本书核心内容集中在高光谱图像的空间分辨率提升和目标分类应用，具体涵盖高光谱图像的像元解混、超分辨重建和高精度地物分类三部分内容。本书内容本身是多学科交叉融合的产物，理论涉及高光谱遥感图像处理、模式识别理论，多核机器学习，深度学习等，是当前高光谱地物分类领域理论研究和应用拓展的焦点。主要技术及应用包括：基于多核投影NMF的高光谱图像像元解混、基于多核图正则化稀疏约束NMF的高光谱图像像元解混、基于空-谱约束的耦合自编码器高光谱图像超分辨重建、基于超像素编码-解码网络高光谱图像超分辨重建、基于多核机器学习的高光谱图像高精度地物分类、基于卷积神经网络的谱空联合高精度地物分类、基于多尺度空间约束的高光谱图像高精度地物分类等。在高光谱图像像元解混、超分辨重建和高精度地物分类领域具有较好的理论研究和实际应用价值。