掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
遙感數據質量提升理論與方法(第二版) 版權信息
- ISBN：9787030732415
- 條形碼：9787030732415 ; 978-7-03-073241-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
遙感數據質量提升理論與方法(第二版) 內容簡介
本書針對遙感數據中出現的各種質量問題，例如噪聲、模糊、陰影、薄云、厚云、死像元、時空譜分辨率粗糙等，全面系統地闡明遙感數據質量提升理論基礎、方法體系和技術路線。本書分為四篇進行分層論述，**篇系統闡述對地觀測傳感器平臺特點及成像系統與降質模型，第二篇主要從數學理論與信息處理模型方面闡述遙感數據質量提升理論基礎與遙感圖像模型，第三篇針對遙感數據出現的具體降質問題，全面闡述遙感數據質量提升方法，第四篇闡述遙感圖像質量提升應用，主要包括定量遙感數據產品質量提升及戰場環境信息應用。
遙感數據質量提升理論與方法(第二版) 目錄
目錄
**篇 對地觀測傳感器成像系統與模型
第1章 遙感平臺與成像系統 2
1.1 遙感平臺的種類及軌道特點 2
1.1.1 遙感平臺的種類 2
1.1.2 遙感平臺的軌道特點 4
1.2 傳感器 6
1.2.1 傳感器的結構 6
1.2.2 傳感器的分類 7
1.3 攝影成像類傳感器 8
1.3.1 框幅式攝影機 8
1.3.2 縫隙式攝影機 9
1.3.3 全景式攝影機 9
1.3.4 多光譜攝影機 9
1.4 掃描成像類傳感器 10
1.4.1 垂直航跡掃描相機 10
1.4.2 沿航跡掃描相機 11
1.4.3 成像光譜儀 12
1.5 合成孔徑雷達 14
第2章 對地觀測成像模型與降質模型 17
2.1 遙感圖像成像模型 17
2.1.1 遙感與電磁波理論 17
2.1.2 地物波譜特性及其變化規律 18
2.1.3 遙感圖像成像數學模型 18
2.2 遙感圖像分辨率 20
2.2.1 空間分辨率 20
2.2.2 光譜分辨率 20
2.2.3 時相分辨率 21
2.2.4 輻射分辨率 21
2.2.5 角分辨率 22
2.3 遙感圖像降質因素 23
2.3.1 傳感器降晰因素 23
2.3.2 地物目標影響因素 24
2.3.3 圖像獲取過程的外部干擾因素 24
2.4 觀測模型及數學描述 24
2.4.1 觀測模型 24
2.4.2 數學描述 26
第二篇 質量提升理論基礎與遙感圖像模型
第3章 稀疏表征與壓縮感知 30
3.1 壓縮感知理論 30
3.2 小波與濾波器組 32
3.3 稀疏字典 33
第4章 隨機場理論 36
4.1 隨機過程 36
4.1.1 隨機過程的基本概念 36
4.1.2 隨機過程的有限維分布函數族 36
4.1.3 隨機過程的數字特征 37
4.1.4 隨機過程的特征函數 37
4.2 高斯過程 38
4.2.1 平穩高斯過程概述 38
4.2.2 平穩高斯過程的核函數 38
4.2.3 各向同性與各向異性核函數 39
4.2.4 非平穩核函數 39
4.3 馬爾可夫過程 40
4.3.1 馬爾可夫過程的概念 40
4.3.2 馬爾可夫過程的有限維分布族 40
第5章 變分與偏微分方程 42
5.1 變分原理 42
5.2 各向異性擴散 42
5.2.1 加權梯度散度 43
5.2.2 常見的權重函數 43
5.3 Mumford-Shah泛函 44
5.4 張量與多維數據 44
5.4.1 張量概念 44
5.4.2 多維數據 45
第6章 卷積神經網絡與深度學習模型 48
6.1 卷積神經網絡 48
6.1.1 基礎操作與基礎單元 48
6.1.2 高效卷積運算 52
6.1.3 隨機或無監督特征 53
6.1.4 卷積神經網絡的神經科學基礎 53
6.1.5 卷積神經網絡與深度學習歷史 54
6.2 循環和遞歸神經網絡 54
6.2.1 循環神經網絡 54
6.2.2 雙向循環神經網絡 55
6.2.3 深度循環神經網絡 55
6.2.4 遞歸神經網絡 56
6.2.5 長期依賴挑戰 57
6.2.6 滲透單元與其他多時間尺度策略 57
6.2.7 長短時記憶與其他門控循環神經網絡 58
6.3 自編碼器 59
6.3.1 欠完備自編碼器 59
6.3.2 正則自編碼器 59
6.3.3 表征能力、層的大小和深度 60
6.4 深度生成模型 60
6.4.1 玻爾茲曼機與受限玻爾茲曼機 60
6.4.2 深度置信網絡 61
6.4.3 深度玻爾茲曼機 62
6.4.4 有向生成網絡 62
第7章 邊緣保持型濾波 63
7.1 雙邊濾波 63
7.2 引導濾波 63
7.3 均值漂移 64
7.4 加權*小二乘濾波 64
第三篇 遙感數據質量提升方法
第8章 遙感圖像噪聲去除 66
8.1 高光譜圖像條帶噪聲去除 66
8.1.1 矩匹配方法 67
8.1.2 改進的矩匹配方法 68
8.2 SAR圖像斑點噪聲去除 68
8.2.1 Forst濾波 69
8.2.2 Kuan濾波 69
8.2.3 Lee濾波 70
8.2.4 Gamma Map濾波 70
8.3 常見加性去噪方法 70
8.3.1 全變分 70
8.3.2 小波 72
8.3.3 雙邊濾波 74
8.3.4 三維塊匹配濾波 75
8.3.5 低秩 77
8.3.6 圖像塊似然對數期望 79
8.3.7 稀疏表征 80
8.4 同步噪聲理論 84
8.4.1 基于同步噪聲選擇非線性擴散的停止時間 84
8.4.2 基于同步噪聲優化的非局部平均去噪 86
第9章 遙感圖像薄云去除 90
9.1 基于大氣散射模型的方法 90
9.1.1 暗通道先驗法 91
9.1.2 顏色衰減先驗法 93
9.1.3 基于卷積神經網絡的介質傳播圖獲取 96
9.2 光譜混合分析 98
9.3 濾波方法 100
9.3.1 同態濾波 100
9.3.2 小波變換 103
9.4 薄云*優化變換方法 106
第10章 遙感圖像陰影檢測與去除 109
10.1 陰影概述 109
10.1.1 陰影的屬性 109
10.1.2 陰影的利弊 110
10.2 陰影檢測方法 110
10.2.1 基于物理模型的方法 110
10.2.2 基于顏色空間模型的方法 111
10.2.3 基于閾值分割的方法 113
10.2.4 基于種子區域生長的方法 114
10.2.5 基于幾何模型的方法 115
10.2.6 陰影檢測方法對比 117
10.3 陰影去除方法 118
10.3.1 基于顏色恒常性的方法 118
10.3.2 基于Retinex圖像的方法 119
10.3.3 基于HSI色彩空間的方法 121
10.3.4 基于同態濾波的方法 122
10.3.5 基于馬爾可夫場的方法 124
10.3.6 陰影去除方法對比 125
第11章 遙感圖像修復 126
11.1 問題描述 126
11.2 基于空域的修復方法 128
11.2.1 插值方法 128
11.2.2 基于變分的修復方法 128
11.2.3 樣例填充的方法 129
11.3 基于譜域的修復方法 130
11.4 基于時域的修復方法 133
11.4.1 時域替代法 134
11.4.2 時域濾波器 136
11.4.3 時域學習模型 138
11.4.4 定量數據的重建 139
11.5 混合方法 140
11.5.1 聯合時空方法 140
11.5.2 聯合時譜方法 142
11.5.3 聯合時空譜方法 143
第12章 遙感圖像復原 146
12.1 遙感圖像模糊的形成 146
12.1.1 散焦模糊 146
12.1.2 運動模糊 147
12.1.3 大氣模糊 148
12.1.4 高斯模糊 149
12.2 已知模糊核函數的圖像復原 150
12.2.1 基本的變換域圖像復原 150
12.2.2 基本的空域圖像復原 154
12.2.3 規整化方法 155
12.2.4 多通道圖像復原 159
12.3 未知模糊核函數的盲復原 159
12.3.1 早期方法 160
12.3.2 變分貝葉斯盲復原 162
第13章 遙感圖像融合 167
13.1 光譜融合 167
13.1.1 多光譜和全色圖像融合方法 167
13.1.2 多光譜和高光譜圖像融合方法 172
13.2 時空融合 177
13.2.1 基于權重函數的時空融合方法 178
13.2.2 基于像元解混的時空融合方法 184
13.2.3 基于貝葉斯估計的時空融合方法 186
13.2.4 基于學習的時空融合方法 187
13.2.5 基于卡爾曼濾波的時空融合方法 187
13.2.6 多種方法混合的時空融合方法 188
13.3 時空譜角融合 189
13.3.1 多角度模型構建 190
13.3.2 時空關系構建 190
13.3.3 空譜關系構建 190
13.3.4 時空譜角一體化融合模型 190
13.4 光學圖像與SAR圖像融合 193
13.4.1 像素級圖像融合 193
13.4.2 特征級圖像融合 194
13.4.3 決策級圖像融合 194
13.5 融合結果比較及評價 194
13.5.1 光譜保真性評價 194
13.5.2 空間結構評價 195
13.5.3 綜合評價 196
第14章 超分辨率圖像重建 197
14.1 觀測模型 199
14.2 超分辨率圖像重建算法 202
14.2.1 非均勻插值方法 202
14.2.2 頻域方法 204
14.2.3 規整化的超分辨率重建方法 205
14.2.4 凸集投影法 208
14.2.5 極大似然-凸集投影重建方法 210
14.2.6 其他超分辨率重建方法 211
14.3 超分辨率中的其他難題 212
14.3.1 考慮配準錯誤的超分辨率 212
14.3.2 盲超分辨率圖像重建 214
14.3.3 計算效率高的超分辨率算法 214
14.4 基于樣例的超分辨率重建 215
14.4.1 局部自相似性 215
14.4.2 非二進制濾波器 216
14.4.3 濾波器設計 217
14.5 基于卷積神經網絡的超分辨率重建 218
14.5.1 基于SRCNN的超分辨率重建 220
14.5.2 基于SRGAN的超分辨率重建 223
14.5.3 遙感圖像SR模型 225
第四篇 遙感圖像質量提升應用
第15章 定量遙感數據產品質量提升 234
15.1 地表溫度產品質量提升 234
15.1.1 地表溫度產品概述 234
15.1.2 地表溫度產品重建 236
15.1.3 地表溫度產品時空分辨率提升 237
15.2 植被指數產品質量提升 238
15.2.1 NDVI數據產品概述 238
15.2.2 NDVI時間序列數據產品重建方法 240
15.3 土壤水分產品質量提升 241
15.3.1 土壤水分產品概述 241
15.3.2 土壤水分產品降尺度方法 243
15.4 大氣臭氧產品質量提升 244
15.4.1 大氣臭氧產品概述 244
15.4.2 大氣臭氧產品缺失信息重建方法 245
15.5 積雪產品質量提升 246
15.5.1 積雪產品概述 246
15.5.2 積雪產品去云方法 247
**篇 對地觀測傳感器成像系統與模型
第1章 遙感平臺與成像系統 2
1.1 遙感平臺的種類及軌道特點 2
1.1.1 遙感平臺的種類 2
1.1.2 遙感平臺的軌道特點 4
1.2 傳感器 6
1.2.1 傳感器的結構 6
1.2.2 傳感器的分類 7
1.3 攝影成像類傳感器 8
1.3.1 框幅式攝影機 8
1.3.2 縫隙式攝影機 9
1.3.3 全景式攝影機 9
1.3.4 多光譜攝影機 9
1.4 掃描成像類傳感器 10
1.4.1 垂直航跡掃描相機 10
1.4.2 沿航跡掃描相機 11
1.4.3 成像光譜儀 12
1.5 合成孔徑雷達 14
第2章 對地觀測成像模型與降質模型 17
2.1 遙感圖像成像模型 17
2.1.1 遙感與電磁波理論 17
2.1.2 地物波譜特性及其變化規律 18
2.1.3 遙感圖像成像數學模型 18
2.2 遙感圖像分辨率 20
2.2.1 空間分辨率 20
2.2.2 光譜分辨率 20
2.2.3 時相分辨率 21
2.2.4 輻射分辨率 21
2.2.5 角分辨率 22
2.3 遙感圖像降質因素 23
2.3.1 傳感器降晰因素 23
2.3.2 地物目標影響因素 24
2.3.3 圖像獲取過程的外部干擾因素 24
2.4 觀測模型及數學描述 24
2.4.1 觀測模型 24
2.4.2 數學描述 26
第二篇 質量提升理論基礎與遙感圖像模型
第3章 稀疏表征與壓縮感知 30
3.1 壓縮感知理論 30
3.2 小波與濾波器組 32
3.3 稀疏字典 33
第4章 隨機場理論 36
4.1 隨機過程 36
4.1.1 隨機過程的基本概念 36
4.1.2 隨機過程的有限維分布函數族 36
4.1.3 隨機過程的數字特征 37
4.1.4 隨機過程的特征函數 37
4.2 高斯過程 38
4.2.1 平穩高斯過程概述 38
4.2.2 平穩高斯過程的核函數 38
4.2.3 各向同性與各向異性核函數 39
4.2.4 非平穩核函數 39
4.3 馬爾可夫過程 40
4.3.1 馬爾可夫過程的概念 40
4.3.2 馬爾可夫過程的有限維分布族 40
第5章 變分與偏微分方程 42
5.1 變分原理 42
5.2 各向異性擴散 42
5.2.1 加權梯度散度 43
5.2.2 常見的權重函數 43
5.3 Mumford-Shah泛函 44
5.4 張量與多維數據 44
5.4.1 張量概念 44
5.4.2 多維數據 45
第6章 卷積神經網絡與深度學習模型 48
6.1 卷積神經網絡 48
6.1.1 基礎操作與基礎單元 48
6.1.2 高效卷積運算 52
6.1.3 隨機或無監督特征 53
6.1.4 卷積神經網絡的神經科學基礎 53
6.1.5 卷積神經網絡與深度學習歷史 54
6.2 循環和遞歸神經網絡 54
6.2.1 循環神經網絡 54
6.2.2 雙向循環神經網絡 55
6.2.3 深度循環神經網絡 55
6.2.4 遞歸神經網絡 56
6.2.5 長期依賴挑戰 57
6.2.6 滲透單元與其他多時間尺度策略 57
6.2.7 長短時記憶與其他門控循環神經網絡 58
6.3 自編碼器 59
6.3.1 欠完備自編碼器 59
6.3.2 正則自編碼器 59
6.3.3 表征能力、層的大小和深度 60
6.4 深度生成模型 60
6.4.1 玻爾茲曼機與受限玻爾茲曼機 60
6.4.2 深度置信網絡 61
6.4.3 深度玻爾茲曼機 62
6.4.4 有向生成網絡 62
第7章 邊緣保持型濾波 63
7.1 雙邊濾波 63
7.2 引導濾波 63
7.3 均值漂移 64
7.4 加權*小二乘濾波 64
第三篇 遙感數據質量提升方法
第8章 遙感圖像噪聲去除 66
8.1 高光譜圖像條帶噪聲去除 66
8.1.1 矩匹配方法 67
8.1.2 改進的矩匹配方法 68
8.2 SAR圖像斑點噪聲去除 68
8.2.1 Forst濾波 69
8.2.2 Kuan濾波 69
8.2.3 Lee濾波 70
8.2.4 Gamma Map濾波 70
8.3 常見加性去噪方法 70
8.3.1 全變分 70
8.3.2 小波 72
8.3.3 雙邊濾波 74
8.3.4 三維塊匹配濾波 75
8.3.5 低秩 77
8.3.6 圖像塊似然對數期望 79
8.3.7 稀疏表征 80
8.4 同步噪聲理論 84
8.4.1 基于同步噪聲選擇非線性擴散的停止時間 84
8.4.2 基于同步噪聲優化的非局部平均去噪 86
第9章 遙感圖像薄云去除 90
9.1 基于大氣散射模型的方法 90
9.1.1 暗通道先驗法 91
9.1.2 顏色衰減先驗法 93
9.1.3 基于卷積神經網絡的介質傳播圖獲取 96
9.2 光譜混合分析 98
9.3 濾波方法 100
9.3.1 同態濾波 100
9.3.2 小波變換 103
9.4 薄云*優化變換方法 106
第10章 遙感圖像陰影檢測與去除 109
10.1 陰影概述 109
10.1.1 陰影的屬性 109
10.1.2 陰影的利弊 110
10.2 陰影檢測方法 110
10.2.1 基于物理模型的方法 110
10.2.2 基于顏色空間模型的方法 111
10.2.3 基于閾值分割的方法 113
10.2.4 基于種子區域生長的方法 114
10.2.5 基于幾何模型的方法 115
10.2.6 陰影檢測方法對比 117
10.3 陰影去除方法 118
10.3.1 基于顏色恒常性的方法 118
10.3.2 基于Retinex圖像的方法 119
10.3.3 基于HSI色彩空間的方法 121
10.3.4 基于同態濾波的方法 122
10.3.5 基于馬爾可夫場的方法 124
10.3.6 陰影去除方法對比 125
第11章 遙感圖像修復 126
11.1 問題描述 126
11.2 基于空域的修復方法 128
11.2.1 插值方法 128
11.2.2 基于變分的修復方法 128
11.2.3 樣例填充的方法 129
11.3 基于譜域的修復方法 130
11.4 基于時域的修復方法 133
11.4.1 時域替代法 134
11.4.2 時域濾波器 136
11.4.3 時域學習模型 138
11.4.4 定量數據的重建 139
11.5 混合方法 140
11.5.1 聯合時空方法 140
11.5.2 聯合時譜方法 142
11.5.3 聯合時空譜方法 143
第12章 遙感圖像復原 146
12.1 遙感圖像模糊的形成 146
12.1.1 散焦模糊 146
12.1.2 運動模糊 147
12.1.3 大氣模糊 148
12.1.4 高斯模糊 149
12.2 已知模糊核函數的圖像復原 150
12.2.1 基本的變換域圖像復原 150
12.2.2 基本的空域圖像復原 154
12.2.3 規整化方法 155
12.2.4 多通道圖像復原 159
12.3 未知模糊核函數的盲復原 159
12.3.1 早期方法 160
12.3.2 變分貝葉斯盲復原 162
第13章 遙感圖像融合 167
13.1 光譜融合 167
13.1.1 多光譜和全色圖像融合方法 167
13.1.2 多光譜和高光譜圖像融合方法 172
13.2 時空融合 177
13.2.1 基于權重函數的時空融合方法 178
13.2.2 基于像元解混的時空融合方法 184
13.2.3 基于貝葉斯估計的時空融合方法 186
13.2.4 基于學習的時空融合方法 187
13.2.5 基于卡爾曼濾波的時空融合方法 187
13.2.6 多種方法混合的時空融合方法 188
13.3 時空譜角融合 189
13.3.1 多角度模型構建 190
13.3.2 時空關系構建 190
13.3.3 空譜關系構建 190
13.3.4 時空譜角一體化融合模型 190
13.4 光學圖像與SAR圖像融合 193
13.4.1 像素級圖像融合 193
13.4.2 特征級圖像融合 194
13.4.3 決策級圖像融合 194
13.5 融合結果比較及評價 194
13.5.1 光譜保真性評價 194
13.5.2 空間結構評價 195
13.5.3 綜合評價 196
第14章 超分辨率圖像重建 197
14.1 觀測模型 199
14.2 超分辨率圖像重建算法 202
14.2.1 非均勻插值方法 202
14.2.2 頻域方法 204
14.2.3 規整化的超分辨率重建方法 205
14.2.4 凸集投影法 208
14.2.5 極大似然-凸集投影重建方法 210
14.2.6 其他超分辨率重建方法 211
14.3 超分辨率中的其他難題 212
14.3.1 考慮配準錯誤的超分辨率 212
14.3.2 盲超分辨率圖像重建 214
14.3.3 計算效率高的超分辨率算法 214
14.4 基于樣例的超分辨率重建 215
14.4.1 局部自相似性 215
14.4.2 非二進制濾波器 216
14.4.3 濾波器設計 217
14.5 基于卷積神經網絡的超分辨率重建 218
14.5.1 基于SRCNN的超分辨率重建 220
14.5.2 基于SRGAN的超分辨率重建 223
14.5.3 遙感圖像SR模型 225
第四篇 遙感圖像質量提升應用
第15章 定量遙感數據產品質量提升 234
15.1 地表溫度產品質量提升 234
15.1.1 地表溫度產品概述 234
15.1.2 地表溫度產品重建 236
15.1.3 地表溫度產品時空分辨率提升 237
15.2 植被指數產品質量提升 238
15.2.1 NDVI數據產品概述 238
15.2.2 NDVI時間序列數據產品重建方法 240
15.3 土壤水分產品質量提升 241
15.3.1 土壤水分產品概述 241
15.3.2 土壤水分產品降尺度方法 243
15.4 大氣臭氧產品質量提升 244
15.4.1 大氣臭氧產品概述 244
15.4.2 大氣臭氧產品缺失信息重建方法 245
15.5 積雪產品質量提升 246
15.5.1 積雪產品概述 246
15.5.2 積雪產品去云方法 247
展開全部
遙感數據質量提升理論與方法(第二版) 節選
**篇 對地觀測傳感器成像系統與模型 第1章 遙感平臺與成像系統 遙感平臺（remote sensing platform）作為搭載傳感器的工具，在遙感技術系統中占有重要地位。此外，遙感傳感器是獲取遙感信息并記錄觀測數據的重要系統。本章將重點介紹遙感平臺和傳感器成像系統，主要包括遙感平臺種類及軌道特點、傳感器結構、攝影成像類傳感器、掃描成像類傳感器、合成孔徑雷達等內容。通過這些內容，使讀者對獲取遙感數據的技術過程有一個基本的了解，從而更好地理解各種類型的遙感數據的特征。 1.1 遙感平臺的種類及軌道特點 遙感平臺是用于安置各種遙感儀器，使其從一定高度或距離對地面目標進行探測，并為其提供技術保障和工作條件的運載工具。 遙感平臺通常由遙感傳感器、數據記錄裝置、姿態控制儀、通信系統、電源系統、熱控制系統等組成（孫家抦，2013）。遙感平臺的功能為記錄準確的傳感器位置，獲取可靠的數據及將獲取的數據傳送到地面站。 1.1.1 遙感平臺的種類 遙感平臺可以按照不同的方式分類，比如按照平臺運行高度、用途、對象進行分類。按照平臺運行高度的不同，可以分為地面遙感平臺、航空遙感平臺、航天遙感平臺、星系（月球）遙感平臺等。不同類型的遙感平臺見表1.1。 表1.1 遙感平臺類型 地面實況調查，地物光譜特性測定 根據遙感目的、對象和技術特點（如觀測的高度或距離、范圍、周期，壽命和運行方式等），可將遙感平臺大體分為以下幾類（周軍其等，2014）。 （1）地面遙感平臺，如固定的遙感塔、可移動的遙感車、艦船等。 （2）航空遙感平臺（空中平臺），如各種固定翼和旋翼式飛機、系留氣球、自由氣球、探空火箭等。 （3）航天遙感平臺（空間平臺），如各種不同高度的人造地球衛星、載人或不載人的宇宙飛船、航天站和航天飛機等。這些具有不同技術性能、工作方式和技術經濟效益的遙感平臺，組成一個多層、立體化的現代化遙感信息獲取系統，為完成專題的或綜合的、區域的或全球的、靜態的或動態的各種遙感活動提供了技術保證。 遙感平臺按不同的用途可以分為以下幾類。 （1）科學衛星。科學衛星是用于科學探測和研究的衛星，主要包括空間物理探測衛星和天文衛星，用來研究高層大氣、地球輻射帶、地球磁場、宇宙射線、太陽輻射等，并可以觀測其他星體。 （2）技術衛星。技術衛星是進行新材料試驗或為應用衛星進行試驗的衛星。航天技術中有很多新原理、新材料、新儀器，其能否使用，必須在太空進行試驗；一種新衛星的性能如何，也只有把它發射到太空去實際“鍛煉”，試驗成功后才能應用。 （3）應用衛星。針對不同的應用采用不同的遙感平臺。應用衛星是直接為人類服務的衛星，它的種類*多、數量*大，包括地球資源衛星、氣象衛星、海洋衛星、環境衛星、通信衛星、測繪衛星、高光譜衛星、高空間分辨率衛星、導航衛星、偵察衛星、截擊衛星、小衛星、雷達衛星等。 對于航天遙感平臺，按照其運行軌道高度和壽命的不同可以分為三種類型。 （1）低高度、短壽命的衛星。其高度一般為150～200km，壽命只有1～3周，可以獲得分辨率較高的影像，這類衛星多為軍事服務。 （2）中高度、長壽命的衛星。其高度一般為300～1500km，壽命可達1年以上，如陸地衛星、氣象衛星和海洋衛星等。 （3）高高度、長壽命的衛星。這類衛星即地球同步衛星或靜止衛星，其高度約為35800km，一般通信衛星、靜止氣象衛星均屬于此類。 此外，目前遙感衛星監測的對象已經不只限于人類居住的地球，還開始關注地球以外的星球，比如月球、水星、火星等。 1.1.2 遙感平臺的軌道特點 遙感平臺的姿態是指平臺坐標系相對于地面坐標系的傾斜程度，用三軸的旋轉角度來表示。若定義衛星質心為坐標原點，沿軌道前進的切線方向為x軸，垂直軌道面的方向為y軸，垂直zy平面的為z軸，則衛星的三軸傾斜為：繞x軸的旋轉角稱滾動或側滾，繞y軸的旋轉角稱俯仰，繞z軸旋轉的姿態角稱偏航，如圖1.1（盧小平等，2014；彭望琭等，2002）所示。由于搭載傳感器的衛星或飛機的姿態總是變化的，遙感圖像產生幾何變形，嚴重影響圖像的定位精度，必須在獲取圖像的同時測量、記錄遙感平臺的姿態數據，以修正其影響。目前，用于平臺姿態測量的設備主要有紅外姿態測量儀、星相機、陀螺儀等。 圖1.1 遙感平臺的姿態 衛星軌道的計算主要參考開普勒三大定律。 （1）行星繞太陽運動的軌道為橢圓，太陽位于橢圓的一個焦點上。 （2）行星向徑在相等的時間內掃過相等的面積。 （3）行星繞太陽公轉周期的平方與軌道長半軸的立方呈正比： （1.1） 式中：T為衛星運行周期；R為地球平均半徑；H為衛星運行高度；C為開普勒常數， 應用第三定律確定衛星運行周期和衛星運行高度： （1.2） 衛星軌道參數如下。 （1）長半軸a：決定衛星離地面的*大高度。 （2）偏心率e：決定衛星軌道的形狀。 （1.3） （3）軌道面傾角i。 （4）升交點赤經。 （5）近地點角距。 軌道傾角i為衛星軌道面與赤道面的夾角，如圖1.2（張安定，2016）所示。 圖1.2 衛星軌道面與赤道面夾角示意圖 i=0表示衛星軌道面與地球赤道面重合，且衛星繞地球公轉方向與地球自轉方向一致，如地球同步衛星。 i=90°表示衛星南北向繞地球公轉，稱為極軌衛星。注意：軌道傾角越大，覆蓋地球表面的面積越大，資源衛星多為近極軌衛星。 升交點赤經為衛星軌道的升交點與春分點之間的角距，如圖1.3（張安定，2016）所示。 圖1.3 衛星軌道與升交點示意圖 春分線：春分線是春分時刻（約在3月21日）地心與太陽質心的連線，春分時太陽直射地球赤道。因地球自轉和繞太陽公轉，地心與赤道上任意一點的連線在宇宙空間中的方向時刻在發生著變化，為了在宇宙空間中固定一個方向，特引入春分線的概念。 春分點：春分點是春分線與赤道的交點。 近地點角距ω：ω=0°升交點為近地點的星下點；ω=180°升交點為遠地點的星下點。 衛星坐標的確定方法：①GPS測定法；②衛星星歷表解算法。將衛星軌道參數代入推算衛星坐標的公式，可編制衛星星歷表。以衛星的運行時刻為參數，就可以在衛星星歷表上查取衛星的地理坐標。 典型軌道主要有以下幾類。 （1）同步軌道：衛星運行周期與地球自轉周期（23小時56分4秒）相同的軌道。 （1.4） （2）靜止軌道：i=0°的同步軌道。 （3）極地軌道：i=90°的軌道。 （4）太陽同步軌道：指軌道面與太陽地球連線之間的夾角不隨地球繞太陽的公轉而改變的軌道。 1.2 傳感器 光電成像類型傳感器與光學攝影類型傳感器有很大區別。光電成像類型傳感器是將收集到的電磁波能量，通過儀器內的光敏或熱敏元件（探測器）轉變成電能后再記錄下來。 光電成像傳感器較光學攝影類型傳感器的優點在于：一是擴大了探測的波段范圍；二是便于數據的存儲與傳輸。光電成像傳感器主要包括攝影機、掃描儀、電荷耦合器件（charge coupled device，CCD）。其中后兩種應用*廣泛，特別是長線陣大面陣電荷耦合器件已經問世，其地面分辨率*高可達1m，為遙感圖像定量研究提供了保證。 1.2.1 傳感器的結構 傳感器是遙感技術系統的核心部分，其性能制約整個遙感技術的能力，即傳感器對電磁波段的響應能力、傳感器的空間分辨率及圖像的幾何特征、傳感器獲取地物信息量的大小和可靠程度。 傳感器的種類很多，但從結構上看，基本都是由收集器、探測器、處理器、輸出器等器件組成（圖1.4）（彭望琭等，2002）。 圖1.4 傳感器組成示意圖 1. 收集器 收集器負責收集或接收目標物發射或反射的電磁輻射能量，并把它們進行聚焦，然后送往探測系統。傳感器的類型不同，收集器的設備元件不一樣，*基本的是透鏡（組）、反射鏡（組）或天線。攝影機的元件是凸透鏡；掃描儀的元件是反射鏡；雷達的元件是天線。 2. 探測器 探測器是傳感器中*重要的部分，探測元件是真正接收地物電磁輻射的器件，它的功能是負責將收集的輻射能轉變成化學能或電能。測量和記錄接收到的電磁輻射能。常用的探測元件有感光膠片、光電管、光電二極管等光敏探測元件，以及熱敏電阻等熱敏探測元件等。 1）感光膠片 感光膠片通過光化學作用探測近紫外至近紅外的電磁輻射，它的響應波段約為0.3～
書友推薦
- >
朝聞道
- >
小考拉的故事-套裝共3冊
- >
名家帶你讀魯迅:故事新編
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
龍榆生：詞曲概論/大家小書
- >
中國歷史的瞬間
- >
巴金－再思錄
- >
莉莉和章魚
本類暢銷
