第1章 高光谱遥感基本理论及主要处理技术 1
1.1高光谱遥感基本理论 1
1.1.1遥感电磁波理论基础 1
1.1.2太阳辐射与物质的相互作用 2
1.1.3成像光谱仪及其成像方式 2
1.1.4高光谱图像的数据特点 5
1.2高光谱图像分类技术 7
1.2.1监督分类与非监督分类 7
1.2.2参数分类与非参数分类 9
1.2.3确定性分类与非确定性分类 10
1.2.4其他分类方法 10
1.3高光谱图像端元选择技术 11
1.4高光谱图像光谱解混技术 13
1.4.1非线性模型 14
1.4.2线性模型 14
1.4.3线性模型的多端元模式 18
1.5高光谱图像亚像元定位技术 18
1.5.1基于空间相关性的亚像元定位 20
1.5.2基于空间地统计学的亚像元定位 21
1.5.3基于神经网络的亚像元定位 22
1.5.4基于像元交换的亚像元定位 23
1.6高光谱图像超分辨率技术 25
1.7高光谱图像异常检测技术 27
1.8高光谱图像降维与压缩技术 29
1.8.1关于降维：波段选择与特征提取 29
1.8.2关于压缩：有损压缩与无损压缩 32
参考文献 33
第2章 高光谱图像分类技术 34
2.1典型分类方法 34
2.2典型评价准则 36
2.3 SVM分类方法 37
2.3.1理论基础 38
2.3.2分类原理 39
2.3.3最简多类分类器的构造 45
2.3.4最小二乘SVM及其SMO优化算法 48
2.3.5三重加权分类方法 50
2.4 SVM分类性能的评价 54
2.4.1基本SVM分类性能评价 55
2.4.2最简多类分类器性能评价 56
2.4.3三重加权分类性能评价 57
2.5本章小结 59
参考文献 59
第3章 高光谱图像光谱端元选择技术 61
3.1 N-FINDR光谱端元选择算法 61
3.1.1相关理论介绍 61
3.1.2 N-FINDR算法 63
3.2基于距离尺度的快速N-FINDR算法 64
3.2.1距离尺度替换体积尺度 65
3.2.2基于PPI思想的数据排序 66
3.2.3复杂性分析和效率评价 67
3.3基于线性LSSVM的距离测算 67
3.4光谱端元选择的鲁棒性方法 68
3.4.1预处理阶段：鲁棒协方差矩阵的获取 69
3.4.2光谱端元选择阶段：野值点的去除 70
3.5性能评价 71
3.5.1基于距离尺度的快速N-FINDR算法 71
3.5.2鲁棒性评价 72
3.6快速N-FINDR算法的两个应用 76
3.6.1构建LSMM新的求解算法 76
3.6.2构建快速无监督波段选择算法 77
3.7本章小结 80
参考文献 81
第4章 高光谱图像光谱解混技术 82
4.1基于LSMM的LSMA方法 82
4.2全约束LSMA的两种新型求解方法 84
4.2.1迭代求解中的参量替换方法 84
4.2.2几何求解方法 85
4.3基于LSVM的光谱解混原理 88
4.3.1 LSVM与LSMM的解混等效性证明 88
4.3.2 LSVM解混的独特优势 89
4.4结合空间信息的光谱解混方法 90
4.5带有解混残差约束条件的SVM光谱解混模型 92
4.5.1基于原始LSSVM的光谱解混 92
4.5.2基于解混残差约束LSSVM的解混模型的建立及其闭式解的推导 94
4.5.3新模型中单端元替换为多端元的方法 96
4.6性能评价 97
4.6.1基本SVM光谱解混性能评价 97
4.6.2鲁棒性加权SVM解混评价 99
4.6.3结合空谱信息的解混方法评价 101
4.6.4带有解混误差约束的新型SVM解混模型的性能评价 103
4.7光谱解混的模糊精度评价方法 105
4.7.1模糊精度评价方法 105
4.7.2模糊精度评价方法在具体实验中的应用 108
4.8本章小结 113
参考文献 113
第5章 高光谱图像亚像元定位技术 115
5.1基于LSSVM的线性特征地物亚像元定位技术 117
5.1.1基于LSSVM的亚像元定位技术 117
5.1.2人工合成训练样本的方法 119
5.2基于空间引力模型的亚像元定位方法 121
5.2.1基于修正的亚像元／像元空间引力模型的亚像元定位 121
5.2.2基于混合空间引力模型的亚像元定位 124
5.3结合MRF和亚像元位移遥感影像的亚像元定位 128
5.3.1基于MRF的亚像元定位 128
5.3.2结合MRF和亚像元位移遥感影像的亚像元定位 131
5.4性能评价 134
5.4.1基于LSSVM的线性特征地物亚像元定位 134
5.4.2 MSPSAM和MSAM 137
5.4.3结合MRF和亚像元位移遥感影像的亚像元定位 142
5.5本章小结 145
参考文献 146
第6章 高光谱图像超分辨率技术 148
6.1基于POCS算法的超分辨率复原 148
6.1.1 POCS基本理论 148
6.1.2基于POCS算法的超分辨率复原 150
6.2基于MAP算法的超分辨率复原 153
6.2.1 MAP基本理论 153
6.2.2基于MAP算法的超分辨率复原 156
6.3单谱段图像的分辨率提高方法 157
6.3.1几何对偶模型的建立与插值方法 157
6.3.2混合插值方法 160
6.4性能评价 162
6.4.1 POCS和MAP超分辨率方法 162
6.4.2对偶性插值方法 166
6.5本章小结 170
参考文献 171
第7章 高光谱图像异常检测技术 172
7.1基于形态学理论的核检测算法 172
7.1.1基于形态学的波段选择 172
7.1.2基于形态学的核RX算法 175
7.2自适应核异常检测算法 177
7.2.1支持向量数据描述方法 178
7.2.2自适应核异常检测算法 180
7.3核异常检测中光谱相似度量核的构造 185
7.3.1高斯径向基核的局限性 185
7.3.2光谱相似度量核函数 186
7.4性能评价 189
7.4.1基于形态学的核检测算法效果验证 189
7.4.2自适应核异常检测算法效果验证 192
7.4.3基于光谱相似度量核的异常检测算法效果验证 195
7.5其他异常检测算法简介 199
7.5.1基于空域滤波的核RX高光谱异常检测算法 199
7.5.2基于多层窗口分析的核检测算法 201
7.6本章小结 205
参考文献 205
第8章 高光谱图像降维及压缩技术 207
8.1降维技术 207
8.1.1基于SVM的波段选择 207
8.1.2典型端元选择方法在波段选择中的应用 211
8.1.3仿真实验 213
8.2压缩技术 215
8.2.1基于矢量量化的压缩算法 215
8.2.2基于提升格式的压缩算法 219
8.3本章小结 224
参考文献 225
第9章 高光谱遥感应用简介 226
9.1农业 226
9.1.1小麦 226
9.1.2水稻 227
9.1.3大豆 227
9.1.4玉米 228
9.2森林 228
9.2.1森林调查 228
9.2.2森林生化组成与森林健康状态 230
9.2.3森林灾害 231
9.2.4外来物种监测 232
9.3草地 232
9.3.1草地生物量估算 232
9.3.2草地种类识别 233
9.3.3草地化学成分估测 234
9.4海洋 235
9.4.1海洋遥感中的基础研究 235
9.4.2海洋与海岸带资源环境监测中的应用研究 236
9.4.3国际相关发展动态 236
9.5地质 237
9.5.1岩矿识别 237
9.5.2资源勘查 238
9.6环境 241
9.6.1大气污染监测 241
9.6.2土壤侵蚀监测 241
9.6.3水环境监测 242
9.7军事 242
参考文献 244
附录1本书主要符号及缩写说明 245
附录2著者主要相关文章 246