第 1章 高光谱遥感概述 1 1.1 高光谱成像原理 1 1.2 高光谱图像数据特点 7 1.3 成像光谱仪系统介绍 11 1.3.1 航空成像光谱仪系统 11 1.3.2 航天成像光谱仪系统 15 1.4 高光谱遥感应用 24 1.4.1 地质调查 25 1.4.2 植被监测 26 1.4.3 农业应用 28 1.4.4 水体监测 32 1.4.5 灾害环境 35 1.4.6 土壤调查 36 1.4.7 城市环境遥感 37 1.5 本书的内容安排 38 第 2章 高光谱图像波段选择技术概述 40 2.1 引言 40 2.2 高光谱图像波段选择的基本概念 40 2.2.1 高光谱图像的特点 40 2.2.2 波段选择的必要性 42 2.2.3 波段选择的研究内容 45 2.3 国内外研究现状与进展 46 2.3.1 非监督波段选择研究进展 46 2.3.2 监督波段选择研究进展 48 2.3.3 波段选择存在的问题 49 2.4 高光谱图像波段选择基础 49 2.4.1 高光谱图像波段选择的典型方法 50 2.4.2 波段子集搜索方法 54 2.4.3 小目标检测算法CEM 66 2.5 高光谱图像波段选择技术的评价 70 2.5.1 分类精度 70 2.5.2 ROC曲线 71 2.5.3 计算复杂度 72 2.6 本书使用的高光谱数据简介 73 2.6.1 AVIRIS数据 73 2.6.2 OMIS数据 78 2.7 本章小结 80 第3章 高鲁棒性的高光谱图像波段选择技术 81 3.1 引言 81 3.2 基于数据质量的波段选择 82 3.2.1 高光谱立方体图像质量 83 3.2.2 基于数据质量的波段选择方法 84 3.2.3 MNBS的进一步解释 85 3.2.4 试验结果 87 3.3 典型成分分析快速波段选择 92 3.3.1 典型成分分析(ECA) 93 3.3.2 ECA的优势 95 3.3.3 试验结果 95 3.4 基于图表示的波段选择 102 3.4.1 引言 103 3.4.2 准则函数 105 3.4.3 进一步讨论与改进 107 3.4.4 波段子集搜索 109 3.4.5 计算复杂度 110 3.4.6 试验结果 111 3.5 本章小结 119 第4章 高光谱图像快速波段选择技术 120 4.1 引言 120 4.2 基于分块矩阵的快速波段选择 121 4.2.1 序贯前向搜索算法 121 4.2.2 基于分块矩阵的快速波段选择技术 122 4.2.3 计算复杂度分析 125 4.2.4 试验结果 126 4.3 基于体积梯度的快速波段选择 129 4.3.1 序贯后向搜索算法 129 4.3.2 基于体积梯度的快速波段选择技术 130 4.3.3 计算复杂度分析 134 4.3.4 试验结果 135 4.4 基于自相关矩阵的快速波段选择 139 4.4.1 准则函数 140 4.4.2 基于对称矩阵特性的快速计算 143 4.4.3 ACMBS精度的改进 146 4.4.4 复杂度分析 148 4.4.5 试验结果 149 4.5 本章小结 153 第5章 面向小目标检测的高光谱图像波段选择技术 154 5.1 引言 154 5.2 基于联合偏度的波段选择 155 5.2.1 张量 156 5.2.2 联合偏度 157 5.2.3 超行列式的计算 158 5.2.4 搜索策略 159 5.2.5 试验结果 160 5.3 基于CEM的波段选择 168 5.3.1 CEM回顾 169 5.3.2 BSC1 170 5.3.3 BSC2 170 5.3.4 BSC3 171 5.3.5 试验结果 172 5.4 基于LASSO的波段选择 179 5.4.1 模型的建立 180 5.4.2 模型的求解 181 5.4.3 试验结果 182 5.5 本章小结 188 第6章 总结与展望 189 6.1 全书内容总结 189 6.2 后续工作展望 191 参考文献 193