第1章 高光谱图像遥感基本理论及主要处理技术 1
1.1 光谱成像技术的发展与应用 3
1.2 高光谱图像混合像元光谱分解技术 5
1.3 高光谱分类方法研究进展 15
1.4 高光谱异常目标探测技术 17
1.5 高光谱目标探测研究进展 18
1.6 高光谱图像降维技术 19
本章参考文献 24
第2章 高光谱非线性光谱分解的研究基础 35
2.1 引言 37
2.2 线性光谱分解 37
2.3 非线性光谱分解 43
2.4 端元提取算法 51
2.5 混合像元分解的精度评价 58
2.6 端元提取算法验证 60
2.7 本章小结 63
本章参考文献 64
第3章 基于流形学习的非线性降维算法的研究 69
3.1 引言 71
3.2 高光谱数据的非线性结构 72
3.3 流形学习算法 73
3.4 基于流形学习的非线性降维算法的实验结果及分析 78
3.5 本章小结 94
本章参考文献 94
第4章 基于标志点选择的快速端元提取算法 97
4.1 引言 99
4.2 基于标志点的Isomap算法 99
4.3 基于区域分割和空间信息的标志点选择算法 101
4.4 基于标志点选择的快速端元提取算法 103
4.5 实验结果及分析 104
4.6 本章小结 108
本章参考文献 108
第5章 基于非均质背景的端元信息提取方法的研究 111
5.1 引言 113
5.2 空间预处理 114
5.3 基于等距映射和背景空间信息的端元提取算法 116
5.4 基于局部切空间排列和背景空间信息的端元提取算法 118
5.5 实验结果及分析 119
5.6 本章小结 123
本章参考文献 125
第6章 基于端元优化的非线性光谱分解算法 127
6.1 引言 129
6.2 基于分层贝叶斯模型的参数估计 129
6.3 基于端元优化的非线性光谱解混算法 135
6.4 实验结果及分析 136
6.5 本章小结 142
本章参考文献 143
第7章 高光谱遥感影像分类方法 145
7.1 非监督分类 147
7.2 高光谱图像分类精度评价 153
7.3 高光谱遥感影像非监督分类算法验证 154
7.4 监督分类 156
7.5 本章小结 163
本章参考文献 163
第8章 多分类器组合的高光谱分类新方法 165
8.1 多分类器组合的高光谱分类新方法 167
8.2 决策树组合分类算法 168
8.3 高光谱分类实验与结果分析 171
8.4 本章小结 176
本章参考文献 176
第9章 高光谱影像亚像元级目标识别技术 177
9.1 高光谱影像概述 179
9.2 高光谱图像的背景高斯化 182
9.3 RX异常探测算法 185
9.4 低概率探测算法 187
9.5 基于三维高斯马尔可夫模型的异常探测算法 188
9.6 利用背景残差数据的异常探测算法（ERX） 193
9.7 异常探测算法性能评价及实验结果 194
9.8 本章小结 196
本章参考文献 196
第10章 基于高光谱的目标探测方法 199
10.1 引言 201
10.2 光谱角填图 202
10.3 约束最小能量算子目标识别算法 204
10.4 基于欧氏距离加权样本自相关矩阵的目标探测算法 209
10.5 基于端元提取的全像素目标探测算法 212
10.6 本章小结 215
本章参考文献 215