本书总结了作者近年来基于人工智能深度学习模型的高光谱遥感影像智能分类方向的最新研究成果，从深度学习领域最具代表性的卷积神经网络、图卷积网络出发，对高光谱影像分类的理论发展和最新动态以及该领域存在的若干关键问题、研究难点及新方法等进行了论述。 本书可供从事高光谱遥感应用和研究领域及相关专业的高校教师、研究生、科研工作者学习参考。

第1章 高光谱影像分类概述
1.1 本章概述
1.2 高光谱影像及其应用
1.3 高光谱影像分类
1.4 高光谱影像特征表达
1.5 深度学习
1.6 几何深度学习
第2章 高光谱影像智能分类技术
2.1 本章概述
2.2 高光谱影像分类原理
2.3 深度学习分类模型
2.4 实验数据与精度评价
第3章 深度神经网络模型
3.1 本章概述
3.2 卷积神经网络原理
3.3 神经网络架构体系
3.4 深度模型进展
3.5 图神经网络
第4章 卷积与胶囊组合网络分类模型
4.1 本章概述
4.2 胶囊神经网络原理
4.3 卷积与胶囊组合网络原理
4.4 实验与性能分析
第5章 结构化残差网络分类模型
5.1 本章概述
5.2 深度残差网络原理
5.3 结构化残差网络原理
5.4 实验结果与分析
第6章 快速神经架构搜索分类模型
6.1 本章概述
6.2 神经架构设计与搜索
6.3 搜索单元及孩子网络
6.4 实验分析与讨论
第7章 结合局部谱域滤波与图卷积网络分类方法
7.1 本章概述
7.2 图结构及图卷积
7.3 局部谱域滤波
7.4 实验与分析
第8章 集成t-SNE流形学习与图注意力分类方法
8.1 本章概述
8.1 注意力方法
8.2 t-SNE流形学习与降维
8.3 图注意力原理
8.4 实验与讨论
参考文献