特征分析及在高分辨率遥感影像中的应用

面向对象的图像分析方法中所使用的特征会直接影响分类和专题信息提取的性能。为了客观度量所需特征对地类的有效性并自动选择合适的特征，本书面向不同的情况和需求，基于**的基于过滤器模型和稀疏正则化方法提出针对性的特征选择方法，采用客观准则度量特征的有效性，大大提高了处理精度和效率。主要内容包括：局部赋权判别投影方法、非对称局部判别选择方法、面向诊断性特征选择的搜索策略、基于相似稀疏样本的诊断性特征选择方法、自适应半监督特征选择方法、基于自动视图生成和联合 范数最小化的监督多视图特征选择方法等。
本书对高分辨率遥感图像处理与模式识别等领域的科学工作者、研究生、相关领域的工程技术人员和科技人员都具有重要的参考价值；对从事模式识别、人工智能技术、数据挖掘等方面研究的科技人员也有一定的参考价值。

第 1章 绪论 001

1．1 研究背景与意义 002

1．2 国内外研究综述 005

1．3 本书的研究目标 012

1．4 本书的主要内容 015

第 2章 面向不平衡数据的监督特征选择方法———局部赋权判别投影方法 019

2．1 概述 020

2．2 基于图模型的局部赋权判别投影方法 021

2．3 实验分析与评价 029

2．4 本章小结 043

第3章 面向不平衡数据半监督特征选择方法———非对称局部判别选择方法 044

3．1 概述 045

3．2 基于图模型的非对称局部判别方法 047

3．3 实验分析与评价 050

3．4 本章小结 068

第4章 面向诊断性特征选择的搜索策略 069

4．1 概述 070

4．2 基于一对一策略的诊断性特征选择方法 072

4．3 实验分析与评价 080

4．4 本章小结 101

第5章 基于相似稀疏样本局部几何结构和判别信息的诊断性特征选择方法 102

5．1 概述 103

5．2 基于相似稀疏样本局部几何结构和判别信息的诊断性特征选择方法 104

5．3 实验分析与评价 105

5．4 本章小结 113

第6章 自适应半监督特征选择方法 114

6．1 概述 115

6．2 自适应半监督特征选择方法 116

6．3 实验分析与评价 118

6．4 本章小结 126

第7章 基于自动视图生成和联合l

1，2范数最小化的监督多视图特征选择方法 127

7．1 概述 128

7．2 监督多视图特征选择方法 130

7．3 实验分析与评价 133

7．4 本章小结 143

第8章 带有标签学习的半监督多视图特征选择方法 144

8．1 概述 145

8．2 半监督多视图特征选择方法 145

8．3 实验分析与评价 147

8．4 本章小结 156

第9章 总结与研究展望 157

9．1 总结 158

9．2 研究展望 159

参考文献 161

名词索引 171

陈 曦 ，华东师范大学地理信息科学教育部重点实验室研究员。先后多次主持承担国家自然科学基金项目，参与863重点项目、973项目等***重点项目。获专利授权10项，所开发的算法已投入实际应用。在本方向国际**期刊和会议上发表20余篇英文论文，广受包括IEEE院士在内的专家好评。撰写学术专著1部，参编专著2部。