提出一种基于非抽样Contourlet变换(NSCT)与形状特征的遥感影像道路提取算法.首先对图像进行非抽样Contourlet变换,得到不同尺度、不同方向上的变换系数,对变换系数进行增强处理并通过反变换得到增强图像;然后对增强图像进行分割处理,利用道路形状特征对分割结果进行道路提取;最后利用光谱特征对提取的道路进行判断,并利用形态学方法对道路网进行规整.对比实验结果表明:该算法取得了较好的高分辨率遥感影像道路提取效果.

本科时写的。包括图像格式转换、灰度变换、图像增强、边缘检测、直方图统计、形态学运算。以及遥感影像K均值分类算法，针对bmp彩色图像。VC++6.0编程实现。

Photoshop进行遥感影像的色彩处理

多时相遥感影像配准后，将配准结果使用 Qt 模块化显示（使用 C++ 语言实现），目的是为了更方便的展示配准结果，代码备注非常详细，很适合学习使用！！！

针对多光谱影像与全色影像的融合，本文在分析HIS变换及基于Mallat小波算法的影像融合方法的基础上，提出了一种基于HIS变换与àtmus小波分解相结合的遥感影像融合方法，并给出了实现的过程。通过主观视觉效果分析与客观性能参数分析，新方法的性能优于HIS变换融合法、PCA变换融合法、小波变换融合方法，不仅较大地提高了融合影像的空间细节表现能力，并保留了多光谱影像的绝大部分光谱信息。

遥感影像分类是影像分析的一个重要内容,它是利用计算机通过对影像中不同地物的空间信息和光谱 信息进行分析,选择特征,并将特征空间划分为互不重叠的子空间,然后将影像中各个像元划归到子空间去. 目前国内国际上对影像分类的研究主要集中在应用具体的物理的、数学的方法等对影像进行的分类研究方 面[1 - 8 ] ,对于影像分类方法的研究,从不同的方面可以划分为不同的类型. 按照利用图像要素的不同,影像 分类大体可以分为三种:一是基于图像灰度值的分类,二是基于图像纹理的分类,三是基于多源信息融合的 分类[9 ] . 用计算机对影像进行分类应用的主要是模式识别技术,根据具体应用的数学方法不同又可分为:统 计法(决策分类法) 、语言结构法(句法方法) 、模糊法以及神经网络法. 在影像分类过程中,根据是否已知训练 样本的分类数据,影像分类方法又可以分为监督分类和非监督分类. 本文主要从分类原理、分类过程、分类方 法等方面来探讨这两种分类方法的区别与联系.

多源遥感影像数据融合技术探讨，姚静，康停军，针对当前海量遥感数据与相对较低的数据利用率并存的现状，探讨了数据融合的概念，融合的三个层次：像素级、特征级和决策级融合，

C++搭建框架，利用OpenGL、GDAL、Qt进行分块显示遥感影像 ，默认分块的大小为640X640，目前仅仅支持小数据显示，后续将继续更新，支持大数据分块显示。

envi做PCA分析遇到NAN异常值处理，保留原始影像的投影信息等原始信息

IDL+ENVI计算地球化学元素异常或者遥感影像的多重分形分维曲线。