高光谱遥感影像降维方法与应用

本书针对高光谱遥感数据具有维数高、数据量大、冗余度高、不确定性显著、样本选择困难等特点，引入机器学习、模式识别等理论和技术，开展高光谱遥感影像降维理论、方法与应用的研究。全书共8章：第1章介绍高光谱遥感影像降维及进展；第2章介绍高光谱遥感影像降维的理论基础、常用方法和方法评价；第3章探讨高光谱遥感影像特征提取方法，重点是基于改进K均值、层次聚类和正交投影散度、优化判别局部对齐等三种特征提取算法；第4章分析高光谱遥感影像波段选择方法，从可分性准则和搜索策略两方面提出新方法；第5章重点研究多目标优化的自适应波段选择方法，论述能自动确定波段数目的组合型群体智能优化的高光谱遥感自适应降维方法；第6章探讨高光谱遥感多特征质量评估与优化方法，重点阐述多特征质量评估的方法，并提出基于改进萤火虫算法的高光谱遥感多特征优化及基于多分类器集成的多特征性能评估；第7章讨论基于共形几何代数的新型波段选择方法，研究共形空间下高光谱遥感影像的信息表达问题；第8章介绍高光谱遥感影像降维方法在矿物识别、影像可视化、城市土地覆盖分析等领域的应用等。