本书围绕卷积神经网络在高光谱影像分类中的应用展开讨论和分析。全书内容分为7章。第1章结合高光谱遥感技术的发展论述了高光谱影像分类的内涵，总结了高光谱影像分类的主要技术方法，并由此引出了高光谱影像分类技术所涉及的主要问题。第2章介绍了卷积神经网络的基础理论，对卷积神经网络的研究现状进行了总结，研究分析了卷积神经网络在高光谱影像分类中的应用情况。第3章针对传统高光谱影像分类算法中空间信息利用不足的问题，引入局部二值模式、三维Gabor等纹理特征和双通道卷积神经网络模型，介绍了一种结合纹理特征的双通道卷积神经网络高光谱影像分类方法。第4章重点讨论了在卷积神经网络基础上发展的残差网络，针对深层残差网络存在特征重用减少的问题，设计了适用于高光谱影像分类的宽残差网络。第5章分析了残差网络的模型内部结构，构建了残差密集网络模型，充分利用了网络模型中不同单元提取的分层特征。第6章引入了注意力机制，设计了适用于高光谱影像分类的残差通道注意力网络，对网络模型中不同残差单元输出的特征赋以不同的权重，提取出更为有效的特征集，增强了提取特征的可分性。第7章对本书所介绍的内容进行了总结，对卷积神经网络在高光谱影像分类中的应用前景进行了展望。

第l章 绪论
1.1 高光谱影像分类：原理、方法和问题
1.2 高光谱影像分类技术研究现状
1.3 高光谱影像数据
l.4 研究内容及章节安排
第2章 卷积神经网络
2.1 卷积神经网络基础理论
2.2 卷积神经网络研究现状
2.3 卷积神经网络在高光谱影像分类中的应用
第3章 结合纹理特征的双通道卷积神经网络分类方法
3.1 双通道卷积神经网络
3.2 高光谱影像纹理特征提取
3.3 结合纹理特征的双通道卷积神经网络高光谱影像分类
3.4 实验与分析
3.5 小结
第4章 利用宽残差网络的高光谱影像分类
4.1 残差网络
4.2 宽残差网络
4.3 宽残差网络的高光谱影像分类
4.4 实验与分析
4.5 小结
第5章 利用残差密集网络的高光谱影像分类
5.1 残差密集网络
5.2 残差密集网络的高光谱影像分类
5.3 实验与分析
5.4 小结
第6章 利用残差通道注意力网络的高光谱影像分类
6.1 注意力机制
6.2 残差通道注意力网络
6.3 残差通道注意力网络的高光谱影像分类
6.4 实验与分析
6.5 小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
附录一 术语中英文对照表
附录二 彩图