《曲波特征加权遥感图像统计分割原理与方法》以多尺度分析与统计建模相结合的高分辨率遥感图像分割方法理论与实践为主线，重点阐述贝叶斯框架下和能量框架下的特征加权分割模型、光谱特征分割模型和无权重特征分割模型以及各类分割模型的分割解，并对每类分割问题给出相应的高分辨率遥感图像分割实例，以体现其分割模型的有效性和实用性。
　　针对上述内容，《曲波特征加权遥感图像统计分割原理与方法》共5章，涉及高分辨率遥感图像分割问题、基础理论、关键技术和应用范例，具体的章节安排如下。第1章介绍了星载高分辨率遥感卫星的技术发展，论述了高分辨率遥感图像的特点及其分割问题，并根据高分辨率遥感图像的特征综述了目前高分辨率遥感图像的分割方法。第2章介绍了《曲波特征加权遥感图像统计分割原理与方法》涉及的基础理论知识，包括多尺度分析理论中的小波变换和曲波变换、特征选择中的过滤方法和封装方法、统计建模中的贝叶斯定理和能量函数、统计模拟中的MC方法和MCMC方法等。第3章重点围绕高分辨率遥感图像中光谱、纹理和边缘这3个基本特征的提取方法进行展开，并对各方法给出相应的高分辨率遥感图像特征提取实例。第4章从建立高分辨率遥感图像分割模型的贝叶斯定理视角出发，重点讨论了特征加权贝叶斯分割算法、光谱特征贝叶斯分割算法和无权重特征贝叶斯分割算法。第5章介绍了能量函数框架下的特征加权能量分割算法、光谱特征能量分割算法和无权重特征能量分割算法，并对比分析了特征和特征权重在高分辨率遥感图像分割中的作用。

　　随着遥感数据采集技术的持续创新，人们可方便、快捷地获取海量高性能（高空间、光谱、辐射、时间分辨率）遥感数据，这促使其应用领域不断扩展。与之相比，遥感数据的处理方法较为落后，无法满足应用领域对这些新型遥感数据提取和解译的要求。因此，当务之急是需研究并提出有效的遥感图像解译方法，以满足日益增长的遥感数据应用领域对这些海量高性能遥感数据的处理要求，以及解决对其蕴含信息的提取需求。
　　遥感图像分割是遥感数据处理任务中的基础工作之一，其结果将直接影响后续分析和解译任务的精准程度。因此，遥感图像分割是遥感数据精准解译的关键。在遥感图像分割中，根据图像特征将具有同质特征的各类地物目标或其部分进行划分。传统的遥感图像分割以像素为处理单元，依据同一地物内像素光谱特征或纹理结构特征的高度相似性实现区域分割；其分割模型是在像素的基础上建立的，至多融人邻域像素间的相互作用。与中、低空间分辨率遥感图像相比，高空间分辨率使得遥感图像中地物目标的主题内容更加明显，几何形状更加精准，细节特征更加突出。由此，高分辨率为遥感图像的精准分割提供了充分的特征信息基础。此外，高分辨率也导致遥感图像中像素光谱测度的空间相关性变得更加复杂，即同质区域差异性变大，异质区域差异性变小；细节特征的突出造成地物目标内的几何噪声增大。所有这些问题都为高分辨率遥感图像分割算法的设计带来了很大困难，使得适用于中、低分辨率遥感图像分割的传统分割算法无论是在算法效率上，还是在分割结果的精度上，都无法满足高分辨率遥感图像的分割要求，进而极大地限制了其应用。
　　高空间分辨率遥感图像蕴含着丰富的特征信息，其同质区域间的差异不仅在光谱特征上存在，在边缘、纹理等特征上同样也存在。为了更好地辨识高分辨率遥感图像的不同同质区域，可在高分辨率遥感图像分割设计方法中考虑特征。因此，如何定义、提取特征并探究其在图像分割中的作用成为高分辨率遥感图像精确分割的关键。
　　本书以多尺度分析与统计建模相结合的高分辨率遥感图像分割方法理论与实践为主线，重点阐述贝叶斯框架下和能量框架下的特征加权分割模型、光谱特征分割模型和无权重特征分割模型以及各类分割模型的最优分割解，并对每类分割问题给出相应的高分辨率遥感图像分割实例，以体现各分割模型的有效性和实用性。针对上述内容，本书共5章，涉及高分辨率遥感图像分割问题、基础理论、关键技术和应用范例，具体的章节安排如下。第一章介绍了星载高分辨率遥感卫星的技术发展，论述了高分辨率遥感图像的特点及其分割问题，并根据高分辨率遥感图像的特征综述了目前高分辨率遥感图像的分割方法。第2章介绍了本书涉及的基础理论知识，包括多尺度分析理论中的小波变换和曲波变换、特征选择中的过滤方法和封装方法、统计建模中的贝叶斯定理和能量函数、统计模拟中的MC方法和MCMC方法等。第3章重点围绕高分辨率遥感图像中光谱、纹理和边缘这3个基本特征的提取方法进行展开，并对各方法给出相应的高分辨率遥感图像特征提取实例。第4章从建立高分辨率遥感图像分割模型的贝叶斯定理视角出发，重点讨论了特征加权贝叶斯分割算法、光谱特征贝叶斯分割算法和无权重特征贝叶斯分割算法。第5章介绍了能量函数框架下的特征加权能量分割算法、光谱特征能量分割算法和无权重特征能量分割算法，并对比分析了特征和特征权重在高分辨率遥感图像分割中的作用。
　　本书提出了一种普适的遥感图像特征统计模型及其理论基础，并给出了将特征及其作用参数融入高分辨率遥感图像统计分割方法中的实施方案。本书内容将为基于高分辨率遥感图像的大规模土地覆盖及利用、地物目标辨识及其特征提取等应用提供有效手段，促进高分辨率遥感图像在国土资源调查、灾害预测、环境监测等领域的广泛应用。作为一种新技术和新方法，目前该领域的研究和应用还处于初始阶段，鲜有研究者对此开展系统性的研究工作。因此，本书也在试图填补这方面研究的空白。

王玉，博士，桂林理工大学讲师。主要研究方向为遥感数据处理理论与应用基础研究，包括空间统计学、随机几何、多尺度分析在遥感数据建模与分析方面的应用，地物目标几何以及特征提取。

目 录

第1章 绪论1
1.1 星载高分辨率遥感卫星1
1.2 高分辨率遥感图像的特点14
1.3 高分辨率遥感图像分割方法14
1.3.1 单一特征分割方法15
1.3.2 多特征分割方法17
第2章 基础理论20
2.1 多尺度分析20
2.1.1 小波变换20
2.1.2 曲波变换25
2.2 特征选择30
2.2.1 过滤方法30
2.2.2 封装方法32
2.3 统计建模与模拟33
2.3.1 统计建模33
2.3.2 统计模拟38
第3章 高分辨率遥感图像特征提取43
3.1 光谱特征43
3.2 纹理特征47
3.3 边缘特征50
3.4 高分辨率遥感图像特征提取实例52
3.4.1 光谱特征提取实例52
3.4.2 纹理特征提取实例56
3.4.3 边缘特征提取实例58
第4章 贝叶斯框架下的特征分割62
4.1 特征加权贝叶斯分割算法62
4.1.1 特征加权贝叶斯分割算法描述62
4.1.2 特征加权贝叶斯分割算法实例68
4.2 光谱特征贝叶斯分割算法101
4.2.1 光谱特征贝叶斯分割算法描述102
4.2.2 光谱特征贝叶斯分割算法实例106
4.3 无权重特征贝叶斯分割算法109
4.3.1 无权重特征贝叶斯分割算法描述109
4.3.2 无权重特征贝叶斯分割算法实例113


第5章 能量框架下的特征分割117
5.1 特征加权能量分割算法117
5.1.1 特征加权能量分割算法的描述117
5.1.2 特征加权能量分割算法实例121
5.2 光谱特征能量分割算法153
5.2.1 光谱特征能量分割算法描述153
5.2.2 光谱特征能量分割算法实例155
5.3 无权重特征能量分割算法159
5.3.1 无权重特征能量分割算法描述159
5.3.2 无权重特征能量分割算法实例162
参考文献166
附录A 变量注释表178
附录B 缩略语清单182