高光谱遥感影像特征提取与分类

1 (p1): 第1章 绪论
1 (p1-1): 1.1引言
2 (p1-2): 1.2高光谱遥感数据分析研究的关键问题
4 (p1-3): 1.3本书的研究内容
8 (p2): 第2章 高光谱遥感数据分析
8 (p2-1): 2.1高维数据降维
18 (p2-2): 2.2高光谱遥感数据分析的主要方法
25 (p2-3): 2.3高光谱遥感数据分析的特点及问题
30 (p3): 第3章 基于投影寻踪的高光谱遥感影像特征提取与分类
30 (p3-1): 3.1投影寻踪方法
42 (p3-2): 3.2基于投影寻踪的特征提取与分类方案
46 (p3-3): 3.3面向易混分地类的投影寻踪指标
56 (p3-4): 3.4基于投影寻踪的特征提取与分类算法
69 (p3-5): 3.5主成分方向与投影寻踪方向相结合的特征提取与分类
75 (p4): 第4章 高光谱遥感影像的波段选择
75 (p4-1): 4.1波段选择方法
81 (p4-2): 4.2波段选择的快速算法
89 (p4-3): 4.3波段选择方法的评价
94 (p4-4): 4.4面向易混分地类的波段选择方法
107 (p4-5): 4.5基于选元投影寻踪的波段选择方法
124 (p5): 第5章 高光谱遥感影像的混合像元分解
124 (p5-1): 5.1概述
128 (p5-2): 5.2线性混合光谱模型及其解算
137 (p5-3): 5.3非线性混合光谱模型及其解算
148 (p5-4): 5.4基于特征空间的混合像元分解
161 (p6): 第6章 非线性主曲线及其在高光谱遥感影像分类中的应用
161 (p6-1): 6.1主成分分析的非线性扩展
175 (p6-2): 6.2简化的非线性主曲线算法及其应用
185 (p7): 参考文献 本书针对高光谱遥感影像数据的高维特性, 从高维数据降维, 特征波段选择, 混合像元光谱分解等角度展开研究, 分别利用投影寻踪, 主成分分析, 独立分量分析, 非线性主曲线等方法建立了一系列旨在提高高光谱遥感影像分类精度的特征提取与分类的算法, 主要包括主成分方向和投影寻踪方向相结合的特征组合方案, 基于选元投影寻踪的最优波段选择, 非线性混合光谱模型, 基于独立分量空间的混合像元光谱分解, 基于非线性主曲线的降维和分类等内容