ERDAS遥感数字图像处理实验教程 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

汤国安，杨昕，邓凤东，吕恒 著

图书标签:

• 遥感
• 数字图像处理
• ERDAS
• 实验教程
• 图像处理
• 遥感应用
• 地理信息系统
• GIS
• 遥感技术
• 环境遥感

出版社： 科学出版社

ISBN：9787030234179

版次：1

商品编码：10122881

包装：平装

丛书名： 地理信息系统理论与应用丛书

开本：16开

出版时间：2009-01-01

用纸：胶版纸

页数：472

字数：700000

附件：光盘

内容简介

　　本书是编者在系统总结教学和科研经验的基础上编写而成。本书较全面地介绍了ERDAS IMAGINE的主要功能和应用实例，主要包括ERDAS　IMAGINE应用基础、数据预处理、图像增强、图像分类、矢量功能及专题地图制作等基本图像处理功能和高光谱图像处理、雷达图像处理、空间分析、光谱分析、空间建模及批处理、立体分析、虚拟GIS等专题功能。一些章节配有具有典型意义的实例与练习，并在随书光盘中辅以相应数据，以便学生课后练习和复习。
　　本书强调科学性、系统性、实用性与易读性相结合，可作为高等院校测绘、遥感、地理信息系统、地理学等相关学科的教材，也可作为从事遥感图像处理等实践工作及科研活动的技术人员的参考书。

目录

前言
第一章　ERDAS IMAGINE应用基础
1.1　遥感数字图像处理概述
1.1.1　遥感数字图像
1.1.2　遥感数字图像处理
1.1.3　遥感图像处理软件
1.2 ERDAS数据格式
1.2.1　通用二进制数据格式
1.2.2　IMG格式
1.3 ERDAS IMAGINE图标面板
1.4　数据显示基本功能
1.4.1　视窗功能简介
1.4.2　File菜单操作
1.4.3　文件显示顺序
1.4.4 显示比例操作
1.4.5　显示变换操作
1.4.6　叠加显示操作
1.5　数据信息查询
1.5.1　光标查询功能
1.5.2　量测功能
1.5.3　图像信息显示
1.6　常用遥感影像数据格式简介及输入方式
1.6.1　Landsat-5图像数据简介
1.6.2　SP()T-5图像数据简介
1.6.3　M()DIS图像数据简介
1.6.4　IK()N()s图像数据简介
第二章　数据预处理
2.1 图像校正
2.1.1　图像几何校正的一般步骤
2.1.2　图像几何校正的计算模型
2.1.3　多项式校正
2.1.4　数字正射校正
2.2 图像拼接
2.2.1　图像拼接功能简介
2.2.2　多波段图像拼接
2.2.3　剪切线拼接
2.3　图像投影变换
2.4　图像分幅裁剪
2.4.1　规则分幅
2.4.2　不规则分幅
2.5 图像融合
2.6　图像命令基本功能
2.6.1　图像命令工具简介
2.6.2　常用图像命令功能操作简介
2.7　实例与练习：数据更新变换
2.7.1　背景
2.7.2　目的
2.7.3　数据
2.7.4　要求
2.7.5　实验步骤
第三章　图像增强
3.1　辐射增强
3.1.1　查找表拉伸
3.1.2　直方图均衡化
3.1.3　直方图匹配
3.1.4　亮度反转
3.1.5　去霾处理
3.1.6　降噪处理
3.1.7　去条带处理
3.2　空间域增强
3.2.1　卷积增强
3.2.2　锐化增强
3.2.3　非定向边缘检测
3.2.4　聚焦分析
3.2.5　纹理分析
3.2.6　自适应滤波
3.2.7　统计滤波
3.3　频率域增强
3.3.1　傅里叶变换
3.3.2　傅里叶逆变换
3.4　代数运算
3.4.1　算术运算
3.4.2　归一化指数
……
第四章　图像分类
第五章　高光谱像处理
第六章　雷达图像处理
第七章　空间分析
第八章　光谱分析
第九章　空间建模及批处理
第十章　立体分析
第十一章　虚拟GIS
第十二章　矢量功能及专题地图制作
主要参考文献

精彩书摘

　　第一章　ERDAS IMAGINE应用基础
　　自20世纪60年代以来遥感技术迅速崛起，它改变了人类认识地球，了解地球的角度和方式。随着计算机技术、光学感应技术以及测绘技术的发展，遥感技术也从以飞机为主要载体的航空遥感发展到以航天飞机、人造地球卫星等为载体的航天遥感，极大地拓展了人们的观测视野，丰富了对地观测信息的来源。随着信息量的增加，如何快速、高效地提取有效信息，是遥感技术亟待解决的难题，也促进了遥感数字图像处理技术的发展。
　　1.1　遥感数字图像处理概述
　　1.1.1 遥感数字图像
　　遥感数字图像（digital image）是以数字形式采集、存储、运算、表达、传输的遥感影像，它的最基本的单位是像素（pixel）。像素是遥感成像过程的采样点，或者是在由模拟图像转换为数字图像时的取样点，同时，像素也是计算机图像处理的最小单元。像素所具有的空间位置特征和属性特征是整个图像信息表达的关键。遥感数字图像处理的过程也就是针对像素矩阵的计算过程。
　　像素是一幅遥感数字图像最基本的构成单元，故而像素的特征决定了图像的特征。像素最基本的特征包括三个方面：像素的大小、像素的空间位置以及像素的属性。
　　像素的大小即每个像素单元的面积大小，也称遥感数字图像的分辨率。像素单元越大，图像的分辨率越低，对图像细节的表达越不明显。但是同样面积大小的图像所包含的像素单元数却会减少，降低了数据的存储空间。反之，像素单元面积越小，图像的分辨率越高，同样面积的图像所包含的像素单元数目越多，对图像细节表达越清楚，但增加了数据量。这就要求在实际应用时通过最佳像素大小的确定来找到图像细节表达与数据量之间的最佳平衡。
　　……

前言/序言

数字图像处理与分析的进阶指南：一种面向地理空间信息系统（GIS）的视角 图书名称： 《空间数据科学：从基础建模到深度学习在地理信息系统中的应用》 内容简介： 本书旨在为具备一定地理信息系统（GIS）基础和遥感知识的专业人士、高级学生和研究人员，提供一个深入理解和实践前沿数字图像处理与空间数据分析方法的全面框架。它不再仅仅关注传统意义上的遥感图像增强与几何校正，而是将重点转向如何利用现代计算科学和人工智能技术，从海量、多源、异构的空间数据中提取高价值的地理空间信息。 全书结构严谨，内容涵盖了从经典的空间统计学到最尖端的深度学习模型在地理空间数据处理中的集成应用，重点强调理论的数学基础与实际的工程实现之间的桥梁搭建。 --- 第一部分：空间数据科学的基石与挑战（Foundation and Challenges of Geospatial Data Science） 第一章：现代空间数据的范式转变 本章首先界定了“空间数据科学”的概念，阐述了从传统的向量/栅格模型向大数据、高维、时空立方体（Spatio-Temporal Cubes）转变的必然性。深入探讨了当前地理空间数据面临的主要挑战，包括数据异构性（如LiDAR、无人机影像、卫星高光谱数据、众包数据之间的融合）、数据质量评估（不确定性量化）以及处理大规模数据集所需的分布式计算架构。 第二章：空间统计学的回归与重构 详尽回顾了地理空间数据的核心特性——空间自相关性（Tobler's First Law）及其对传统统计方法的修正。重点讲解了更高级的空间回归模型，如地理加权回归（GWR）和多尺度地理加权回归（MGWR），并提供了在Python环境（如`PySAL`库）下实现和解释这些模型的实践案例。此外，本书还深入探讨了空间变异函数（Variogram）在半变异分析中的应用，以及如何利用它来指导克里金插值（Kriging）方法的参数选择。 第三章：高维空间数据的预处理与降维技术 针对高光谱（Hyperspectral）和高分辨率多光谱数据的复杂性，本章聚焦于先进的预处理流程。详细介绍了大气校正、辐射定标的物理模型和迭代算法。在降维方面，除了传统的最小噪声分量（MNF）变换外，本书着重介绍了基于流形学习（如Isomap, LLE）和线性判别分析（LDA）在遥感分类前的特征提取中的优化应用，旨在有效降低维度冗余并增强分类性能。 --- 第二部分：传统图像处理的深度拓展与优化（Advanced Image Processing and Modeling） 第四章：面向目标检测的图像分割与特征提取 本书区别于一般教程，不再停留于简单的阈值或区域生长法。本章集中讨论如何将面向计算机视觉的先进分割技术应用于遥感领域。详细介绍了基于图论的Graph Cut方法和基于活动轮廓模型（Active Contour Models）在复杂地物边界提取中的应用。特别是，深入分析了对象导向的图像分析（OBIA）的原理、实施流程及其在城市规划和生态监测中的优势。 第四章：时间序列分析与变化检测的数学模型 着重于利用Landsat、Sentinel等时间序列数据进行长期变化监测。不仅涵盖了经典的幅度/角度变化检测法，更侧重于基于时间序列分解模型（如STL分解）和动态时间规整（Dynamic Time Warping, DTW）在识别复杂地物（如植被季节性变化、水体扩张/收缩）中的应用。提供了在云计算平台（如Google Earth Engine）上实现大规模时间序列分析的编程指南。 --- 第三部分：深度学习在地理空间分析中的范式革新（Deep Learning Paradigm Shift in Geospatial Analysis） 第六章：卷积神经网络（CNN）在遥感分类中的精细化应用 本章是本书的核心部分之一，系统介绍了CNN的理论基础，并将其应用于复杂的地理空间任务。内容包括：U-Net架构在高精度语义分割中的改进、空洞卷积（Dilated Convolutions）在保持上下文信息方面的优势。通过大量案例，展示了如何设计针对遥感影像特点（如大尺度、多尺度特征）的损失函数和网络优化策略，实现对土地覆盖、城市建成区提取的突破性精度。 第七章：生成对抗网络（GANs）与迁移学习 探讨了GANs在遥感图像合成与超分辨率重建中的潜力。详细介绍了条件GAN（cGAN）如何用于遥感数据融合，以生成更高分辨率的合成数据。同时，鉴于地理空间标注数据的稀缺性，本书重点阐述了迁移学习（Transfer Learning）的有效策略，包括如何预训练模型于自然图像集（如ImageNet），再迁移到遥感领域进行微调（Fine-tuning），从而克服小样本学习的难题。 第八章：图神经网络（GNN）与空间关系建模 认识到地理空间数据本质上是相互关联的网络结构，本章引入了图神经网络（Graph Neural Networks, GNNs）。讲解了如何将地理实体（如地块、交通节点）构建为图结构，并利用GNNs（如Graph Convolutional Networks, GCNs）来学习和推理复杂的空间依赖关系，这在城市功能区识别、路网结构分析和传染病空间扩散预测中具有革命性的意义。 --- 第四部分：系统集成与未来展望（System Integration and Future Outlook） 第九章：高性能计算与云端地理空间处理 讨论了将先进算法从桌面工作站迁移到大规模并行环境的工程实践。涵盖了GPU加速（CUDA/OpenCL）在深度学习推理中的部署，以及在主流云平台（如AWS SageMaker, Azure ML）上构建端到端地理空间数据处理流水线（Pipelines）的最佳实践，重点关注数据I/O优化和模型服务化（Model Serving）。 第十章：不确定性量化与可解释性AI（XAI） 强调现代空间数据分析结果的可靠性评估。详细介绍了贝叶斯深度学习方法在估计模型预测不确定性方面的应用。此外，针对深度学习模型“黑箱”特性，本章引入了LIME和SHAP值等可解释性技术，用于分析模型决策的地理依据，增强地理空间分析结果的可信度和透明度。 --- 适用读者对象： 本书适合于已经熟练掌握GIS软件操作（如ArcGIS/QGIS）和基础遥感处理（如ENVI/ERDAS基础模块）的读者，希望进一步深入学习空间数据科学的理论前沿、掌握Python/TensorFlow/PyTorch等工具进行定制化、高性能空间分析的工程师、研究人员和高年级本科生/研究生。它提供的是一条从“使用工具”到“设计算法”的升级路径。

评分☆☆☆☆☆

这本书给我的整体感觉是厚重而实在，像一本老旧的工具书，少了些许现代教程的轻快，多了几分学术专著的严谨性。它最让我印象深刻的地方在于对“误差分析与不确定性评估”的重视。在后半部分专门有一个章节详细讨论了不同误差来源（如传感器噪声、大气效应、重采样误差等）如何累积并影响最终的解译结果。书中给出的案例，即便是模拟数据，也清楚地展示了微小参数变动如何导致分类精度的大幅波动。这极大地矫正了我早期过度自信于遥感数据完美性的错误观念。它让我明白，在实际应用中，我们得到的任何结果都只是一个概率上的最佳估计，永远伴随着一定程度的不确定性。这种严谨的科学态度，是这本书最宝贵的精神财富。它不是一本让你学会“点几下鼠标”的书，而是一本引导你建立起一套完整、审慎的遥感工作流程和批判性思维的书。</blockquote>

评分☆☆☆☆☆

对于初学者而言，这本书的门槛可能会稍微高一些。它似乎默认读者已经具备了基本的地理信息系统（GIS）概念和一些基础的矩阵代数知识。我记得我第一次翻开它的时候，光是理解前几章关于传感器辐射测量和辐射传输的描述，我就花了将近一周的时间。书中的术语大量采用英文缩写，虽然在后记里有部分解释，但在正文中穿插得比较密集，这对于习惯了中文术语的读者来说，需要不断地来回翻阅对照。然而，一旦你跨过了这最初的门槛，你会发现这本书的“回馈”是非常丰厚的。它不像市面上很多“速成”读物那样，只教你如何快速出图，而是真正地在培养你的“遥感眼”——如何批判性地看待一张图像的结果，如何判断处理过程中可能引入的误差来源。这本书教会我，遥感处理是一个科学探究的过程，而非简单的绘图任务。它训练的不是你的手指速度，而是你的逻辑判断力。

评分☆☆☆☆☆

坦白说，这本书的排版和图例设计，用今天的眼光来看，确实有些过时了。许多软件操作的截图，看起来像是直接从早期的软件界面截取的，分辨率不高，很多细节在小字号下难以辨认。但有趣的是，这种“老旧”反而提供了一种独特的参照价值。它记录了一个特定历史时期遥感数据处理的主流工具和工作流程。当我尝试用现代GIS软件的工具去复现书中的某些经典案例时，我发现虽然工具变了，但其背后的思想和关键参数的设置逻辑依然是共通的。这本书更多的是关于“思想”的传递，而不是对某个特定软件版本的“保姆式”指导。例如，书中关于最大似然分类算法的解释，远比我以前看的任何一本软件手册都要深入和透彻。它不仅仅告诉你点击“下一步”直到完成，而是详细阐述了协方差矩阵的构建过程以及贝叶斯决策理论在其中的应用。对于我这种渴望了解底层机制的学习者来说，这无疑是宝藏级别的深度解析，让我对遥感分类的内在机理有了更深刻的体悟，不再满足于停留在“黑箱”操作层面。

评分☆☆☆☆☆

这本书的封面设计得非常有年代感，那种带着点泛黄的纸张质感和略显陈旧的排版风格，一下子就把我拉回了那个信息技术刚刚起步的年代。我记得当初拿到它的时候，是因为导师推荐，说这本书是理解遥感图像处理基础概念的“圣经”之一。虽然现在市面上的软件功能越来越强大，操作也越来越傻瓜化，但这本书的价值恰恰在于它的“笨拙”和严谨。它没有被那些花哨的界面和一键生成的功能所迷惑，而是深入浅出地讲解了每一个算法背后的数学原理和物理意义。比如，在讲到辐射校正和几何校正那几章时，作者花了大量篇幅去解释为什么需要这些步骤，以及不同方法之间的优劣权衡。读起来虽然需要一定的耐心和一定的数学基础，但一旦理解了，那种融会贯通的成就感是使用任何现代软件的“自动化”功能都无法比拟的。它强迫你思考“为什么”，而不是仅仅满足于“怎么做”。这对于想在遥感领域深耕的人来说，是必不可少的思维训练。这本书就像一位经验丰富的老木匠，手把手教你如何打磨木料的纹理，而不是直接递给你一个精美的成品家具。

评分☆☆☆☆☆

拿到这本书后，我最直观的感受是它的信息密度极高，几乎每一页都塞满了干货，内容编排上，更像是一本教科书而不是一本轻松的“教程”。我尤其欣赏它在处理数据预处理模块时的细致入微。记得我曾经在处理一组卫星数据时，总是对植被指数（NDVI）的计算结果感到困惑，总觉得和预期的效果有偏差。翻阅这本书后，我才发现问题出在我对大气校正参数设定的理解不够深入。作者详尽地对比了不同大气校正模型（如FLAASH、6S等）在特定地理环境下的适用性差异，并配以了大量的公式推导和实际案例对比图。这些对比图的质量虽然因为印刷年代的原因略显粗糙，但其所展示的差异却是惊人的，直观地说明了前期处理的质量直接决定了最终分析的可靠性。这本书的章节结构非常清晰，逻辑链条严密，从数据获取的物理基础开始，一步步过渡到几何纠正、辐射定标，最后才是高级的分类和信息提取。这种层层递进的结构，让读者能够构建起一个完整的知识体系框架，而不是零散地记住几个操作步骤。

评分☆☆☆☆☆

书的质量还行，是正版，内容也很丰富

评分☆☆☆☆☆

不错，对于初学者来说，相当于操作手册。实际学习过程中，用到什么功能，就按照目录直接找过去，还好，很不错。

评分☆☆☆☆☆

经典图书，基础必备。。。

评分☆☆☆☆☆

网站客服服务好，商品也好，超赞！！

评分☆☆☆☆☆

特别好

评分☆☆☆☆☆

实用教程，光盘质量很好，对学习有帮助

评分☆☆☆☆☆

书包装不错，带光盘，适合自住学习

评分☆☆☆☆☆

erdas处理遥感数据学习，入门教材，很好

评分☆☆☆☆☆

正版书籍，实惠，方便，而且也快捷。