针对基于点特征和线特征配准SAR图像和光学图像的不足，提出了一种基于闭合区域特征的自动配准方法。通过对SAR图像和光学图像进行图像分割提取闭合区域，利用仿射不变矩对闭合区域进行匹配，提取经配对闭合区域的质心作为同名点，实现了高分辨率SAR图像和光学图像配准，取得了较好的配准结果。

遥感数字图像处理课程设计-遥感图像监督与非监督分类，主要对于烟台市地区，包含原始数据，处理数据，以及50页的课程设计报告详细讲述了分析以及操作。以下是节选：4.1.1 图像校正 地理空间数据云下载的0云量数据已经进行过了图像大气校正，辐射校正，几何校正，不需要进一步预处理。 4.1.2 波段合成 点击“Basic Tools”—“Layer Stacking”,这时就打开了波段合成窗口，然后点击“Import file”,打开波段输入窗口。我们从中可以选择输入波段。完成波段顺序调整后，就可以直接点击“OK”,这样就会生成一个新合成的波段图像（选取波段1，2，3，4，5，7）。4.1.3 图像裁剪 由于下载的图像太大，迭代计算过于缓慢，所以需要进行裁剪。 在file/save as中，进入文件选择面板，Spatial Subset打开右侧的裁剪区域，并进行编辑。 可手动选择裁剪区域，红框为裁剪区域 图4.3 裁剪范围和大小 4.1.4 裁剪图像统计基本统计量 点击菜单Basic Tools→Statistics→Compute Statistics，对图像进行统计选中统计项目：直方图、

高分5号卫星遥感图像数据，可用ENVI查看和处理，供需要科研的人士下载使用。

基于改进Harris-SURF算子的遥感图像配准算法

图像配准是计算机视觉中诸多问题的基础，基于图像特征的配准方法仍然是该领域的研究热门。为了提高算法的效率，拥有更好的实用性，提出了一种基于FAST-DAISY的遥感图像配准方法。首先运用FAST算法提取特征点，提出分配主方向的方法，利用DAISY算法建立描述符，得到特征点集后，使用RANSAC（随机抽样一致性）算法剔除误匹配点对，最终估计仿射变换参数，利用二次线性插值法得到配准后的遥感图像。实验结果表明，算法对于平移、旋转、灰度差异、地物差异、位置差异、小尺度差异和噪声干扰的遥感图像有较好的配准效果，匹配时间通常介于SIFT与SURF-DAISY算法之间，算法在实用性上有较大优势。

关于modis数据处理的说明，遥感图像处理方面的材料，是学习遥感图像处理的好材料。

遥感图像解译 kappa系数计算程序（C++） kappa系数计算程序（C++） kappa系数计算程序（C++）

迭代自适应维纳滤波器的遥感图像降噪

实现Landsat遥感图像tif格式文件的分类

压缩包包括遥感图像云检测全面的论文学习资料，物理阈值法、纹理分析方法、模式识别等方法全面覆盖，对云检测学习很有针对性