前 言高光譜遙感技術(shù)經(jīng)過(guò)三十多年的發(fā)展，在信息獲取方面表現(xiàn)出了巨大的優(yōu)勢(shì)和潛力。高光譜影像分類(lèi)是高光譜遙感影像分析和應(yīng)用的關(guān)鍵技術(shù)之一，但在實(shí)際應(yīng)用中仍面臨著諸多問(wèn)題，如維數(shù)災(zāi)難、非線性數(shù)據(jù)結(jié)構(gòu)、不適定問(wèn)題、空間同質(zhì)性和異質(zhì)性等，制約了高光譜遙感影像分類(lèi)的進(jìn)一步發(fā)展。近年來(lái)，為充分利用高光譜遙感影像中包含的豐富信息，越來(lái)越多的機(jī)器學(xué)習(xí)和人工智能算法在高光譜影像分類(lèi)技術(shù)的研究中得到應(yīng)用，特別是以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)算法，在高光譜影像分類(lèi)中表現(xiàn)出了優(yōu)異的性能。本書(shū)圍繞卷積神經(jīng)網(wǎng)絡(luò)在高光譜影像分類(lèi)中的應(yīng)用展開(kāi)討論和分析。全書(shū)內(nèi)容共分為7章。第1章結(jié)合高光譜遙感技術(shù)的發(fā)展論述了高光譜影像分類(lèi)的內(nèi)涵，總結(jié)了高光譜影像分類(lèi)的主要技術(shù)方法，并由此引出了高光譜影像分類(lèi)技術(shù)所涉及的主要問(wèn)題。第2章介紹了卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論，對(duì)卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀進(jìn)行了總結(jié)，研究分析了卷積神經(jīng)網(wǎng)絡(luò)在高光譜影像分類(lèi)中的應(yīng)用情況。第3章針對(duì)傳統(tǒng)高光譜影像分類(lèi)算法中空間信息利用不足的問(wèn)題，通過(guò)引入局部二值模式、三維Gabor等紋理特征和雙通道卷積神經(jīng)網(wǎng)絡(luò)模型，介紹了一種結(jié)合紋理特征的雙通道卷積神經(jīng)網(wǎng)絡(luò)高光譜影像分類(lèi)方法。第4章重點(diǎn)討論了在卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上發(fā)展的殘差網(wǎng)絡(luò)，針對(duì)深層殘差網(wǎng)絡(luò)存在特征重用減少的問(wèn)題，設(shè)計(jì)了適用于高光譜影像分類(lèi)的寬殘差網(wǎng)絡(luò)。第5章分析了殘差網(wǎng)絡(luò)的模型內(nèi)部結(jié)構(gòu)，構(gòu)建了殘差密集網(wǎng)絡(luò)模型，充分利用了網(wǎng)絡(luò)模型中不同單元提取的分層特征。第6章引入了注意力機(jī)制，設(shè)計(jì)了適用于高光譜影像分類(lèi)的殘差注意力網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)模型中不同殘差單元輸出的特征賦以不同的權(quán)重，提取出更為有效的特征集，增強(qiáng)了提取特征的可分性。第7章對(duì)本書(shū)所介紹的內(nèi)容進(jìn)行了總結(jié)，對(duì)卷積神經(jīng)網(wǎng)絡(luò)在高光譜影像分類(lèi)中的應(yīng)用前景進(jìn)行了展望。伴隨著獲取手段和處理技術(shù)的不斷豐富，高光譜遙感技術(shù)在現(xiàn)代科技發(fā)展進(jìn)程中發(fā)揮著巨大的作用。同時(shí)，高光譜影像分類(lèi)的理論和技術(shù)也在不斷地充實(shí)、發(fā)展和完善之中，本書(shū)僅結(jié)合當(dāng)前的典型技術(shù)方法進(jìn)行提煉和總結(jié)。限于作者的學(xué)術(shù)水平，部分研究有待深化，書(shū)中一定存在錯(cuò)誤及疏漏之處，歡迎讀者們批評(píng)指正。