高光譜圖像處理技術（簡體書）

本書內容涵蓋分類，端元選擇，光譜解混，亞像元定位，超分辨率處理，異常檢測，降維壓縮等，理論思想和框架體系都有著鮮明的特色，特別是對光譜解混技術的變端元、多端元思想；對分類技術的全面加權思想；對端元選擇的快速實現思想；對亞像元定位技術的充分貫徹空間相關性原理；對超分辨率技術的協同利用空譜信息思想；對異常檢測的形態學運用和核函數構造思想；對降維壓縮的端元提取算法借用思想等。
本書既可作為高等院校有關師生的教學參考書，又可用作不同信息系統中對高光譜遙感進行研究的科研人員的參考書，也可供從事環境監測、農業管理、海洋開發等應用層面的決策者閱讀。

第1章 高光譜遙感基本理論及主要處理技術
1.1 高光譜遙感基本理論
1.1.1 遙感電磁波理論基礎
1.1.2 太陽輻射與物質的相互作用
1.1.3 成像光譜儀及其成像方式
1.1.4 高光譜圖像的數據特點
1.2 高光譜圖像分類技術
1.2.1 監督分類與非監督分類
1.2.2 參數分類與非參數分類
1.2.3 確定性分類與非確定性分類
1.2.4 其他分類方法
1.3 高光譜圖像端元選擇技術
1.4 高光譜圖像光譜解混技術
1.4.1 非線性模型
1.4.2 線性模型
1.4.3 線性模型的多端元模式
1.5 高光譜圖像亞像元定位技術
1.5.1 基於空間相關性的亞像元定位
1.5.2 基於空間地統計學的亞像元定位
1.5.3 基於神經網絡的亞像元定位
1.5.4 基於像元交換的亞像元定位
1.6 高光譜圖像超分辨率技術
1.7 高光譜圖像異常檢測技術
1.8 高光譜圖像降維與壓縮技術
1.8.1 關於降維：波段選擇與特徵提取
1.8.2 關於壓縮：有損壓縮與無損壓縮
參考文獻

第2章 高光譜圖像分類技術
2.1 典型分類方法
2.2 典型評價準則
2.3 SVM分類方法
2.3.1 理論基礎
2.3.2 分類原理
2.3.3 最簡多類分類器的構造
2.3.4 最小二乘SVM及其SMO優化算法
2.3.5 三重加權分類方法
2.4 SVM分類性能的評價
2.4.1 基本SVM分類性能評價
2.4.2 最簡多類分類器性能評價
2.4.3 三重加權分類性能評價
2.5 本章小結
參考文獻

第3章 高光譜圖像光譜端元選擇技術
3.1 N-FINDR光譜端元選擇算法
3.1.1 相關理論介紹
3.1.2 N-FINDR算法
3.2 基於距離尺度的快速N-FINDR算法
3.2.1 距離尺度替換體積尺度
3.2.2 基於PPI思想的數據排序
3.2.3 複雜性分析和效率評價
3.3 基於線性LSSVM的距離測算
3.4 光譜端元選擇的魯棒性方法
3.4.1 預處理階段：魯棒協方差矩陣的獲取
3.4.2 光譜端元選擇階段：野值點的去除
3.5 性能評價
3.5.1 基於距離尺度的快速N-FINDR算法
3.5.2 魯棒性評價
3.6 快速N-FINDR算法的兩個應用
3.6.1 構建LSMM心的求解算法
3.6.2 構建快速無監督波段選擇算法
3.7 本章小結
參考文獻

第4章 高光譜圖像光譜解混技術
4.1 基於LSMM的LSMA方法
4.2 全約束LSMA的兩種新型求解方法
4.2.1 迭代求解中的參量替換方法
4.2.2 幾何求解方法
4.3 基於LSVM的光譜解混原理
4.3.1 LSVM與LSMM的解混等效性證明
4.3.2 LSVM解混的獨特優勢
4.4 結合空間信息的光譜解混方法
4.5 帶有解混殘差約束條件的SVM光譜解混模型
4.5.1 基於原始LSSVM的光譜解混
4.5.2 基於解混殘差約束LSSVM的解混模型的建立及其閉式解的推導
4.5.3 新模型中單端元替換為多端元的方法
4.6 性能評價
4.6.1 基本SVM光譜解混性能評價
4.6.2 魯棒性加權SVM解混評價
4.6.3 結合空譜信息的解混方法評價
4.6.4 帶有解混誤差約束的新型SVM解混模型的性能評價
4.7 光譜解混的模糊精度評價方法
4.7.1 模糊精度評價方法
4.7.2 模糊精度評價方法在具體實驗中的應用
4.8 本章小結
參考文獻

第5章 高光譜圖像亞像元定位技術
5.1 基於LSSVM的線性特徵地物亞像元定位技術
5.1.1 基於LSSVM的亞像元定位技術
5.1.2 人工合成訓練樣本的方法
5.2 基於空間引力模型的亞像元定位方法
5.2.1 基於修正的亞像元／像元空間引力模型的亞像元定位
5.2.2 基於混合空間引力模型的亞像元定位
5.3 結合MRF和亞像元位移遙感影像的亞像元定位
5.3.1 基於MRF的亞像元定位
5.3.2 結合MRF和亞像元位移遙感影像的亞像元定位
5.4 性能評價
5.4.1 基於LSSVM的線性特徵地物亞像元定位
5.4.2 MSPSAM和MSAM
5.4.3 結合MRF和亞像元位移遙感影像的亞像元定位
5.5 本章小結
參考文獻

第6章 高光譜圖像超分辨率技術
6.1 基於POCS算法的超分辨率復原
6.1.1 POCS基本理論
6.1.2 基於POCS算法的超分辨率復原
6.2 基於MAP算法的超分辨率復原
6.2.1 MAP基本理論
6.2.2 基於MAP算法的超分辨率復原
6.3 單譜段圖像的分辨率提高方法
6.3.1 幾何對偶模型的建立與插值方法
6.3.2 混合插值方法
6.4 性能評價
6.4.1 POCS和MAP超分辨率方法
6.4.2 對偶性插值方法
6.5 本章小結
參考文獻

第7章 高光譜圖像異常檢測技術
7.1 基於形態學理論的核檢測算法
7.1.1 基於形態學的波段選擇
7.1.2 基於形態學的核RX算法
7.2 自適應核異常檢測算法
7.2.1 支持向量數據描述方法
7.2.2 自適應核異常檢測算法
7.3 核異常檢測中光譜相似度量核的構造
7.3.1 高斯徑向基核的局限性
7.3.2 光譜相似度量核函數
7.4 性能評價
7.4.1 基於形態學的核檢測算法效果驗證
7.4.2 自適應核異常檢測算法效果驗證
7.4.3 基於光譜相似度量核的異常檢測算法效果驗證
7.5 其他異常檢測算法簡介
7.5.1 基於空域濾波的核RX高光譜異常檢測算法
7.5.2 基於多層窗口分析的核檢測算法
7.6 本章小結
參考文獻

第8章 高光譜圖像降維及壓縮技術
8.1 降維技術
8.1.1 基於SVM的波段選擇
8.1.2 典型端元選擇方法在波段選擇中的應用
8.1.3 仿真實驗
8.2 壓縮技術
8.2.1 基於矢量量化的壓縮算法
8.2.2 基於提升格式的壓縮算法
8.3 本章小結
參考文獻

第9章 高光譜遙感應用簡介
9.1 農業
9.1.1 小麥
9.1.2 水稻
9.1.3 大豆
9.1.4 玉米
9.2 森林
9.2.1 森林調查
9.2.2 森林生化組成與森林健康狀態
9.2.3 森林災害
9.2.4 外來物種監測
9.3 草地
9.3.1 草地生物量估算
9.3.2 草地種類識別
9.3.3 草地化學成分估測
9.4 海洋
9.4.1 海洋遙感中的基礎研究
9.4.2 海洋與海岸帶資源環境監測中的應用研究
9.4.3 國際相關發展動態
9.5 地質
9.5.1 岩礦識別
9.5.2 資源勘查
9.6 環境
9.6.1 大氣污染監測
9.6.2 土壤侵蝕監測
9.6.3 水環境監測
9.7 軍事
參考文獻

附錄1 本書主要符號及縮寫說明
附錄2 著者主要相關文章