高光谱图像混合像元分解

《地球观测与导航技术丛书》出版说明
前言
第1章　绪论
1.1遥感与高光谱遥感
1.2高光谱遥感图像数据
1.3混合像元现象
1.4混合像元分解问题
第2章　混合像元模型
2.1线性光谱混合模型
2.2非线性光谱混合模型
2.2.1Hapke混合光谱模型
2.2.2Kubelk-Munk混合光谱理论
2.2.3双线性模型
2.3混合像元分解流程
2.4数据降维方法
2.4.1主成分分析
2.4.2最大噪声分数
2.4.3仿射集拟合
2.5精度评价指标
2.5.1光谱角距离
2.5.2光谱信息散度
2.5.3均方根误差
第3章　端元数量确认算法
3.1主成分分析
3.2最大噪声分数
3.3虚拟维数
3.4最小误差信号子空间识别
3.5特征值似然最大化
3.6基于几何学的端元数目估计算法
第4章　端元提取算法
4.1端元提取算法分类
4.2纯像元假设下的端元提取算法
4.2.1纯像元指数
4.2.2内部最大体积
4.2.3逐次投影算法
4.2.4顶点成分分析
4.2.5单形体投影方法
4.2.6迭代误差分析
4.2.7单形体增长
4.2.8顺序最大角凸锥
4.2.9交替体积最大化
4.2.10连续体积最大化
4.2.11p范数纯像元识别
4.3最小体积模型下的端元提取算法
4.3.1外包单形体收缩
4.3.2最小体积单形体分析
4.3.3基于分裂增广拉格朗日的单纯形识别
4.3.4最小体积外包单形体
4.3.5鲁棒最小体积封闭单形体算法
4.3.6最小体积约束的非负矩阵分解
4.3.7迭代限制端元法
4.3.8凸锥分析方法
4.4融合空间信息的端元提取方法
4.4.1自动形态学端元提取
4.4.2空间光谱信息端元提取
4.4.3空间预处理
4.4.4区域空间预处理
4.4.5空间光谱预处理
4.5统计模型下的端元提取算法
4.5.1独立成分分析
4.5.2依赖成分分析
4.5.3贝叶斯分析
4.6智能端元提取算法
4.6.1蚁群优化端元提取
4.6.2离散粒子群优化端元提取
4.7其他端元提取算法
4.7.1凸集分离端元提取
4.7.2支持向量机端元提取
第5章　丰度反演算法
5.1最小二乘法
5.1.1无约束最小二乘法
5.1.2“和为1”约束最小二乘法
5.1.3非负约束最小二乘法
5.1.4全约束最小二乘法
5.2稀疏回归光谱解混
5.2.1基于稀疏策略的迭代约束端元提取算法
5.2.2分离和增广拉格朗日光谱解混
5.2.3全变分-分离和增广拉格朗日光谱解混
5.2.4L1/2稀疏约束非负矩阵分解算法
5.3正态组分模型反演算法
5.3.1马尔可夫链蒙特卡罗算法
5.3.2粒子群优化的期望最大化算法
5.3.3正态端元光谱解混算法
5.3.4可逆转跳变马尔可夫链蒙特卡罗
第6章　混合像元分解实验
6.1模拟数据实验
6.1.1数据介绍
6.1.2实验流程
6.1.3实验结果与分析
6.2实际数据实验
6.2.1数据介绍
6.2.2实验流程
6.2.3实验结果与分析
参考文献
索引