第1章 高光谱遥感概述 1
1.1 高光谱遥感影像分类概述 1
1.2 高光谱遥感影像分类进展 4
1.3 高光谱遥感分类器构建 11
1.4 本书试验数据 14
第2章 高光谱遥感常用分类方法 18
2.1 常用非监督分类 18
2.2 常规监督分类方法 24
2.3 基于光谱相似性度量的分类方法 27
2.4 人工神经网络分类器 31
2.5 决策树分类器 42
2.6 面向对象分类 46
2.7 人工免疫系统的分类 50
2.8 统计学习理论 57
2.9 支持向量机 61
第3章 高光谱遥感影像的波段选择和波段提取 74
3.1 基于波段选择的降维 74
3.2 基于特征提取的降维 76
3.3 核主成分分析改进研究 81
3.4 流形学习算法 87
3.5 本章小结 99
第4章 组合空间和光谱特征的高光谱遥感影像分类研究 100
4.1 光谱—空间法介绍 100
4.2 空间特征和光谱特征的提取 100
4.3 基于特征选择的光谱—空间高光谱遥感影像分类方法 106
4.4 试验结果与分析 107
4.5 本章小结 113
第5章 半监督分类研究 114
5.1 半监督分类 114
5.2 半监督分类方法 115
5.3 基于支持向量机自训练高光谱遥感数据分类实例 124
5.4 本章小结 132
第6章 基于协同训练的半监督分类方法研究 133
6.1 引言 133
6.2 协同训练理论 134
6.3 协同训练算法研究 137
6.4 基于协同训练高光谱遥感影像分类研究实例 146
6.5 本章小结 154
参考文献 155