高光譜影像分析及可視化技術

目 錄
第1章　高光譜遙感的基本理論及高光譜影像處理技術簡介 1
1.1　高光譜遙感的基本理論 1
1.1.1　電磁波理論基礎 1
1.1.2　太陽輻射與物質的相互作用 2
1.1.3　高光譜成像技術及高光譜成像儀 2
1.1.4　高光譜影像的數據特點 4
1.2　高光譜影像的分類 4
1.2.1　監督分類與非監督分類 5
1.2.2　參數分類與非參數分類 6
1.2.3　確定性分類與非確定性分類 8
1.2.4　其他分類 8
1.3　高光譜影像的光譜解混 9
1.3.1　非線性光譜混合模型 10
1.3.2　線性光譜混合模型 10
1.3.3　線性光譜混合模型的多端元模式 13
1.4　高光譜影像的亞像元定位 15
1.4.1　先初始化後優化的亞像元定位方法 16
1.4.2　軟硬屬性轉換的亞像元定位方法 16
1.4.3　其他類型的亞像元定位方法 18
1.5　高光譜影像的異常檢測與變化檢測 19
1.5.1　高光譜影像的異常檢測 19
1.5.2　高光譜影像的變化檢測 22
1.6　高光譜影像的彩色可視化 25
1.6.1　高光譜影像的特點及傳統顯示空間 25
1.6.2　圖像空間的常用彩色可視化技術 26
1.6.3　提取三波段的彩色可視化技術 27
1.6.4　基於原始高光譜影像的彩色可視化技術 27
1.6.5　基於像元分析結果的彩色可視化技術 29
參考文獻 30
第2章 高光譜影像的分類方法 32
2.1 SVM分類方法 32
2.1.1 理論基礎 32
2.1.2 分類原理 34
2.1.3 SVM分類性能評價 38
2.2 非平行SVM分類方法 41
2.2.1 添加額外經驗風險最小化的非平行SVM分類方法 41
2.2.2 添加約束偏置項的額外經驗風險最小化非平行SVM分類方法 44
2.2.3 最小二乘的約束偏置額外經驗風險最小化非平行SVM分類方法 46
2.2.4 非平行SVM分類方法的分類性能評價 48
2.3 深度學習分類方法 50
2.3.1 正則化光譜空間全局學習框架 52
2.3.2 統計損失 56
2.3.3 早期停止策略 57
2.3.4 深度學習分類方法性能評價 58
2.4 本章小結 61
參考文獻 62
第3章 高光譜影像的光譜解混方法 64
3.1 基於LSMM的解混方法 64
3.2 全約束LSMM的幾何求解方法 66
3.2.1 方法的建立 66
3.2.2 快速方法：距離尺度替換體積尺度 68
3.3 基於LSVM的解混原理 70
3.3.1 LSVM與LSMM的等效性證明 70
3.3.2 LSVM的獨特優勢 71
3.3.3 帶解混殘差約束條件的LSSVM解混方法 71
3.4 基於最小二乘孿生支持向量機的高光譜影像解混方法 77
3.4.1 最小二乘孿生支持向量機基礎理論 77
3.4.2 最小二乘孿生支持向量機解混方法 80
3.5 最小二乘孿生支持向量機解混的不確定性分析 81
3.5.1 相關基礎理論 81
3.5.2 ULSTSVM中的端元光譜可變性 82
3.5.3 兩種不確定性模型：豐度重疊和模型重疊 83
3.5.4 ULSTSVM不確定性的計算分析相關算法 87
3.5.5 ULSTSVM中的不確定性處理 88
3.5.6 最小二乘孿生支持向量機解混的性能評估及不確定性分析實驗 89
3.6 解混的模糊精度評價方法 102
3.6.1 模糊精度評價方法 102
3.6.2 模糊精度評價方法在具體實驗中的應用 103
3.7 本章小結 107
參考文獻 108
第4章 高光譜影像的亞像元定位方法 110
4.1 亞像元定位方法的基本原理及評價方法 110
4.1.1 亞像元銳化方法 110
4.1.2 類別分配方法 112
4.1.3 亞像元定位精度的評價方法 114
4.2 基於更多監督信息Hopfield神經網絡的亞像元定位方法 116
4.2.1 傳統的基於Hopfield神經網絡的亞像元定位方法 117
4.2.2 I-HNN 118
4.2.3 性能評價 119
4.3 基於具有空-譜信息的多位移圖像亞像元定位方法 121
4.3.1 MSI-SS 122
4.3.2 性能評價 124
4.4 基於並行處理路徑的高光譜影像亞像元定位方法 130
4.4.1 融合路徑 130
4.4.2 深度學習路徑 131
4.4.3 DPP 132
4.4.4 性能評價 134
4.5 本章小結 142
參考文獻 142
第5章 高光譜影像的異常檢測與變化檢測方法 145
5.1 基於加權核範數、全變分正則化和稀疏背景字典的異常檢測方法 145
5.1.1 LRSMD的理論基礎 146
5.1.2 加權核範數和全變分正則化 146
5.1.3 稀疏背景字典構造方法 147
5.1.4 WNNSDAD 147
5.2 基於局部空-譜信息整合的半監督雙流網絡的異常檢測方法 149
5.2.1 背景訓練樣本的提取 149
5.2.2 LS3T-Net 150
5.3 基於殘差自註意力模塊自動編碼器網絡的異常檢測方法 153
5.3.1 自動編碼器網絡 154
5.3.2 殘差網絡（ResNet） 154
5.3.3 殘差自註意力（RSA）模塊 154
5.3.4 基於殘差自註意力模塊的自動編碼器（RSAAE）網絡 155
5.4 基於多尺度中心差分卷積網絡的異常檢測方法 157
5.4.1 中心差分卷積 157
5.4.2 MSCDC網絡結構 158
5.5 異常檢測方法性能評價 160
5.5.1 異常檢測方法的評價指標 160
5.5.2 WNNSDAD的性能評價 160
5.5.3 LS3T-Net的性能評價 162
5.5.4 RSAAE的性能評價 164
5.5.5 MSCDC的性能評價 166
5.6 基於空-譜註意力機制孿生網絡的變化檢測方法 168
5.6.1 網絡結構 168
5.6.2 孿生網絡 169
5.6.3 空-譜註意力機制 170
5.6.4 加權對比損失函數 171
5.7 基於殘差自校準網絡的變化檢測方法 172
5.7.1 網絡結構 173
5.7.2 改進的殘差網絡 173
5.7.3 自校準卷積 174
5.7.4 殘差自校準模塊 175
5.8 高光譜影像變化檢測方法的性能評價 176
5.8.1 SSA-SiamNet的性能評價 176
5.8.2 RSCNet的性能評價 177
5.9 本章小結 178
參考文獻 179
第6章 高光譜影像的彩色可視化方法 181
6.1 高光譜影像彩色可視化評價標準 181
6.1.1 無監督數據的彩色可視化客觀評價標準 181
6.1.2 有監督數據的彩色可視化客觀評價標準 182
6.1.3 其他評價標準 183
6.2 面向像元分析結果的彩色可視化方法 183
6.2.1 面向硬分類結果的彩色可視化方法 184
6.2.2 面向軟分類結果的彩色可視化方法 186
6.3 面向原始高光譜影像的彩色可視化方法 191
6.3.1 面向類別的有監督流形彩色可視化方法 191
6.3.2 快速動態彩色可視化方法 194
6.3.3 交互式多圖像彩色可視化方法 195
6.4 高光譜影像的多級彩色可視化方法 197
6.5 本章小結 198
參考文獻 199
附錄A 著者主要相關文章 201