第1章 高光谱遥感科学的理论基础 1
1.1 概述 1
1.2 遥感电磁波理论基础 2
1.2.1 电磁波与电磁波谱 3
1.2.2 电磁辐射的基本术语 6
1.2.3 电磁辐射定律 7
1.3 电磁波与物质的相互作用 10
1.3.1 太阳辐射与地球辐射 10
1.3.2 电磁波与大气的相互作用 12
1.3.3 电磁波与地表的相互作用 16
1.4.1 岩矿的光谱特性 19
1.4 典型地物的光谱特性 19
1.4.2 植被的光谱特性 22
1.4.3 土壤的光谱特性 23
1.4.4 水体和雪的光谱特性 25
1.4.5 城市目标的光谱特性 27
1.5 地面光谱测量 29
1.5.1 地物光谱在定量分析中的作用 29
1.5.2 地面光谱辐射计 30
1.5.3 地物光谱的测量方法 32
参考文献 35
第2章 高光谱遥感成像机理与成像光谱仪 38
2.1 基本概念 38
2.2 高光谱遥感成像特点 40
2.3 高光谱遥感图像数据表达 44
2.3.1 图像立方体——成像光谱信息集 44
2.3.2 二维光谱信息表达——光谱曲线 46
2.3.3 三维光谱信息表达——光谱曲面图 47
2.4 高光谱遥感成像关键技术 47
2.5 成像光谱仪的空间成像方式 49
2.5.1 摆扫型成像光谱仪 49
2.5.2 推扫型成像光谱仪 50
2.6 成像光谱仪的光谱成像方式 51
2.6.1 棱镜、光栅色散型成像光谱仪 51
2.6.2 干涉型成像光谱仪 52
2.6.3 滤光片型成像光谱仪 56
2.6.4 计算机层析成像光谱技术 57
2.6.5 二元光学元件成像光谱技术 58
2.6.6 三维成像光谱技术 58
2.7 成像光谱仪系统介绍 59
2.7.1 国外成像光谱仪系统介绍 59
2.7.2 我国成像光谱仪系统介绍 63
参考文献 65
第3章 高光谱遥感图像辐射与几何校正 68
3.1 成像光谱仪定标 68
3.1.1 实验室定标 69
3.1.2 机上和星上定标 70
3.1.3 场地定标 71
3.2 大气辐射传输理论 74
3.2.1 大气辐射传输方程 75
3.2.2 大气辐射校正常用算法 77
3.2.3 不同地表过程的大气校正 80
3.3 高光谱遥感图像大气辐射校正 83
3.3.1 辐射校正的统计学模型 83
3.3.2 基于大气辐射传输理论的辐射校正模型 86
3.4 高光谱遥感图像几何纠正 106
3.4.1 产生图像几何变形的原因 106
3.4.2 高光谱图像的几何粗纠正 108
3.4.3 摆扫型成像光谱仪的图像正切校正 110
3.4.4 基于地面控制点的几何精纠正 112
3.4.5 利用地面线性地物校正航空图像X方向扭曲 115
3.4.6 基于姿态测量参数的几何精纠正 116
3.4.7 高光谱图像镶嵌 125
参考文献 126
第4章 光谱特征分析模型与方法 129
4.1 光谱可分性准则 129
4.1.1 各类样本间的平均距离 130
4.1.2 类别间的相对距离 131
4.1.3 离散度 132
4.1.4 J-M距离 135
4.2.1 概述 136
4.2 光谱特征选择 136
4.2.2 光谱特征位置搜索 137
4.2.3 光谱距离统计 139
4.2.4 基于空间自相关的波段选择 141
4.3 光谱特征提取 145
4.3.1 光谱特征提取的意义 146
4.3.2 基于K-L变换的特征提取 147
4.3.3 基于可分性准则的特征提取 150
4.3.4 基于非线性准则的特征提取 151
4.3.5 基于光谱重排的特征提取 154
4.4.1 光谱斜率和坡向 155
4.4.2 光谱二值编码 155
4.4 光谱特征参量化 155
4.4.3 光谱吸收指数 156
4.4.4 光谱导数 158
4.4.5 光谱积分 159
4.4.6 光谱曲线函数模拟 159
4.5 地物类型序列光谱柱状图 161
4.5.1 地物类型序列 161
4.5.2 光谱柱状图 162
4.5.3 光谱柱状图在地质研究中的应用 164
参考文献 165
第5章 高光谱图像分类与地物识别 166
5.1 遥感图像分类概述 166
5.1.1 遥感图像分类的概念 166
5.1.2 遥感图像分类的原则与步骤 168
5.1.3 高光谱图像分类的特点 169
5.2 遥感图像分类基本算法 171
5.2.1 分类器设计 171
5.2.2 非监督分类算法 184
5.2.3 监督分类算法 192
5.3 高光谱图像分类算法 206
5.3.1 二值编码匹配 208
5.3.2 光谱波形匹配 208
5.3.3 光谱角度填图 210
5.3.4 基于包络线去除的图像分类 212
5.3.5 基于目标分解的神经网络分类 212
5.3.6 像元空间关联下的高光谱图像分类 217
5.4 高光谱图像地物识别与目标探测 218
5.4.1 地物识别与目标探测概述 218
5.4.2 基于特征确认概率分析的目标识别 220
5.4.3 凸面几何体投影变换 223
5.4.4 约束能量最小化算法 225
5.4.5 RX异常探测算子 228
5.4.6 基于加权样本自相关矩阵的目标探测算法 228
5.4.7 基于正交子空间投影与加权相关矩阵的异常目标探测算法 231
5.4.8 基于正交子空间投影的目标探测算法 233
5.4.9 基于数据白化距离的目标探测算法 234
参考文献 238
6.1.1 混合光谱的概念 246
第6章 混合光谱理论与光谱分解 246
6.1 混合光谱问题 246
6.1.2 混合光谱产生机理 247
6.2 混合光谱模型 251
6.2.1 线性光谱混合模型 251
6.2.2 非线性光谱混合模型 255
6.3 线性光谱解混 262
6.3.1 端元提取 262
6.3.2 混合像元分解 273
6.4 线性光谱解混在高光谱图像分析中的应用 283
6.4.1 混合光谱法图像反射率转换 283
6.4.2 地物分类 283
6.4.3 低概率目标识别 285
6.4.4 地物填图 287
参考文献 289
第7章 多源信息辅助高光谱数据分析 293
7.1 多源数据融合 293
7.1.1 数据融合概念与特点 293
7.1.2 数据级融合 295
7.1.3 特征级融合 296
7.1.4 决策级融合 297
7.2 高空间分辨率与高光谱分辨率数据融合 298
7.2.1 光谱域数据融合 300
7.2.2 空间域数据融合 303
7.2.3 基于图像光谱复原的空间域遥感数据融合 305
7.2.4 基于光谱分解的高光谱与高空间分辨率数据融合 307
7.3 空间信息辅助下的高光谱数据分析 309
7.3.1 地块的GIS数据获取 309
7.3.2 GIS数据参与光谱解混和图像分类 312
7.4 数字地貌模型与高光谱图像分析 316
7.4.1 数字地貌模型概述 316
7.4.2 数字地貌模型建立 317
7.4.3 DGM支持下的像元光谱分解与亚像元定位 320
7.4.4 模糊数学理论指导下的DGM辅助高光谱数据分类 322
7.4.5 地貌、植被与土地利用之间模糊关系的建立 323
7.5.1 多时相指数图像立方体模型 325
7.5 时间信息辅助下的高光谱数据分析 325
7.5.2 高光谱植被指数时间序列分析 326
参考文献 331
第8章 高光谱数据处理与分析系统 334
8.1 高光谱数据处理的特点 334
8.1.1 高光谱数据结构 334
8.1.2 高光谱数据特点 337
8.1.3 高光谱数据库与高光谱图像处理系统 338
8.2 高光谱数据库系统 339
8.2.1 高光谱数据库系统设计 339
8.2.2 数据库存储格式与规范 343
8.2.3 高光谱数据库与信息挖掘 346
8.3 高光谱遥感数据处理系统 349
8.3.1 国内外高光谱遥感数据处理系统现状 350
8.3.2 高光谱遥感数据处理系统架构 354
8.3.3 高光谱图像处理与分析系统（HtIPAS）功能介绍 359
参考文献 361
第9章 高光谱遥感应用 363
9.1 概述 363
9.2 高光谱遥感在植被调查中的应用 364
9.2.1 植被生理、生化参量反演 365
9.2.2 植被参量的高光谱遥感反演 370
9.2.3 植被高光谱分类 377
9.3 高光谱遥感在生态环境调查中的应用 381
9.3.1 大气污染监测 382
9.3.2 土壤侵蚀监测 383
9.3.3 水环境监测 385
9.3.4 火灾监测 389
9.4 高光谱遥感在地质调查中的应用 390
9.4.1 岩石、矿物光谱吸收及其机理 391
9.4.2 岩矿的光谱识别模型 392
9.4.3 高光谱遥感矿岩填图研究 395
9.5 高光谱遥感在城市调查中的应用 400
9.5.1 主要城市地物光谱特征在高光谱图像上的表征 401
9.5.2 专题信息与图像数据的综合表达 404
9.5.3 城市地物覆盖分类 405
参考文献 407