高光谱图像处理技术

内容简介

《高光谱图像处理技术》共分9章。尾两章对高光谱遥感的基本理论、高光谱遥感主要处理技术的发展现状、高光谱遥感的应用进行了简单的介绍，便于不同需求的读者参阅。第2～8章是以著者近年来的研究成果为主体内容，将高光谱图像的主要处理技术，即分类、端元提取、光谱解混、亚像元定位、超分辨率复原、异常检测、降维压缩等进行了系统的整理和详尽的阐释，旨在为读者提供一个较完整的框架和较新颖的内容。
　　《高光谱图像处理技术》可作为高等院校遥感、测绘、地理信息系统等专业的本科生、研究生的参考用书，也可供相关领域不同层次的研究人员参阅。

目录

第1章 高光谱遥感基本理论及主要处理技术
1.1 高光谱遥感基本理论
1.1.1 遥感电磁波理论基础
1.1.2 太阳辐射与物质的相互作用
1.1.3 成像光谱仪及其成像方式
1.1.4 高光谱图像的数据特点
1.2 高光谱图像分类技术
1.2.1 监督分类与非监督分类
1.2.2 参数分类与非参数分类
1.2.3 确定性分类与非确定性分类
1.2.4 其他分类方法
1.3 高光谱图像端元选择技术
1.4 高光谱图像光谱解混技术
1.4.1 非线性模型
1.4.2 线性模型
1.4.3 线性模型的多端元模式
1.5 高光谱图像亚像元定位技术
1.5.1 基于空间相关性的亚像元定位
1.5.2 基于空间地统计学的亚像元定位
1.5.3 基于神经网络的亚像元定位
1.5.4 基于像元交换的亚像元定位
1.6 高光谱图像超分辨率技术
1.7 高光谱图像异常检测技术
1.8 高光谱图像降维与压缩技术
1.8.1 关于降维：波段选择与特征提取
1.8.2 关于压缩：有损压缩与无损压缩
参考文献
第2章 高光谱图像分类技术
2.1 典型分类方法
2.2 典型评价准则
2.3 SVM分类方法
2.3.1 理论基础
2.3.2 分类原理
2.3.3 多类分类器的构造
2.3.4 二乘SVM及其SMO优化算法
2.3.5 三重加权分类方法
2.4 SVM分类性能的评价
2.4.1 基本SVM分类性能评价
2.4.2 多类分类器性能评价
2.4.3 三重加权分类性能评价
2.5 本章小结
参考文献
第3章 高光谱图像光谱端元选择技术
3.1 N-FINDR光谱端元选择算法
3.1.1 相关理论介绍
3.1.2 N-FINDR算法
3.2 基于距离尺度的快速N-FINDR算法
3.2.1 距离尺度替换体积尺度
3.2.2 基于PPI思想的数据排序
3.2.3 复杂性分析和效率评价
3.3 基于线性LSSVM的距离测算
3.4 光谱端元选择的鲁棒性方法
3.4.1 预处理阶段：鲁棒协方差矩阵的获取
3.4.2 光谱端元选择阶段：野值点的去除
3.5 性能评价
3.5.1 基于距离尺度的快速N-FINDR算法
3.5.2 鲁棒性评价
3.6 快速N-FINDR算法的两个应用
3.6.1 构建LSMM心的求解算法
3.6.2 构建快速无监督波段选择算法
3.7 本章小结
参考文献
第4章 高光谱图像光谱解混技术
4.1 基于LSMM的LSMA方法
4.2 全约束LSMA的两种新型求解方法
4.2.1 迭代求解中的参量替换方法
4.2.2 几何求解方法
4.3 基于LSVM的光谱解混原理
4.3.1 LSVM与LSMM的解混等效性证明
4.3.2 LSVM解混的优势
4.4 结合空间信息的光谱解混方法
4.5 带有解混残差约束条件的SVM光谱解混模型
4.5.1 基于原始LSSVM的光谱解混
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
4.5.3 新模型中单端元替换为多端元的方法
4.6 性能评价
4.6.1 基本SVM光谱解混性能评价
4.6.2 鲁棒性加权SVM解混评价
4.6.3 结合空谱信息的解混方法评价
4.6.4 带有解混误差约束的新型SVM解混模型的性能评价
4.7 光谱解混的模糊精度评价方法
4.7.1 模糊精度评价方法
4.7.2 模糊精度评价方法在具体实验中的应用
4.8 本章小结
参考文献
第5章 高光谱图像亚