●第一章緒論
第一節研究背景及意義
第二節國內外研究進展
一、面向農作物分類的高光譜遙感數據源研究進展
二、高光譜圖像融合方法研究進展
三、高光譜數據降維方法研究進展
四、農作物高光譜遙感分類算法研究進展
五、當前研究不足
第三節研究思路及研究內容
一、研究思路
二、研究內容
第四節技術路線及研究框架
一、技術路線
二、研究框架
第二章研究區及數據
第一節研究區概況
第二節數據收集與處理
一、高光譜衛星遙感影像
二、多光譜衛星遙感影像
三、樣本地面調查數據
四、光譜野外觀測數據及預處理
第三章高光譜圖像融合方法研究
第一節緒論
一、基於全色銳化圖像融合
二、基於成像模型圖像融合
三、基於深度網絡圖像融合
四、融合圖像指標
第二節融合影像的收集與預處理
第三節影像融合方法
一、GS（Gram-Schmidt）法
二、IHS（IntensityHueSaturation）變換法
三、Brovey變換法
四、PCA（PrincipalComponentsAnalysis）變換法
五、諧波分析法
六、改進PCA變換法
第四節融合圖像的質量評價
第五節不同融合方法下的高光譜圖像質量比較
一、基於視覺分析的高光譜圖像融合質量對比
二、基於不同評價指標的高光譜圖像融合質量比較
第六節本章小結
第四章面向農作物分類的高光譜圖像降維方法研究
第一節緒論
一、波段選擇
二、特征提取
第二節面向農作物分類的高光譜圖像波段選擇方法
一、波段初選
二、面向農作物的高光譜影像波段優選方法
第三節面向農作物分類的高光譜影像特征挖掘方法
一、高光譜影像特征提取
二、高光譜影像特征優選方法
第四節結果與分析
一、典型地物的反射光譜特征分析
二、不同算法下的高光譜影像波段選擇結果比較
三、不同算法下的高光譜影像特征優選結果比較
第五節本章小結
第五章面向高光譜遙感的農作物分類算法優選研究
第一節面向高光譜遙感的農作物分類算法設計
一、支持向量機（SVM）法
二、隨機森林（RF）法
三、優選似然（MLC）法
第二節農作物分類精度評價
第三節不同算法下的農作物高光譜遙感分類精度比較
第四節本章小結
第六章不同遙感數據源的農作物分類精度評價
第一節高光譜遙感的農作物分類
一、樣本數據
二、分類特征
三、分類算法
第二節多光譜遙感的農作物分類
一、樣本數據
二、分類特征提取
三、分類算法
第三節農作物分類精度評價
第四節不同遙感數據源的農作物分類精度比較
第五節本章小結
第七章結論與展望
第一節結論
第二節展望
參考文獻
附件主要符號對照表

本書依據作者承擔的中國農業科學院農業遙感創新團隊基金項目的研究成果撰寫而成。以往利用星載多光譜遙感影像在我國種植結構復雜、地塊分散破碎地區開展農作物分類時精度普遍偏低，而衛星高光譜遙感影像因具有光譜分辨率高、光譜信息豐富等優點，在復植區的農作物精細分類領域具有較高的使用價值和應用潛力。然而，由於衛星高光譜遙感影像空間分辨率較低、特征空間維數高、波段間相關性強、運算時間長等不足，嚴重阻礙了衛星高光譜遙感技術在上述區域的進一步推廣應用，影響了我國分布廣泛的復植結構區農作物遙感監測的準確性和時效性。鋻於此，選取河北省廊坊市廣陽區為典型研究區，采用國產GF-5衛星AHSI高光譜影像進行玉米、花生、紅藷等10餘種農作物的精細分類研究，聯合GF-1衛星PMS全色影像，比較了各種融合方法的影像質量，優選出適合衛星高光譜遙感的影像融合方法；定量評價了多種波段選擇與特征提取方法，提出適合衛星高光譜遙感農作物等