前言

高光谱遥感技术是20世纪80年代初出现的新型对地观测技术，是现代遥感技术发展中影响深远的技术，现已成为地物识别、地球环境监测、遥感定量反演等遥感应用的前沿技术之一。高光谱遥感技术将成像技术和光谱技术有机地结合在一起，使得高光谱图像具有图谱合一的特点，能够提供区分不同地物的诊断性光谱信息，因此，在众多遥感应用领域具有独特的优势。高光谱遥感技术的应用具有广泛的背景与良好的前景，并与合成孔径雷达、激光探测与测距一起被视为今后最具发展前景的三种遥感信息获取技术。

发挥高光谱遥感技术应用效益和探测潜力的关键是对高光谱数据进行充分有效的处理和分析。高光谱遥感系统主要涉及平台、载荷和处理系统，高光谱传感器、航空航天平台的研发需要投入大量的人力和物力，其核心价值是高光谱数据的获取。在获取高光谱数据以后，数据处理和分析对高光谱信息提取和应用的效能起到决定作用，也是制约高光谱遥感应用的重要瓶颈。在高光谱发展近40年的历史中，高光谱影像处理与分析技术一直是高光谱遥感技术领域的重要技术方向。高光谱图像数据维数高、数据量大及冗余度高的特点使得传统的遥感图像处理方法并不适用于高光谱图像数据处理。在实际应用中，高光谱数据信息提取面临三个问题：维数灾难、计算复杂度高、波段相关性大。因此，如何充分利用高光谱数据提供的丰富的信息，同时解决特征空间中维数过高的问题，是进行高光谱数据处理分析研究的关键。目前，特征提取和波段选择是两类典型的处理手段，把高光谱数据从高维空间投影到低维空间，同时能够保留丰富的数据信息。

与特征提取相比，波段选择在实现高光谱降维上有保持特征的物理意义、减轻高光谱数据传输及储存负荷、为多光谱传感器波段设置提供参考、支撑物性的理解等多个方面的优势。因此，波段选择技术正在获得越来越多的关注，已经成为解决高光谱图像处理维数问题的一个有效途径。本书针对传统高光谱图像波段选择技术中存在的鲁棒性低、计算速度慢及针对小目标检测能力欠缺等问题进行了深入研究，提出了多种波段选择方法。

全书共6章。第1章主要阐述高光谱遥感的成像原理、成像光谱仪系统及高光谱数据应用场景，并介绍本书的主要内容安排；第2章概述高光谱图像波段选择技术的相关理论和方法，详细介绍典型的波段选择算法、典型的波段子集搜索算法及CEM目标检测算法。为了客观正确地评价算法性能，本章介绍了若干评判准则和本书使用的高光谱图像数据；第3章主要介绍对噪声波段和异常波段高度鲁棒的波段选择算法，包括基于数据质量的波段选择、典型成分分析波段选择及基于图表示的波段选择方法，每种方法的提出动机及原理都给出了详细的介绍；第4章介绍高光谱图像快速选择方法。针对波段选择方法MEV提出了使用序贯前向搜索和序贯后向搜索来降低计算复杂度，在此基础上，本章基于分块矩阵行列式及行列式梯度的思想，对其进一步加速。此外，利用线性预测误差最小和自相关矩阵行列式最大等价的特性，本章还提出了基于自相关矩阵的波段选择方法；第5章介绍面向小目标检测的高光谱图像波段选择技术。首先介绍非监督波段选择方法—基于联合偏度的波段选择方法，以及联合偏度的定义和计算技巧，然后提出两种监督波段选择方法，都是针对小目标检测算法CEM的。同时，本章还对这些方法选出的波段用于CEM目标检测的结果进行对比与分析；第6章总结全文内容，对本书所研究的内容进行归纳，并对后续的研究工作做出展望。全书的组织结构如下图所示。

本书首次完整地阐述了高光谱图像波段选择技术领域的主要研究内容、技术方法和试验分析，介绍了波段选择最新的研究成果，展望了高光谱波段选择技术领域的发展方向。

限于作者的研究深度和学术水平，书中疏漏及错误之处在所难免，恳请读者批评指正。

著者
2020年10月