《遙感數字圖像分析導論（第五版）》以易於讀者理解和應用為宗旨，在側重不同處理技術和方法的同時，充分結合了當前的新理論、新技術和新方法。特別值得指出的是，新版本在內容修訂、材料補充的基礎上，增加了許多圖像及相關處理結果，更易於讀者理解。

《遙感數字圖像分析導論（第五版）》首先介紹了遙感圖像數據源及特性，之後各章分兩部分內容：第2章至第7章主要探討遙感圖像處理的基本技術和方法，包括校正和配準、增強、變換等；第8章至第12章主要探討遙感圖像處理的應用技術和方法，包括監督／非監督分類、特征減少、多源圖像分析處理等。該書以易於讀者理解和應用為宗旨，在側重不同處理技術和方法的同時，充分結合了當前的新理論、新技術和新方法。特別值得指出的是，新版本在內容修訂、材料補充的基礎上，增加了許多圖像及相關處理結果，更易於讀者理解。
《遙感數字圖像分析導論（第五版）》是從事遙感領域研究的高年級本科生、研究生的一部全面、完整、詳細的教材，也是廣大專業科技工作者應用參考、非專業人士自學遙感知識的經典之作。

John A.Richards，於1972年至1977年任教於澳大利亞北昆士蘭詹姆斯庫克大學電氣工程繫；1977年起任新南威爾士大學電氣與計算機科學學院副教授；1981年成立新南威爾士大學跨學科遙感中心並任主任；1987年至1996年任新南威爾士大學澳大利亞國防軍事學院副院長，1996年起任院長；1998年至2003年分別任澳大利亞國立大學信息科學與工程學院主任、計算機科學學院主任和澳大利亞國立大學副校長。2006年受聘為哈爾濱工業大學客座教授。JohnA.Richards教授是IEEE會士，澳大利亞技術科學與工程院院士，澳大利亞無線電與電子工程師學院院士。研究方向包括遙感圖像分析、模式識別、成像雷達後向散射建模、星載雷達遙感技術及應用。

第1章 遙感圖像數據來源及特性
1.1 能量來源及波長範圍
1.2 原始數據特性
1.3 遙感平臺
1.4 地球表面的哪些特性能夠測量
1.5 通常的空間數據源與地理信息繫統
1.6 數字圖像數據的尺度
1.7 數字地球
1.8 本書的結構安排
1.9 關於遙感圖像數據來源及特性的參考文獻
1.10 習題

第2章 校正與配準圖像
2.1 引言
2.2 輻射失真源
2.3 儀器誤差
2.4 太陽輻射曲線和大氣對輻射測量的影響
2.5 補償太陽輻射曲線
2.6 大氣的影響
2.7 大氣對遙感圖像的影響
2.8 校正寬波段繫統的大氣影響
2.9 校正窄波段繫統的大氣影響
2.10 經驗的、數據驅動的大氣校正方法
2.11 幾何失真源
2.12 地球自轉的影響
2.13 平臺高度、姿態和速度變化的影響
2.14 傳感器視場的影響：全景失真
2.15 地球曲率的影響
2.16 儀器特性造成的幾何失真
2.17 幾何失真校正
2.18 利用映射函數進行圖像校正
2.19 幾何失真的數學表示及校正
2.20 圖像到圖像的配準
2.21 其他圖像幾何操作
2.22 關於校正和配準圖像的參考文獻
2.23 習題

第3章 解譯圖像
3.1 引言
3.2 圖像解譯
3.3 定量化分析：從數據到標簽
3.4 定量化分析和像片解譯的對比
3.5 定量化分析的基礎
3.6 子類和光譜類
3.7 非監督分類
3.8 關於解譯圖像的參考文獻
3.9 習題

第4章 圖像的輻射增強
4.1 引言
4.2 圖像直方圖
4.3 對比度修正
4.4 直方圖均衡
4.5 直方圖匹配
4.6 密度分割
4.7 關於圖像輻射增強的參考文獻
4.8 習題

第5章 幾何處理與增強：圖像域技術
5.1 引言
5.2 圖像濾波的鄰域操作
5.3 圖像平滑
5.4 銳化和邊緣檢測
5.5 邊緣檢測
5.6 線檢測和點檢測
5.7 細化和連接
5.8 作為卷積運算的幾何處理
5.9 圖像域技術和傅裡葉變換方法的比較
5.10 圖像的幾何特性
5.11 形態學分析
5.12 形狀識別
5.13 關於圖像域技術的幾何增強的參考文獻
5.14 習題

第6章 圖像光譜域變換
6.1 引言
6.2 圖像算術和植被指數
6.3 主成分變換
6.4 噪聲調整的主成分變換
6.5 KauthThomas纓帽變換
6.6 核主成分分析
6.7 HSI圖像顯示
6.8 全色銳化
6.9 關於光譜域圖像變換的參考文獻
6.10 習題

第7章 圖像的空間域變換
7.1 引言
7.2 特殊函數
7.3 傅裡葉級數
7.4 傅裡葉變換
7.5 離散傅裡葉變換
7.6 卷積
7.7 采樣定理
7.8 圖像的離散傅裡葉變換
7.9 利用傅裡葉變換對圖像進行處理
7.10 二維卷積
7.11 其他傅裡葉變換
7.12 頻譜洩漏和窗函數
7.13 小波變換
7.14 圖像的小波變換
7.15 小波變換在遙感圖像分析中的應用
7.16 關於空間域圖像變換的參考文獻
7.17 習題

第8章 監督分類技術
8.1 引言
8.2 監督分類的基本步驟
8.3 最大似然分類
8.4 高斯混合模型
8.5 最小距離分類器
8.6 平行六面體分類器
8.7 馬氏距離分類器
8.8 非參數分類
8.9 查表分類
8.10 k近鄰分類器
8.11 光譜角制圖
8.12 非參數分類——幾何方法
8.13 訓練線性分類器
8.14 支持向量機：線性可分類別
8.15 支持向量機：類別重疊情況
8.16 支持向量機：線性不可分數據和核函數
8.17 用兩類分類器進行多類別分類
8.18 分類器委員會
8.19 網絡分類器：神經網絡
8.20 基於上下文的分類
8.21 關於監督分類技術的參考文獻
8.22 習題

第9章 聚類與非監督分類
9.1 聚類的應用
9.2 相似性度量與聚類準則
9.3 k均值聚類
9.4 Isodata聚類
9.5 初始聚類中心的選擇
9.6 k均值和Isodata的聚類代價
9.7 非監督分類
9.8 一個關於k均值算法聚類的例子
9.9 單通聚類技術
9.10 分層聚類
9.11 其他聚類指標
9.12 其他聚類技術
9.13 聚類空間分類
9.14 關於聚類與非監督分類的參考文獻
9.15 習題

第10章 特征減少
10.1 特征減少的必要性
10.2 處理高維數據的一些注意事項
10.3 可分性度量
10.4 離散度
10.5 Jeffries-Matusita距離
10.6 變換離散度
10.7 用於最小距離分類的可分性度量
10.8 通過光譜變換進行特征減少
10.9 協方差矩陣塊對角化
10.10 通過正則化提高協方差估計
10.11 關於特征減少的參考文獻
10.12 習題

第11章 圖像分類實踐
11.1 引言
11.2 分類概述
11.3 采用最大似然規則的監督分類
11.4 混合的監督/非監督方法
11.5 聚類空間分類
11.6 采用支持向量機的監督分類
11.7 評價分類精度
11.8 決策樹分類器
11.9 通過光譜學和光譜庫搜索的圖像解譯
11.1與解混
11.11 是否存在最好的分類器
11.12 關於圖像分類實踐的參考文獻
11.13 習題

第12章 多源圖像分析
12.1 引言
12.2 堆棧向量分析
12.3 統計多源方法
12.4 證據理論
12.5 基於知識的圖像分析
12.6 可操作的多源分析
12.7 關於多源圖像分析的參考文獻
12.8 習題
附錄A 衛星高度和周期
附錄B 十進制數的二進制表示
附錄C 向量和矩陣代數中的基本結果
附錄D 概率與統計的一些基礎知識
附錄E 最大似然決策準則懲罰函數的推導

《遙感數字圖像分析導論（第五版）》：
3.1引言
大部分情況下，我們記錄地球在各個波段的影像，以便建立具有地表特征的圖像。盡管有時我們可能會對一些特殊的科學目的感興趣，但如果可以通過獲取的遙感數據創建目標表面不同屬性的專題圖，這些特殊的科學目的就可以在很大程度上得以滿足。本書主要介紹分析數字圖像和從分析中創建映射的方法。
有兩類常見的圖像解譯方法。一類是完全依賴於人類分析員（所謂的像片解譯員）的技術。另一類涉及到計算機輔助分析方法，用各種機器算法來自動處理繁瑣的任務。本章中，給出了解譯圖像的分析方法概述，為本書的其他部分提供了背景。我們首先介紹像片解譯的綜述，然後進行機器輔助分析。
3.2圖像解譯
一個技術嫻熟的圖像解譯員通過觀察數據組成的圖像產品的視覺信息來獲取信息。原則上，分析員通常隻是注意大尺度特征，而不關注空間上和輻射上的數字化。空間、光譜和時間線索常用於圖像解譯分析，如形狀、尺寸、方位以及紋理等空間特性。道路、海岸線、河流繫統、斷裂模式以及主要輪廓比較容易通過空間特征來識別。通過分析可以利用特定目標或植被不同時期的變化得到所需的時變信息來輔助分類，如區分落葉的或生存期短的植被與多年生常綠植被。光譜信息依賴於分析人員對典型植被類型的光譜反射特性的先驗知識和經驗，以及對這些特性如何在獲取圖像數據的平臺上進行采樣的了解。
由於像片解譯是由人類分析員操作，通常工作在遠大於像素級的尺度上。總體而言，對於一般的空間評估，這是一個很好的方法，但如果某特定應用中需要對某個特殊覆蓋類型區域進行精確地定量化分析，這種方法的效果就不好。另外，如果所需的信息取決於特定圖像的細節光譜及輻射特性，這種方法的效果也不理想。對比之下，人類的推理能力水平比計算機高，像片解譯員能直接判定紋理，距離，形狀和尺寸等大尺度模式，現階段，這對於機器算法來說還是具有很大的挑戰。在實際應用中需要這樣的決策，因此人工解譯是現階段首選的分析方法。
……