Questo libro introduce il telerilevamento iperspettrale come tecnologia di imaging trasformativa, in grado di catturare dettagli intricati su più bande spettrali. Nato da una tesi di dottorato, il libro è un ponte tra l'esplorazione accademica e le applicazioni pratiche nella classificazione delle immagini iperspettrali. È pioniere di metodologie innovative che utilizzano l'apprendimento profondo e l'apprendimento automatico, con il Deep Adversarial Learning Framework per una maggiore precisione. Il testo esplora approcci innovativi che impiegano l'analisi delle componenti principali, la decomposizione di modalità empirica e le macchine a vettori di supporto. Viene inoltre presentato un metodo di classificazione semi-supervisionato ispirato alle Cycle-GAN. Il libro si propone di offrire una comprensione completa dell'imaging iperspettrale, delle sue metodologie e delle sue implicazioni pratiche, fungendo da preziosa risorsa per studenti, ricercatori e operatori del settore.