本书是以高光谱图像的数据分析、波段选择和分类为线索编写的。全书内容分为7章：第1章介绍了高光谱图像降维和分类的国内外研究现状，以及高光谱图像数据特点和评价指标；第2章至第4章分别介绍了多目标优化的稀疏自表示、深度子空间聚类、端到端等用于波段选择的智能优化方法；第5章至第6章分别阐述了深度森林、多目标优化的超限学习机等用于分类的智能优化方法；第7章对本书所介绍的内容进行了总结，并就智能优化方法用于高光谱图像处理进行了展望。

第1章 绪论
1.1 高光谱图像降维研究现状
1.2 高光谱图像分类研究现状
1.3 高光谱数据介绍
参考文献
第2章 基于多目标优化和稀疏表示的高光谱图像波段选择方法
2.1 多目标优化理论
2.2 稀疏理论
2.3 基于多目标优化的稀疏自表示波段选择方法
2.4 实验结果分析
2.5 本章小结
参考文献
第3章 基于深度子空间聚类网络的高光谱图像波段选择方法
3.1 子空间聚类
3.2 基于深度子空间聚类网络的高光谱图像波段选择方法
3.3 实验结果分析
3.4 本章小结
参考文献
第4章 基于端到端的高光谱图像波段选择框架
4.1 基于端到端的高光谱图像波段选择结构
4.2 实验结果分析
4.3 本章小结
参考文献
第5章 深度森林的改进及其在高光谱图像分类中的应用
5.1 深度森林
5.2 改进的深度森林用于基于空间信息的HS1分类算法
5.3 实验结果分析
5.4 本章小结
参考文献
第6章 基于多目标优化的超限学习机在高光谱图像分类中的应用
6.1 超限学习机
6.2 基于多目标优化的超限学习机
6.3 实验结果分析
6.4 本章小结
参考文献
第7章 总结