张连蓬和李行等编著的《高光谱遥感影像特征提取与分类》针对高光谱遥感影像数据的高维特性，从高维数据降维、特征波段选择、混合像元光谱分解等角度展开研究，分别利用投影寻踪、主成分分析、独立分量分析、非线性主曲线等方法建立了一系列旨在提高高光谱遥感影像分类精度的特征提取与分类的算法，主要包括主成分方向和投影寻踪方向相结合的特征组合方案、基于选元投影寻踪的最优波段选择、非线性混合光谱模型、基于独立分量空间的混合像元光谱分解、基于非线性主曲线的降维和分类等内容。

本书可供从事高光谱遥感应用和研究领域及相关专业的高校教师、研究生、科研工作者学习参考。

张连蓬和李行等编著的《高光谱遥感影像特征提取与分类》是以作者所在的江苏师范大学测绘学院研究团队的多年成果为基础，综合参考了大量国内外相关文献而完成的。《高光谱遥感影像特征提取与分类》共分为6章。第1章为绪论，主要介绍了目前高光谱遥感数据分析研究中的关键问题，并对本书的研究区域进行了介绍。第2章为高光谱遥感数据分析，主要基于高维数据的降维方法，介绍了高光谱遥感数据分析的各种方法，并阐述了高光谱遥感数据分析的主要特点及问题。第3章为基于投影寻踪的高光谱遥感影像特征提取与分类，在详细介绍投影寻踪方法原理的基础上，建立了面向易混分类别的投影寻踪指标及特征提取与分类方案，进而提出了单方向投影寻踪、多方向序贯正交投影寻踪以及主成分方向与投影寻踪方向相结合等特征提取与分类的算法。第4章为高光谱遥感影像的波段选择，主要讨论了面向易混分地类的波段选择方法，建立了基于选元投影寻踪的波段选择方案及其快速算法。第5章为高光谱遥感影像的混合像元分解，围绕非线性混合光谱模型的建立及其解算方法，深入研究了基于特征空间的高光谱遥感影像混合像元分解。第6章为非线性主曲线及其在高光谱遥感影像分类中的应用，基于非线性主曲线的构造算法，在高光谱遥感数据分析中引入非线性主折线算法，分别建立了基于聚类分析的非迭代主折线分类算法与基于训练样本数据的非线性主折线分类算法。

第1章 绪论

 §1.1 引言

 §1.2 高光谱遥感数据分析研究的关键问题

 §1.3 本书的研究内容

第2章 高光谱遥感数据分析

 §2.1 高维数据降维

 §2.2 高光谱遥感数据分析的主要方法

 §2.3 高光谱遥感数据分析的特点及问题

第3章 基于投影寻踪的高光谱遥感影像特征提取与分类

 §3.1 投影寻踪方法

 §3.2 基于投影寻踪的特征提取与分类方案

 §3.3 面向易混分地类的投影寻踪指标

 §3.4 基于投影寻踪的特征提取与分类算法

 §3.5 主成分方向与投影寻踪方向相结合的特征提取与分类

第4章 高光谱遥感影像的波段选择

 §4.1 波段选择方法

 §4.2 波段选择的快速算法

 §4.3 波段选择方法的评价

 §4.4 面向易混分地类的波段选择方法

 §4.5 基于选元投影寻踪的波段选择方法

第5章 高光谱遥感影像的混合像元分解

 §5.1 概述

 §5.2 线性混合光谱模型及其解算

 §5.3 非线性混合光谱模型及其解算

 §5.4 基于特征空间的混合像元分解

第6章 非线性主曲线及其在高光谱遥感影像分类中的应用

 §6.1 主成分分析的非线性扩展

 §6.2 简化的非线性主曲线算法及其应用

参考文献