深度学习是近几年图像识别领域的一门新兴技术，能够自动学习影像深层次特征 从而进行准确的分类决策，为得到更好的高分辨率遥感影像分类结果带来新的契机

深度学习在图像检索方面的应用，主要的思想是利用预训练网络，原文是英文，资源名称是我自己翻译过来的

高光谱遥感图像模糊c均值聚类算法的matlab实现

matlab遥感图像分类代码 ImageRegisiter 1.Matlab实现GF1WFV遥感数据配准，同时也适用于其他类型的图像校正，拼接。 2.本篇原理是基于surf自动特征提取 3.配准效果用标准误差RMSE进行定量化度量。 4.批量配准图像 代码说明 registerbatch.m 一个批量配准的例子 RSAFM.m 图像配准函数 %图像配准demo original=imread(file1); distorted=imread(file2); recovered=RSAFM(original,distorted); 部分GF1WFV数据 下载地址：

图像分类的性能在很大程度上取决于特征提取的质量。卷积神经网络能够同时学习特定的特征和分类器，并在每个步骤中进行实时调整，以更好地适应每个问题的需求。本文提出模型能够从遥感图像中学习特定特征，并对其进行分类。使用UCM数据集对inception-v3模型与VGG-16模型进行遥感图像分类，实验结果表明，本文提出的模型在训练时间和分类准确率上都优于现有算法。

本资源包括5篇基于神经网络的遥感图像分类硕士论文，请用于学习目的，需要安装CAJ阅读器，对研究相关专业知识的小伙伴有很大的帮助作用。

本代码适用于MATLAB环境下的遥感影像分类、K均值聚类等

最小距离的算法，

为了充分利用高光谱图像的光谱信息和空间结构信息，提出了一种新的基于随机森林的高光谱遥感图像分类方法，首先，利用主成分分析降低数据的维数，并对主成分进行独立成分分析提取其光谱特征，同时消除像元的空间相关性，再采用形态学分析提取像元的空间结构特征，然后，根据像元的谱域和空域特征分别构造随机森林，并引入空间连续性对像元点的预测结果进行约束修正，最后由投票机制决定最后的分类结果。在AVIRIS和ROSIS高光谱图像上的实验结果表明，所提方法的分类性能要优于传统的高光谱图像分类方法，且分类精度高于基于单一特征的方法。

遥感图像分类，共10类图像大小64*64。