吳柯，張玉香，胡祥雲著的《智能化的遙感影像
亞像元定位技術》將主要選取人工神經網絡來作為遙
感影像混合像元分解以及亞像元定位技術處理與分析
的手段，彌補傳統方法在處理此類問題上存在的不足
；同時，在神經網絡模型的基礎上進行適當擴展，以
改善模型的結果精度及實施程度，提高遙感影像的利
用能力。本書是作者近年來對遙感影像混合分解及亞
像元定位技術方面研究成果的一個階段性總結，同時
也是作者對該處理技術的一個初步詮釋。

第一章 緒論
1.1 目的與意義
1.2 研究現狀概述
1.2.1 智能化的遙感影像處理手段
1.2.2 混合像元分解
1.2.3 亞像元定位
1.3 面臨的問題及挑戰
第二章 神經網絡基本原理
2.1 神經繫統原理
2.1.1 生物神經元
2.1.2 計算特性
2.2 人工神經網絡結構
2.2.1 基本模型結構
2.2.2 拓撲結構
2.3 遙感信息處理中的應用方法
2.3.1 神經網絡學習方式
2.3.2 神經網絡學習規則
2.4 三種典型的神經網絡模型
2.4.1 BP神經網絡模型
2.4.2 Fuzzy ARTMAP神經網絡模型
2.4.3 Hopfield神經網絡模型
第三章 混合像元分解模型
3.1 硬分類和混合像元
3.2 線性混合光譜模型
3.2.1 數學模型分析
3.2.2 線性模型的適用性
3.3 非線性混合光譜模型
3.4 BP神經網絡的混合分解模型
3.4.1 BP神經網絡分類實驗
3.4.2 BP神經網絡混合分解實驗
3.5 Fuzzy ARTMAP神經網絡的混合分解模型
3.5.1 數據源
3.5.2 步驟及結果分析
3.5.3 參數設置
第四章 端元選擇的影響
4.1 混合像元分解的誤差分析
4.2 端元變化對混合像元分解的影響
4.3 端元光譜選擇的方法
4.4 基於交叉光譜匹配的端元選擇法
4.5 基於端元選擇的混合像元分解實驗
4.5.1 端元可變的線性混合分解實驗
4.5.2 端元可變的神經網絡混合分解實驗
第五章 亞像元定位模型
5.1 亞像元定位的理論基礎
5.2 基於監督型神經網絡的亞像元定位模型
5.2.1 模擬數據實驗
5.2.2 真實數據實驗
5.2.3 算法分析
5.3 基於非監督型神經網絡的亞像元定位方法
5.3.1 字體實驗及結果分析