本书首先介绍高光谱遥感影像常用的分类器，详细探讨高光谱遥感影像分类中的降维处理与特征提取方法，包括主成分分析、独立成分分析、最大噪声分离等降维方法以及常用特征选择算法、光谱和纹理特征提取方法等；通过介绍支持向量机的基本原理及其用于高光谱遥感影像分类的策略，重点研究支持向量机核函数设计方法，构建一种再生核Hilben空间的小波核函数用于高光谱遥感影像分类；针对多类问题的特点，在比较分析各种多类支持向量机实现方案的基础上，提出一种基于JM距离的二叉树多类支持向量机；最后探讨支持向量机分类器中多种特征的综合应用，重点研究基于多核支持向量机组合光谱和空间纹理特征的支持向量机分类方法。