《曲波特征加權遙感圖像統計分割原理與方法》以多尺度分析與統計建模相結合的高分辨率遙感圖像分割方法理論與實踐為主線，重點闡述貝葉斯框架下和能量框架下的特征加權分割模型、光譜特征分割模型和無權重特征分割模型以及各類分割模型的分割解，并對每類分割問題給出相應的高分辨率遙感圖像分割實例，以體現其分割模型的有效性和實用性。
針對上述內容，《曲波特征加權遙感圖像統計分割原理與方法》共5章，涉及高分辨率遙感圖像分割問題、基礎理論、關鍵技術和應用范例，具體的章節安排如下。第1章介紹了星載高分辨率遙感衛星的技術發展，論述了高分辨率遙感圖像的特點及其分割問題，并根據高分辨率遙感圖像的特征綜述了目前高分辨率遙感圖像的分割方法。第2章介紹了《曲波特征加權遙感圖像統計分割原理與方法》涉及的基礎理論知識，包括多尺度分析理論中的小波變換和曲波變換、特征選擇中的過濾方法和封裝方法、統計建模中的貝葉斯定理和能量函數、統計模擬中的MC方法和MCMC方法等。第3章重點圍繞高分辨率遙感圖像中光譜、紋理和邊緣這3個基本特征的提取方法進行展開，并對各方法給出相應的高分辨率遙感圖像特征提取實例。第4章從建立高分辨率遙感圖像分割模型的貝葉斯定理視角出發，重點討論了特征加權貝葉斯分割算法、光譜特征貝葉斯分割算法和無權重特征貝葉斯分割算法。第5章介紹了能量函數框架下的特征加權能量分割算法、光譜特征能量分割算法和無權重特征能量分割算法，并對比分析了特征和特征權重在高分辨率遙感圖像分割中的作用。
隨著遙感數據采集技術的持續創新，人們可方便、快捷地獲取海量高性能（高空間、光譜、輻射、時間分辨率）遙感數據，這促使其應用領域不斷擴展。與之相比，遙感數據的處理方法較為落后，無法滿足應用領域對這些新型遙感數據提取和解譯的要求。因此，當務之急是需研究并提出有效的遙感圖像解譯方法，以滿足日益增長的遙感數據應用領域對這些海量高性能遙感數據的處理要求，以及解決對其蘊含信息的提取需求。
遙感圖像分割是遙感數據處理任務中的基礎工作之一，其結果將直接影響后續分析和解譯任務的精準程度。因此，遙感圖像分割是遙感數據精準解譯的關鍵。在遙感圖像分割中，根據圖像特征將具有同質特征的各類地物目標或其部分進行劃分。傳統的遙感圖像分割以像素為處理單元，依據同一地物內像素光譜特征或紋理結構特征的高度相似性實現區域分割；其分割模型是在像素的基礎上建立的，至多融人鄰域像素間的相互作用。與中、低空間分辨率遙感圖像相比，高空間分辨率使得遙感圖像中地物目標的主題內容更加明顯，幾何形狀更加精準，細節特征更加突出。由此，高分辨率為遙感圖像的精準分割提供了充分的特征信息基礎。此外，高分辨率也導致遙感圖像中像素光譜測度的空間相關性變得更加復雜，即同質區域差異性變大，異質區域差異性變��；細節特征的突出造成地物目標內的幾何噪聲增大。所有這些問題都為高分辨率遙感圖像分割算法的設計帶來了很大困難，使得適用于中、低分辨率遙感圖像分割的傳統分割算法無論是在算法效率上，還是在分割結果的精度上，都無法滿足高分辨率遙感圖像的分割要求，進而極大地限制了其應用。
高空間分辨率遙感圖像蘊含著豐富的特征信息，其同質區域間的差異不僅在光譜特征上存在，在邊緣、紋理等特征上同樣也存在。為了更好地辨識高分辨率遙感圖像的不同同質區域，可在高分辨率遙感圖像分割設計方法中考慮特征。因此，如何定義、提取特征并探究其在圖像分割中的作用成為高分辨率遙感圖像精確分割的關鍵。
本書以多尺度分析與統計建模相結合的高分辨率遙感圖像分割方法理論與實踐為主線，重點闡述貝葉斯框架下和能量框架下的特征加權分割模型、光譜特征分割模型和無權重特征分割模型以及各類分割模型的最優分割解，并對每類分割問題給出相應的高分辨率遙感圖像分割實例，以體現各分割模型的有效性和實用性。針對上述內容，本書共5章，涉及高分辨率遙感圖像分割問題、基礎理論、關鍵技術和應用范例，具體的章節安排如下。第一章介紹了星載高分辨率遙感衛星的技術發展，論述了高分辨率遙感圖像的特點及其分割問題，并根據高分辨率遙感圖像的特征綜述了目前高分辨率遙感圖像的分割方法。第2章介紹了本書涉及的基礎理論知識，包括多尺度分析理論中的小波變換和曲波變換、特征選擇中的過濾方法和封裝方法、統計建模中的貝葉斯定理和能量函數、統計模擬中的MC方法和MCMC方法等。第3章重點圍繞高分辨率遙感圖像中光譜、紋理和邊緣這3個基本特征的提取方法進行展開，并對各方法給出相應的高分辨率遙感圖像特征提取實例。第4章從建立高分辨率遙感圖像分割模型的貝葉斯定理視角出發，重點討論了特征加權貝葉斯分割算法、光譜特征貝葉斯分割算法和無權重特征貝葉斯分割算法。第5章介紹了能量函數框架下的特征加權能量分割算法、光譜特征能量分割算法和無權重特征能量分割算法，并對比分析了特征和特征權重在高分辨率遙感圖像分割中的作用。
本書提出了一種普適的遙感圖像特征統計模型及其理論基礎，并給出了將特征及其作用參數融入高分辨率遙感圖像統計分割方法中的實施方案。本書內容將為基于高分辨率遙感圖像的大規模土地覆蓋及利用、地物目標辨識及其特征提取等應用提供有效手段，促進高分辨率遙感圖像在國土資源調查、災害預測、環境監測等領域的廣泛應用。作為一種新技術和新方法，目前該領域的研究和應用還處于初始階段，鮮有研究者對此開展系統性的研究工作。因此，本書也在試圖填補這方面研究的空白。
王玉，博士，桂林理工大學講師。主要研究方向為遙感數據處理理論與應用基礎研究，包括空間統計學、隨機幾何、多尺度分析在遙感數據建模與分析方面的應用，地物目標幾何以及特征提取。
目 錄
第1章 緒論1
1.1 星載高分辨率遙感衛星1
1.2 高分辨率遙感圖像的特點14
1.3 高分辨率遙感圖像分割方法14
1.3.1 單一特征分割方法15
1.3.2 多特征分割方法17
第2章 基礎理論20
2.1 多尺度分析20
2.1.1 小波變換20
2.1.2 曲波變換25
2.2 特征選擇30
2.2.1 過濾方法30
2.2.2 封裝方法32
2.3 統計建模與模擬33
2.3.1 統計建模33
2.3.2 統計模擬38
第3章 高分辨率遙感圖像特征提取43
3.1 光譜特征43
3.2 紋理特征47
3.3 邊緣特征50
3.4 高分辨率遙感圖像特征提取實例52
3.4.1 光譜特征提取實例52
3.4.2 紋理特征提取實例56
3.4.3 邊緣特征提取實例58
第4章 貝葉斯框架下的特征分割62
4.1 特征加權貝葉斯分割算法62
4.1.1 特征加權貝葉斯分割算法描述62
4.1.2 特征加權貝葉斯分割算法實例68
4.2 光譜特征貝葉斯分割算法101
4.2.1 光譜特征貝葉斯分割算法描述102
4.2.2 光譜特征貝葉斯分割算法實例106
4.3 無權重特征貝葉斯分割算法109
4.3.1 無權重特征貝葉斯分割算法描述109
4.3.2 無權重特征貝葉斯分割算法實例113
第5章 能量框架下的特征分割117
5.1 特征加權能量分割算法117
5.1.1 特征加權能量分割算法的描述117
5.1.2 特征加權能量分割算法實例121
5.2 光譜特征能量分割算法153
5.2.1 光譜特征能量分割算法描述153
5.2.2 光譜特征能量分割算法實例155
5.3 無權重特征能量分割算法159
5.3.1 無權重特征能量分割算法描述159
5.3.2 無權重特征能量分割算法實例162
參考文獻166
附錄A 變量注釋表178
附錄B 縮略語清單182
新書資訊