作者长期从事高光谱图像处理、目标检测与识别等领域的研究工作，本书是作者团队多年研究成果的系统总结。
本书理论结合实践，具有很强的实践指导意义，可以为高光谱图像的分类解译应用提供技术参考，也可作为从事高光谱图像信息解译研究人员的专业书，帮助从业人员系统了解高光谱图像分类解译方法的研究进展，有助于提高我国高光谱图像处理和应用水平。

本书以高光谱图像分类技术为核心，采用理论方法详解与实验分析论证相结合的方式，从高光谱显微图像维度约减及分类技术、多尺度深度学习的医学高光谱显微图像分类技术，到高光谱图像结构感知学习、空间信息提取的地物分类技术，再到多源数据融合分类技术等多个方面，介绍了高光谱图像分类领域的理论发展和前沿技术。
本书可作为从事高光谱图像分类解译研究的科研人员的工具书，帮助从业人员系统了解高光谱图像分类解译方法的研究进展，同时使读者能够系统地了解高光谱图像分类技术的发展脉络和新进展。

第 1 章 高光谱图像分类概述 1
1.1  高光谱图像  1
1.2  高光谱图像分类现状  3
1.2.1  高光谱图像特征提取方法  3
1.2.2  高光谱分类器设计方法  7
1.2.3  高光谱图像特征提取及分类难点分析  11
参考文献  13
第 2  章 高光谱显微图像维度约减及分类  19
2.1  高光谱显微图像成像系统及数据采集19
2.1.1  高光谱显微图像成像系统  19
2.1.2  膜性肾病病理组织标准化数据采集及预处理  20
2.2  基于空谱密度峰值的高光谱显微图像维度约减25
2.2.1  引言  25
2.2.2  相关原理与方法  26
2.2.3  基于空谱密度峰值的维度约减方法  27
2.2.4  实验内容及结果分析  30
2.3  基于张量表示的高光谱显微图像多特征提取39
2.3.1  引言  39
2.3.2  张量相关原理与知识  39
2.3.3  基于判别张量的多特征融合提取算法  39
2.3.4  实验内容及结果分析  43
2.4  基于张量回归分析的高光谱显微图像分类52
2.4.1  引言  52
2.4.2  最小二乘回归分析方法  52
2.4.3  基于张量块的判别线性回归分析方法  52
2.4.4  实验内容及结果分析  55
参考文献  60
第3  章 高光谱显微图像多尺度深度学习分类  63
3.1  基于深度学习的高光谱显微图像膜性肾病分类63
3.1.1  图像数据预处理  63
3.1.2  膜性肾病分类模型  68
3.1.3  实验内容及结果分析  74
3.2  基于深度特征融合网络的高光谱显微图像分类83
3.2.1  深度特征融合网络  84
3.2.2  实验内容及结果分析  88
3.3  基于Gabor 引导CNN 的高光谱显微图像分类93
3.3.1  基于CNN 和Gabor 滤波器的分类算法  94
3.3.2  实验内容及结果分析  97
参考文献  102
第4  章 高光谱图像结构感知学习模型及分类  104
4.1  基于结构感知协同表示的高光谱图像分类  104
4.1.1  引言  104
4.1.2  SaCRT 模型  105
4.1.3  实验内容及结果分析  109
4.2  基于DMLSR 的高光谱图像分类  123
4.2.1  引言  123
4.2.2  DMLSR 模型  124
4.2.3  实验内容及结果分析  126
4.3  基于ICS-DLSR 的滨海湿地数据样本空间变换  140
4.3.1  引言  140
4.3.2  滨海湿地典型地物高光谱遥感数据特征分析  141
4.3.3  基于回归表示的样本空间变换及ICS-DLSR 模型  143
4.3.4  滨海湿地数据样本空间变换效果分析  145
4.4  基于SPCRGE 的高光谱图像分类  149
4.4.1  引言  149
4.4.2  模型基础  151
4.4.3  SPCRGE 模型  153
4.4.4  实验内容及结果分析  155
参考文献  169
第5  章 高光谱图像空间信息提取及分类  173
5.1  基于多形变体输入的深度学习高光谱图像分类  173
5.1.1  DR-CNN 模型  173
5.1.2  多形变体输入及特征提取  175
5.1.3  DR-CNN 模型训练  180
5.1.4  实验内容及结果分析  181
5.2  基于像素对的数据增强及高光谱图像分类  194
5.2.1  像素配对模型  195
5.2.2  基于像素对输入的深度特征提取  195
5.2.3  实验内容及结果分析  196
5.3  基于像素块配对的高光谱图像深度网络分类  202
5.3.1  基于数据增强的CNN 分类模型  203
5.3.2  传统样本扩充方法  204
5.3.3  基于像素块配对的样本扩充方法  205
5.3.4  实验内容及结果分析  208
参考文献  213
第6  章 高光谱多源数据融合分类  216
6.1  多源遥感融合分类研究现状  216
6.1.1  多源传感器融合分类研究现状  216
6.1.2  基于高光谱的多源遥感融合分类研究现状  218
6.2  基于CNN 的高光谱多源数据融合分类  220
6.2.1  双通道CNN 与级联CNN  221
6.2.2  双分支CNN 训练及分析  223
6.2.3  实验内容及结果分析  224
6.3  基于结构信息聚合的HSI 与LiDAR 数据的融合分类  232
6.3.1  基于IP-CNN 的结构信息聚合分类模型  233
6.3.2  语义信息导向的分类模型及训练策略  234
6.3.3  HSI 协同LiDAR 数据分类实验  235
参考文献  242