本书主要介绍遥感高光谱图像压缩与融合技术的基本概念、原理和常用算法及创新算法，并进行了实验验证、比较分析及评价，探讨了高光谱图像应用于矿产资源评价模型的研究。 本书内容包括4篇。第1篇（第1～4章）为遥感高光谱图像基础知识，论述了遥感的概念、高光谱图像的基本特征、书中所做实验的数据以及实验平台、高光谱图像压缩基本原理和融合基本技术。第2篇（第5～10章）论述了遥感高光谱图像压缩技术，如基于降维的压缩算法、基于预测的无损压缩算法、基于变换的压缩算法、基于矢量量化的压缩算法以及基于分布式编码的无损压缩算法，同时还对高光谱图像的压缩性能进行了评价。第3篇（第11～17章）论述了遥感高光谱图像融合技术，包括数据预处理、图像配准与尺度转换、融合的基本算法、基于粒子群优化Contourlet变换的融合算法、基于MAP/SMM模型的融合算法及其评价、基于深度学习的高光谱图像融合。第4篇（第18、19章）论述了高光谱图像矿产资源评价问题，并提出了评价模型。 本书可作为信息处理、计算机编码、遥感图像处理、遥感图像解释、矿产评价、卫星遥感等学科的研究生专业课教材，也可供上述学科及计算机编码及应用技术、遥感、资源探测及军事侦察等领域的科技工作者和高等院校的师生参考。

第1篇 遥感高光谱图像基础知识
第l章 遥感概述
1.1 遥感的概念与特点
1.2 遥感的分类
1.3 遥感过程及技术系统
1.3.1 遥感实验
1.3.2 遥感信息获取
1.3.3 遥感信息处理
1.3.4 遥感信息的应用
第2章 高光谱图像概述
2.1 高光谱图像
2.2 高光谱图像特性
2.2.1 空间相关性
2.2.2 谱间相关性
2.3 实验数据及平台概述
2.3.1 实验数据
2.3.2 实验平台
第3章 高光谱图像压缩基本原理
3.1 高光谱图像冗余
3.1.1 编码冗余
3.1.2 像素域冗余
3.1.3 视觉冗余
3.2 信息论基本概念
3.3 信源编码理论
3.3.1 无失真编码定理
3.3.2 限失真编码定理
第4章 高光谱图像融合基本技术
4.1 高光谱图像预处理技术
4.2 高光谱图像融合及其研究现状
4.2.1 高光谱图像融合基本概念
4.2.2 高光谱图像融合及研究现状
4.3 遥感图像融合层次分类
4.4 高光谱图像与高空间分辨率图像融合过程分析
第2篇 遥感高光谱图像压缩技术
第5章 基于降维的压缩算法
5.1 高光谱遥感图像数据降维的可行性分析
5.1.1 高光谱遥感图像数据的信息熵
5.1.2 高光谱图像的空间相关性
5.1.3 高光谱图像的谱间相关性
5.1.4 高光谱图像的数据维
5.2 局部保持投影降维算法和无监督判别投影降维算法
5.2.1 局部保持投影降维算法
5.2.2 无监督判别投影降维算法
5.3 L层邻域无监督判别投影降维算法
5.3.1 高光谱遥感图像数据表示
5.3.2 L层邻域无监督判别投影降维算法
5.3.3 权重≯：，核函数改进
5.3.4 L层邻域无监督判别投影降维算法的实现过程
5.4 高光谱遥感图像分组
5.4.1 ECA波段选择算法
5.4.2 ECA波段选择算法的改进
5.4.3 改进ECA波段选择算法的实现步骤
5.4.4 改进ECA波段选择算法的计算流程图
5.4.5 分组L层邻域无监督判别投影降维压缩算法流程图
5.5 分组L层邻域无监督判别投影降维压缩算法的实验结果与分析
5.5.1 L层邻域无监督判别投影降维压缩算法的实验数据分析
5.5.2 改进ECA波段选择算法的实验数据分析
5.5.3 分组L层邻域无监督判别投影降维压缩算法的实验分析
5.5.4 实验结论
第6章 基于预测的无损压缩算法
6.1 基于双向递归预测的高光谱图像无损压缩算法
6.1.1 双向预测理论
6.1.2 双向递归预测理论
6.1.3 改进的双向递归预测理论
6.2 基于预测的高光谱图像并行压缩算法
6.2.1 计算机并行计算原理
6.2.2 高光谱图像并行压缩算法
6.3 高光谱图像预测算法的实验结果
6.3.1 双向递归预测算法的实验结果
6.3.2 基于预测的双核并行的实验结果
6.3.3 基于预测的四核并行的实验结果
6.3.4 基于预测的八核并行的实验结果
6.3.5 图像数据压缩前后的图像对比
6.4 基于采样预测的高光谱图像压缩算法
6.4.1 高光谱遥感图像数据的特性分析
6.4.2 基于采样预测的高光谱图像压缩算法
6.4.3 实验对比与分析
6.4.4 实验结论
第7章 基于变换的压缩算法
……
第3篇 遥感高光谱图像融合技术
第4篇 高光谱图像矿产资源评价应用研究
结语
参考文献