1绪论 1
1.1 高光谱遥感技术简介 1
1.1.1 遥感技术 1
1.1.2 遥感数字图像处理 1
1.1.3 高光谱遥感的发展 1
1.1.4 高光谱遥感图像数据的特点 2
1.2 高光谱数据降维发展综述 4
1.3 高光谱数据分类发展综述 7
1.4 研究内容 9
1.5 框架安排 10
2高光谱图像分类 11
2.1 高光谱图像分类的流程 11
2.1.1 数据预处理 12
2.1.2 标记训练样本 12
2.1.3 特征提取与特征选择（降维） 12
2.1.4 分类识别 13
2.1.5 精度评价 13
2.2 高光谱遥感图像分类方法 14
2.2.1 无监督分类方法 14
2.2.2 有监督分类方法 15
2.2.3 适合于高光谱图像分类的算法 21
3高维数据降维技术 23
3.1 无监督降维技术 24
3.1.1 基于谱方法的无监督降维方法 24
3.1.2 基于隐变量模型的无监督降维方法 29
3.2 有监督降维技术 33
3.2.1 基于谱方法的有监督降维方法 34
3.2.2 基于隐变量模型的有监督降维方法 37
4基于降维的高光谱图像分类 41
4.1 面向高光谱数据的降维模型 41
4.1.1 基于光谱特征的降维模型 41
4.1.2 基于空间特征的降维模型 42
4.1.3 两种降维策略 42
4.2 实验设计 43
4.2.1 实验设计 43
4.2.2 数据集介绍 45
4.3 实验结果与分析 47
4.3.1 基于光谱特征的降维与分类 47
4.3.2 基于光谱特征的降维与分类实验结果分析 65
4.3.3 基于空间特征的降维与分类 67
4.3.4 基于空间特征的降维与分类实验结果分析 75
5基于有监督降维算法的高光谱图像分类 76
5.1 有监督隐线性高斯过程隐变量降维模型 76
5.1.1 模型表示 76
5.1.2 算法推导 78
5.1.3 算法分析 82
5.1.4 算法可视化验证 83
5.2 面向有监督降维的非参数指导的自编码机模型 84
5.2.1 模型表示 84
5.2.2 算法推导 87
5.2.3 算法分析 88
5.2.4 算法可视化验证 88
5.3 基于有监督降维模型的高光谱遥感图像分类 89
5.3.1 实验设计 89
5.3.2 数据集介绍 89
5.3.3 基于光谱特征的降维与分类 93
6总结与展望 98
6.1 总结 98
6.2 展望 98
主要参考文献 100
致谢 105