第一章 緒論
第一節 高光譜遙感的概念
第二節 高光譜遙感的發展現狀
第三節 典型地物的光譜特征
一、植被
二、土壤
三、巖石
四、水體和雪
五、城市目標
第四節 地面光譜測量方法
一、實驗室測量
二、野外測量

第二章 數據采集與數據處理
第一節 野外光譜數據的測定
一、野外光譜測量的影響因素
二、地物光譜測試時的規范和測量要求
第二節 生物化學參數的測定
第三節 基于光譜位置變量的分析
第四節 地物光譜數據預處理
一、高光譜數據平滑去噪
二、高光譜數據變換
第五節 高光譜數據分類技術
一、支持向量機原理
二、BP神經網絡簡介
三、光譜角度制圖法原理
四、馬氏距離分類法原理
五、樸素貝葉斯分類法原理
六、Fisher判別法原理

第三章 喬木樹種主要生化參數估算模型研究
第一節 杉木色素含量的估算模型研究
一、研究區概況
二、數據收集及處理
三、模型及精度評價
四、結果與分析
第二節 馬尾松色素含量估算模型研究
一、研究區概況
二、數據收集及處理
三、模型及精度評價
四、結果與分析
第三節 樟樹幼林色素含量的估算模型研究
一、研究區概況
二、數據收集及處理
三、模型及精度評價
四、結果與分析

第四章 喬木樹種高光譜數據降維分類對比分析
第一節 喬木樹種光譜數據采集
第二節 高光譜數據的主成分降維
一、主成分降維原理
二、光譜數據降維分類測試
第三節 高光譜數據的獨立主成分降維
一、獨立主成分降維原理
二、獨立主成分降維分類結果對比

第五章 基于群體算法結合支持向量機的高光譜數據降維分類研究
第一節 遺傳算法結合支持向量機的降維算法
一、降維算法原理
二、降維分類結果分析
第二節 粒子群算法結合SVM的高光譜數據降維算法
一、粒子群算法原理
二、粒子群算法結合支持向量機降維原理
三、降維數據分類結果與分析

第六章 成像高光譜影像特征分析與LAl反演
第一節 數據獲取與研究區概況
一、研究區概況
二、成像光譜數據獲取
三、地面數據測量
第二節 影像數據處理與植被指數提取
一、Hyperion數據讀取與有效波段選擇
二、壞線修復與條紋去除
三、大氣校正與幾何校正
四、校正結果與同步觀測數據比較分析
五、植被指數提取
第三節 基于植被指數的LAI反演模型
一、基于單因子的LAI反演模型
二、LAI的逐步回歸模型
三、基于偏最小二乘回歸的LAI反演模型
四、研究區LAI反演制圖
參考文獻