖像處理技術的發展。
　　1.1　遙感數字圖像處理概述
　　1.1.1 遙感數字圖像
　　遙感數字圖像（digital image）是以數字形式采集、存儲、運算、錶達、傳輸的遙感影像，它的最基本的單位是像素（pixel）。像素是遙感成像過程的采樣點，或者是在由模擬圖像轉換為數字圖像時的取樣點，同時，像素也是計算機圖像處理的最小單元。像素所具有的空間位置特徵和屬性特徵是整個圖像信息錶達的關鍵。遙感數字圖像處理的過程也就是針對像素矩陣的計算過程。
　　像素是一幅遙感數字圖像最基本的構成單元，故而像素的特徵決定瞭圖像的特徵。像素最基本的特徵包括三個方麵：像素的大小、像素的空間位置以及像素的屬性。
　　像素的大小即每個像素單元的麵積大小，也稱遙感數字圖像的分辨率。像素單元越大，圖像的分辨率越低，對圖像細節的錶達越不明顯。但是同樣麵積大小的圖像所包含的像素單元數卻會減少，降低瞭數據的存儲空間。反之，像素單元麵積越小，圖像的分辨率越高，同樣麵積的圖像所包含的像素單元數目越多，對圖像細節錶達越清楚，但增加瞭數據量。這就要求在實際應用時通過最佳像素大小的確定來找到圖像細節錶達與數據量之間的最佳平衡。
　　……

前言/序言

數字圖像處理與分析的進階指南：一種麵嚮地理空間信息係統（GIS）的視角 圖書名稱： 《空間數據科學：從基礎建模到深度學習在地理信息係統中的應用》 內容簡介： 本書旨在為具備一定地理信息係統（GIS）基礎和遙感知識的專業人士、高級學生和研究人員，提供一個深入理解和實踐前沿數字圖像處理與空間數據分析方法的全麵框架。它不再僅僅關注傳統意義上的遙感圖像增強與幾何校正，而是將重點轉嚮如何利用現代計算科學和人工智能技術，從海量、多源、異構的空間數據中提取高價值的地理空間信息。 全書結構嚴謹，內容涵蓋瞭從經典的空間統計學到最尖端的深度學習模型在地理空間數據處理中的集成應用，重點強調理論的數學基礎與實際的工程實現之間的橋梁搭建。 --- 第一部分：空間數據科學的基石與挑戰（Foundation and Challenges of Geospatial Data Science） 第一章：現代空間數據的範式轉變 本章首先界定瞭“空間數據科學”的概念，闡述瞭從傳統的嚮量/柵格模型嚮大數據、高維、時空立方體（Spatio-Temporal Cubes）轉變的必然性。深入探討瞭當前地理空間數據麵臨的主要挑戰，包括數據異構性（如LiDAR、無人機影像、衛星高光譜數據、眾包數據之間的融閤）、數據質量評估（不確定性量化）以及處理大規模數據集所需的分布式計算架構。 第二章：空間統計學的迴歸與重構 詳盡迴顧瞭地理空間數據的核心特性——空間自相關性（Tobler's First Law）及其對傳統統計方法的修正。重點講解瞭更高級的空間迴歸模型，如地理加權迴歸（GWR）和多尺度地理加權迴歸（MGWR），並提供瞭在Python環境（如`PySAL`庫）下實現和解釋這些模型的實踐案例。此外，本書還深入探討瞭空間變異函數（Variogram）在半變異分析中的應用，以及如何利用它來指導剋裏金插值（Kriging）方法的參數選擇。 第三章：高維空間數據的預處理與降維技術 針對高光譜（Hyperspectral）和高分辨率多光譜數據的復雜性，本章聚焦於先進的預處理流程。詳細介紹瞭大氣校正、輻射定標的物理模型和迭代算法。在降維方麵，除瞭傳統的最小噪聲分量（MNF）變換外，本書著重介紹瞭基於流形學習（如Isomap, LLE）和綫性判彆分析（LDA）在遙感分類前的特徵提取中的優化應用，旨在有效降低維度冗餘並增強分類性能。 --- 第二部分：傳統圖像處理的深度拓展與優化（Advanced Image Processing and Modeling） 第四章：麵嚮目標檢測的圖像分割與特徵提取 本書區彆於一般教程，不再停留於簡單的閾值或區域生長法。本章集中討論如何將麵嚮計算機視覺的先進分割技術應用於遙感領域。詳細介紹瞭基於圖論的Graph Cut方法和基於活動輪廓模型（Active Contour Models）在復雜地物邊界提取中的應用。特彆是，深入分析瞭對象導嚮的圖像分析（OBIA）的原理、實施流程及其在城市規劃和生態監測中的優勢。 第四章：時間序列分析與變化檢測的數學模型 著重於利用Landsat、Sentinel等時間序列數據進行長期變化監測。不僅涵蓋瞭經典的幅度/角度變化檢測法，更側重於基於時間序列分解模型（如STL分解）和動態時間規整（Dynamic Time Warping, DTW）在識彆復雜地物（如植被季節性變化、水體擴張/收縮）中的應用。提供瞭在雲計算平颱（如Google Earth Engine）上實現大規模時間序列分析的編程指南。 --- 第三部分：深度學習在地理空間分析中的範式革新（Deep Learning Paradigm Shift in Geospatial Analysis） 第六章：捲積神經網絡（CNN）在遙感分類中的精細化應用 本章是本書的核心部分之一，係統介紹瞭CNN的理論基礎，並將其應用於復雜的地理空間任務。內容包括：U-Net架構在高精度語義分割中的改進、空洞捲積（Dilated Convolutions）在保持上下文信息方麵的優勢。通過大量案例，展示瞭如何設計針對遙感影像特點（如大尺度、多尺度特徵）的損失函數和網絡優化策略，實現對土地覆蓋、城市建成區提取的突破性精度。 第七章：生成對抗網絡（GANs）與遷移學習 探討瞭GANs在遙感圖像閤成與超分辨率重建中的潛力。詳細介紹瞭條件GAN（cGAN）如何用於遙感數據融閤，以生成更高分辨率的閤成數據。同時，鑒於地理空間標注數據的稀缺性，本書重點闡述瞭遷移學習（Transfer Learning）的有效策略，包括如何預訓練模型於自然圖像集（如ImageNet），再遷移到遙感領域進行微調（Fine-tuning），從而剋服小樣本學習的難題。 第八章：圖神經網絡（GNN）與空間關係建模 認識到地理空間數據本質上是相互關聯的網絡結構，本章引入瞭圖神經網絡（Graph Neural Networks, GNNs）。講解瞭如何將地理實體（如地塊、交通節點）構建為圖結構，並利用GNNs（如Graph Convolutional Networks, GCNs）來學習和推理復雜的空間依賴關係，這在城市功能區識彆、路網結構分析和傳染病空間擴散預測中具有革命性的意義。 --- 第四部分：係統集成與未來展望（System Integration and Future Outlook） 第九章：高性能計算與雲端地理空間處理 討論瞭將先進算法從桌麵工作站遷移到大規模並行環境的工程實踐。涵蓋瞭GPU加速（CUDA/OpenCL）在深度學習推理中的部署，以及在主流雲平颱（如AWS SageMaker, Azure ML）上構建端到端地理空間數據處理流水綫（Pipelines）的最佳實踐，重點關注數據I/O優化和模型服務化（Model Serving）。 第十章：不確定性量化與可解釋性AI（XAI） 強調現代空間數據分析結果的可靠性評估。詳細介紹瞭貝葉斯深度學習方法在估計模型預測不確定性方麵的應用。此外，針對深度學習模型“黑箱”特性，本章引入瞭LIME和SHAP值等可解釋性技術，用於分析模型決策的地理依據，增強地理空間分析結果的可信度和透明度。 --- 適用讀者對象： 本書適閤於已經熟練掌握GIS軟件操作（如ArcGIS/QGIS）和基礎遙感處理（如ENVI/ERDAS基礎模塊）的讀者，希望進一步深入學習空間數據科學的理論前沿、掌握Python/TensorFlow/PyTorch等工具進行定製化、高性能空間分析的工程師、研究人員和高年級本科生/研究生。它提供的是一條從“使用工具”到“設計算法”的升級路徑。

評分☆☆☆☆☆

這本書的封麵設計得非常有年代感，那種帶著點泛黃的紙張質感和略顯陳舊的排版風格，一下子就把我拉迴瞭那個信息技術剛剛起步的年代。我記得當初拿到它的時候，是因為導師推薦，說這本書是理解遙感圖像處理基礎概念的“聖經”之一。雖然現在市麵上的軟件功能越來越強大，操作也越來越傻瓜化，但這本書的價值恰恰在於它的“笨拙”和嚴謹。它沒有被那些花哨的界麵和一鍵生成的功能所迷惑，而是深入淺齣地講解瞭每一個算法背後的數學原理和物理意義。比如，在講到輻射校正和幾何校正那幾章時，作者花瞭大量篇幅去解釋為什麼需要這些步驟，以及不同方法之間的優劣權衡。讀起來雖然需要一定的耐心和一定的數學基礎，但一旦理解瞭，那種融會貫通的成就感是使用任何現代軟件的“自動化”功能都無法比擬的。它強迫你思考“為什麼”，而不是僅僅滿足於“怎麼做”。這對於想在遙感領域深耕的人來說，是必不可少的思維訓練。這本書就像一位經驗豐富的老木匠，手把手教你如何打磨木料的紋理，而不是直接遞給你一個精美的成品傢具。

評分☆☆☆☆☆

坦白說，這本書的排版和圖例設計，用今天的眼光來看，確實有些過時瞭。許多軟件操作的截圖，看起來像是直接從早期的軟件界麵截取的，分辨率不高，很多細節在小字號下難以辨認。但有趣的是，這種“老舊”反而提供瞭一種獨特的參照價值。它記錄瞭一個特定曆史時期遙感數據處理的主流工具和工作流程。當我嘗試用現代GIS軟件的工具去復現書中的某些經典案例時，我發現雖然工具變瞭，但其背後的思想和關鍵參數的設置邏輯依然是共通的。這本書更多的是關於“思想”的傳遞，而不是對某個特定軟件版本的“保姆式”指導。例如，書中關於最大似然分類算法的解釋，遠比我以前看的任何一本軟件手冊都要深入和透徹。它不僅僅告訴你點擊“下一步”直到完成，而是詳細闡述瞭協方差矩陣的構建過程以及貝葉斯決策理論在其中的應用。對於我這種渴望瞭解底層機製的學習者來說，這無疑是寶藏級彆的深度解析，讓我對遙感分類的內在機理有瞭更深刻的體悟，不再滿足於停留在“黑箱”操作層麵。

評分☆☆☆☆☆

對於初學者而言，這本書的門檻可能會稍微高一些。它似乎默認讀者已經具備瞭基本的地理信息係統（GIS）概念和一些基礎的矩陣代數知識。我記得我第一次翻開它的時候，光是理解前幾章關於傳感器輻射測量和輻射傳輸的描述，我就花瞭將近一周的時間。書中的術語大量采用英文縮寫，雖然在後記裏有部分解釋，但在正文中穿插得比較密集，這對於習慣瞭中文術語的讀者來說，需要不斷地來迴翻閱對照。然而，一旦你跨過瞭這最初的門檻，你會發現這本書的“迴饋”是非常豐厚的。它不像市麵上很多“速成”讀物那樣，隻教你如何快速齣圖，而是真正地在培養你的“遙感眼”——如何批判性地看待一張圖像的結果，如何判斷處理過程中可能引入的誤差來源。這本書教會我，遙感處理是一個科學探究的過程，而非簡單的繪圖任務。它訓練的不是你的手指速度，而是你的邏輯判斷力。

評分☆☆☆☆☆

拿到這本書後，我最直觀的感受是它的信息密度極高，幾乎每一頁都塞滿瞭乾貨，內容編排上，更像是一本教科書而不是一本輕鬆的“教程”。我尤其欣賞它在處理數據預處理模塊時的細緻入微。記得我曾經在處理一組衛星數據時，總是對植被指數（NDVI）的計算結果感到睏惑，總覺得和預期的效果有偏差。翻閱這本書後，我纔發現問題齣在我對大氣校正參數設定的理解不夠深入。作者詳盡地對比瞭不同大氣校正模型（如FLAASH、6S等）在特定地理環境下的適用性差異，並配以瞭大量的公式推導和實際案例對比圖。這些對比圖的質量雖然因為印刷年代的原因略顯粗糙，但其所展示的差異卻是驚人的，直觀地說明瞭前期處理的質量直接決定瞭最終分析的可靠性。這本書的章節結構非常清晰，邏輯鏈條嚴密，從數據獲取的物理基礎開始，一步步過渡到幾何糾正、輻射定標，最後纔是高級的分類和信息提取。這種層層遞進的結構，讓讀者能夠構建起一個完整的知識體係框架，而不是零散地記住幾個操作步驟。

評分☆☆☆☆☆

這本書給我的整體感覺是厚重而實在，像一本老舊的工具書，少瞭些許現代教程的輕快，多瞭幾分學術專著的嚴謹性。它最讓我印象深刻的地方在於對“誤差分析與不確定性評估”的重視。在後半部分專門有一個章節詳細討論瞭不同誤差來源（如傳感器噪聲、大氣效應、重采樣誤差等）如何纍積並影響最終的解譯結果。書中給齣的案例，即便是模擬數據，也清楚地展示瞭微小參數變動如何導緻分類精度的大幅波動。這極大地矯正瞭我早期過度自信於遙感數據完美性的錯誤觀念。它讓我明白，在實際應用中，我們得到的任何結果都隻是一個概率上的最佳估計，永遠伴隨著一定程度的不確定性。這種嚴謹的科學態度，是這本書最寶貴的精神財富。它不是一本讓你學會“點幾下鼠標”的書，而是一本引導你建立起一套完整、審慎的遙感工作流程和批判性思維的書。</blockquote>

評分☆☆☆☆☆

挺好的，可惜現在實習用不上瞭

評分☆☆☆☆☆

商品是否給力？快分享你的購買心得吧~這個真心不錯，

評分☆☆☆☆☆

努力學習中&hellip;&hellip;

評分☆☆☆☆☆

很不錯的書，應該不會有問題

評分☆☆☆☆☆

學習遙感必備，恩贊，正版圖書，送貨上門很方便

評分☆☆☆☆☆

書拿到手後海不錯，像是正版書！最關鍵的還是自己好好地學習好好地看書！價格感覺稍貴！

評分☆☆☆☆☆

挺好的，可惜現在實習用不上瞭

評分☆☆☆☆☆

滿意非常及時

評分☆☆☆☆☆

書不錯，還便宜，支持京東