基于BP神经网络的遥感影像分类方法研究，张建平，王崇倡，采用BP神经网络进行遥感影像分类，可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性。然而，BP网络自身也存在着�

武汉市城区2005年 夏季landsat4-5TM 影像数据，landsat4-5TM卫星带有7个波段，各种波段的组合课凸显出不同的地物地貌，比如：选择最佳波段的原则有两点：①要求参与彩色合成的波段所含信息量各波段之间的相关性小大；②波段组合得到的彩色图像对研究区域关注的地物类型之间的光谱差异要大、信息含量多、相关性小、地物光谱差异大、可分性好的波段组合。其中，波段 543 组合具有较好的分辨效果，水体边界明显，易于区分，并且 543 组合较为接近自然色，符合人们的视觉的习惯。所以应选择波段组合 R5 G4 B3。

传统的目标检测识别方法难以适应海量高分辨率遥感影像数据，需要寻求一种能够自动从海量影像数据中学习最有效特征的方法，充分复挖掘数据之间的关联。本文针对海量高分辨率遥感影像数据下典型目标的检测识别，提出一种分层的深度学习模型，通过设定特定意义的分层方法建立目标语义表征及上下文约束表征，以实现高精度目标检测。通过对高分遥感影像目标检测的试验，证明了该方法的有效性。

通过IDL语言调用envi中的函数实现遥感影像的裁剪+初学者+简单易懂，需要自备矢量文件

基于BP神经网络的遥感影像分割，王旭，曾繁慧，?遥感影像分割是数字图像处理中的一项重要技术，降低了遥感影像的分析、识别等高级处理步骤所涉及的数据量，同时最大限度的保留�

本章介绍了基于内容的遥感图像搜索与检索(CBIR)系统的最新进展，该系统用于从海量数据档案中快速、准确地发现信息。首先，我们分析了传统的基于手工制作的遥感图像描述符的CBIR系统在穷举搜索和检索问题上的局限性。然后，我们将重点放在深度学习(DL)模型处于前沿的RS CBIR系统的发展上。特别地，我们介绍了最新的基于DL的CBIR系统的理论特性，用于表征遥感图像的复杂语义内容。在讨论了它们的优点和局限性之后，我们提出了基于深度哈希的CBIR系统，该系统具有在巨大的数据档案中进行高效时间搜索的能力。最后，讨论了遥感CBIR最有前途的研究方向。

文献Classification_of_remote_sensed_images_using_random_forests_and_deep_learning_framework译文

粒子群优化算法用于高光谱遥感影像分类的自动波段选择

对于初学遥感的朋友可以好好借鉴，该PDF为一次讲座上某教授分发给大家的。非常实用，对于初学者寻找遥感数据意义重大。

Haze Detection and Removal in Remotely Sensed Multispectral Imagery这篇文章提出利用HTM雾厚度图改进暗物体减法进行去除雾霾