基于高光谱的物质反演与分类 — 技术文章（原理详解 + 深度代码实现）

基于高光谱的物质反演与分类 — 技术文章（原理详解 + 深度代码实现）

目标：给出深入的数学/算法推导（物质反演/光谱解混为主）与可直接运行、工程化程度高的代码实现（反演 + 分类 两条实用流水线）。代码关注实现细节、优化技巧、评估指标与常见问题解决方案，便于读者实践复现。

---

原文摘要（简介）

高光谱遥感 / 近场光谱采集产生逐像素上百波段的光谱曲线，是物质识别与定量反演（abundance / composition estimation）和语义分类（landcover / material class）的一把利器。本文第一部分对常用模型（线性混合模型、非线性辐射传输、稀疏反演、降维与特征选择、分类器/神经网络）进行数学推导与理论分析；第二部分给出两套完整实现：A. 基于 LMM 的约束最小二乘 / 稀疏反演流水线（含端到端评估）；B. 基于深度学习的高光谱分类（1D-CNN、3D-CNN、训练/推理/评估）。

---

1 原理详解（核心数学与算法）

1.1 数据与符号约定

---

1.2 线性混合模型（Linear Mixing Model, LMM）