Dieses Buch stellt die hyperspektrale Fernerkundung als eine transformative Bildgebungstechnologie vor, die komplexe Details über mehrere Spektralbänder erfasst. Das aus einer Doktorarbeit hervorgegangene Buch schlägt eine Brücke zwischen akademischer Erforschung und praktischen Anwendungen in der Klassifizierung hyperspektraler Bilder. Es leistet Pionierarbeit bei neuartigen Methoden, die Deep Learning und maschinelles Lernen nutzen, wobei das Deep Adversarial Learning Framework für verbesserte Genauigkeit sorgt. Der Text untersucht bahnbrechende Ansätze, die die Hauptkomponentenanalyse, die empirische Moduszerlegung und Support Vector Machines einsetzen. Es wird auch eine halbüberwachte Klassifizierungsmethode vorgestellt, die von Cycle-GANs inspiriert ist. Ziel des Buches ist es, ein umfassendes Verständnis der hyperspektralen Bildgebung, ihrer Methoden und praktischen Implikationen zu vermitteln und als wertvolle Ressource für Studenten, Forscher und Praktiker auf diesem Gebiet zu dienen.