高光谱图像处理与分析应用

高光谱图像处理与分析一直是遥感技术领域的前沿课题，也是制约高光谱遥感应用的主要原因之一。多年来作者所带团队在高光谱图像处理和分析应用的研究成果，介绍了高光谱图像预处理与增强、高光谱图像降维、高光谱图像分类、高光谱波谱分析等；紧扣高光谱图像处理与分析的具体方法开展研究，深入研究了利用高光谱图像进行应用时所面类以及目标探测识别能力等图像处理问题，提出了高光谱图像处理与分析应用的具体方法，并且结研究的教师和学生提供借鉴。

第1章 高光谱遥感概述
1.1 高光谱图像概念
1.2 高光谱图像特点及表达方式
1.3 高光谱遥感发展概况
1.3.1 成像光谱仪介绍
1.3.2 高光谱数据的分析技术
参考文献
第2章 高光谱图像预处理与增强
2.1 高光谱图像预处理
2.1.1 高光谱图像校正
2.1.2 高光谱图像镶嵌
2.1.3 高光谱图像裁剪
2.2 高光谱图像增强
2.2.1 空间域增强
2.2.2 辐射增强
2.2.3 光谱增强
2.2.4 傅里叶变换
2.2.5 波段组合图像增强
参考文献
第3章 高光谱图像降维
3.1 高光谱图像特性与降维必要性
3.1.1 高光谱图像的表达
3.1.2 高光谱图像数据在降维中存在的问题
3.2 高光谱图像数据降维
3.2.1 特征选择
3.2.2 特征提取
3.3 基于注意力机制的波段选择
3.3.1 注意力机制
3.3.2 堆栈降噪自编码网络
3.3.3 基于注意力机制的波段选择
3.3.4 实验结果及分析
3.4 三维卷积循环神经网络的空谱联合特征提取
3.4.1 概述
3.4.2 三维卷积神经网络提取局部空谱特征
3.5 三维卷积循环神经网络提取全局空谱特征
3.5.1 双向LSTM网络
3.5.2 3D-CRNN网络结构
3.6 实验结果与分析
3.6.1 训练方案及模型参数
3.6.2 训练样本空间域尺寸寻优实验
3.6.3 特征提取算法对比实验
3.7 基于分段行-列核2DPCA的高光谱图像降维
3.7.1 二维主成分分析与核二维主成分分析
3.7.2 基于分段行-列核2DPCA的高光谱图像降维
3.7.3 目标检测应用
参考文献
第4章 高光谱图像分类
4.1 监督分类
4.1.1 类别定义／特征判别
4.1.2 样本选择
4.1.3 确定分类方法
4.1.4 分类后处理
4.1.5 精度验证
4.2 非监督分类
4.2.1 执行非监督分类
4.2.2 类别定义
4.2.3 合并子类
4.3 半监督分类
4.3.1 半监督分类训练种类
4.3.2 基于改进阶梯网络的半监督分类
参考文献
第5章 高光谱波谱分析
5.1 地物波谱库
5.1.1 标准波谱库类型
5.1.2 创建波谱库
5.2 高光谱图像地物识别
5.2.1 基础光谱分析
5.2.2 高级光谱分析
5.2.3 高光谱图像揭露伪装
5.2.4 高光谱图像目标检测
5.3 光谱分析及应用
5.3.1 基本原理
5.3.2 光谱曲线处理及分析方法
5.3.3 实验流程
5.3.4 光谱数据分析
5.4 基于光谱特征的高光谱图像揭露伪装
5.4.1 基本原理
5.4.2 基于光谱特征的高光谱图像揭露伪装方法
参考文献