高光谱遥感影像分类与支持向量机应用研究

本书基于国家自然科学基金项目“基于支持向量机的高光谱遥感影像分类若干问题的研究（编号40401038）”的研究成果撰写。高光谱遥感是当前遥感科学与技术发展的热点之一。分类是高光谱遥感影像分析处理最为重要的目标和任务之一。本书在介绍高光谱遥感影像分类基础知识、常用方法的基础上，重点对基于支持向量机的高光谱遥感影像分类方法进行了论述。第一章简要介绍了高光谱遥感数据的特点、常用数据源、高光谱遥感影像分类的基本原理与分类策略等。第二章介绍了高光谱遥感影像分类常用的分类器，主要包括光谱角制图分类器（SAM）、人工神经网络分类器（包括BPNN、RBFNN、ARBMAP等）、人工免疫系统分类器、贝叶斯网络分类器等。第三章详细分析了高光谱遥感影像分类中的降维处理与特征提取问题，重点分析了主成分分析、独立分量分析、最小噪声分离等降维方法、常用特征选择方法、光谱特征和纹理特征提取方法等。第四章介绍了支持向量机基本理论及其用于高光谱遥感影像分类的实现方法。第五章重点研究了支持向量机核函数对分类性能的影响，设计和实现了混合核和基于光谱的核。第六章针对多类问题的需求，探讨了多类支持向量机的设计和实现。第七章研究