高光谱遥感图像解译

　　本书对作者研究团队近年来在高光谱遥感图像处理领域所取得的重要研究成果进行了总结，集中体现了当前国内外高光谱遥感图像处理领域，特别是围绕地物分类和目标检测为核心、以多核学习理论与稀疏表示为代表的**研究成果。本书主要内容涵盖以下三大部分：第一部分，详细介绍高光谱遥感机理和光谱成像原理，高光谱图像处理的主要内容，地物分类和目标检测研究进展，以及本书中所参考的国际代表性实验数据。第二部分，主要介绍核学习及稀疏表示的理论、模型与方法，这些理论、模型与方法在高光谱遥感图像处理中发挥了重要作用。第三部分，重点介绍多核学习与稀疏表示理论、模型及方法在高光谱遥感图像特征提取、地物分类及目标检测方面的重要实践。本书可作为电子信息专业、遥感科学与技术专业高年级本科生或研究生的教学参考书，也可供相关研究人员参考。

　　谷延锋，哈尔滨工业大学电子与信息工程学院，教授，博士生导师。2015年国家优青基金获得者，2017年科技部中青年科技创新领军人才入选者。遥感信息领域**期刊IEEE地球科学与遥感汇刊副主编、《中国科学：技术科学》青年编委。主要从事遥感图像处理、高光谱遥感方向研究工作。获省部级一等奖1项、二等奖1项。发表SCI论文50篇，**期刊论文20余篇。

第 1 章 高光谱遥感成像与处理基础
1．1 高光谱遥感探测基础
1．2 高光谱遥感图像处理
1．3 高光谱遥感图像分类
1．4 高光谱遥感图像目标检测
1．5 高光谱遥感领域开放数据
参考文献
第 2 章 高光谱遥感图像特征表达与信号表示
2．1 高光谱遥感图像数据分析
2．2 光谱与空间特征提取
2．3 多分辨率特征提取
2．4 形态学特征提取
2．5 统计特征提取
2．6 高光谱遥感图像张量表示与特征提取
2．7 高光谱遥感图像信号稀疏表示
参考文献
第 3 章 高光谱遥感图像模式学习理论与方法
3．1 核学习理论
3．2 无监督核学习
3．3 有监督核学习
3．4 多核学习理论
3．5 多核学习模型与方法
参考文献
第 4 章 高光谱遥感图像分类实践
4．1 光谱加权核分类
4．2 空间-光谱混合核分类
4．3 多特征多核学习分类
参考文献
第 5 章 高光谱遥感图像多时相分类
5．1 多时相高光谱遥感图像分类基础与进展
5．2 多时相高光谱遥感图像流形学习分类
5．3 高光谱遥感图像多时相空谱流形学习分类
5．4 高光谱遥感图像多时相多流形分类
参考文献
第 6 章 高光谱遥感图像目标检测
6．1 高光谱图像目标检测基础
6．2 子像素核化目标检测
6．3 稀疏目标检测
6．4 核稀疏目标检测
6．5 高光谱遥感图像张量目标检测
参考文献
第 7 章 高光谱遥感图像异常目标检测
7．1 高光谱遥感图像异常检测概述
7．2 异常成分分析
7．3 异常子空间估计
7．4 异常目标多检测器集成
参考文献
缩略词
名词索引
附录 部分彩图