条纹噪声的去除（去条纹）是遥感图像处理中的一个基本问题，对于后续应用具有重要的实践意义。 这些变分去斑方法取得了令人瞩目的结果，并引起了广泛研究的兴趣。 然而，它们中的大多数专用于从条纹图像中估计清晰的图像，在不考虑条纹的结构特征的情况下，非常关注图像本身，而条纹的结构特征很容易造成图像结构损坏，并在图像恢复中留下残留的条纹。 在本文中，我们平等地对待图像和条带分量，并将图像去块任务自然地转换为图像分解问题。 首先，我们将对条纹的结构特征进行详细分析，并提供有关遥感图像的先验知识。 然后，将它们合并，我们提出了一个基于低等级的单图像分解模型（LRSID），以将原始图像与条带成分完美分离。 这种对条带的低秩约束与以下事实完全匹配：只有部分数据矢量已损坏，而其他部分则没有损坏。 此外，我们进一步利用遥感图像的光谱信息，并将我们的2D图像分解方法扩展到3D情况。 已经对模拟数据和真实数据进行了广泛的实验，以验证所提出算法的有效性和效率。

可以借鉴的空间后方交会程序，用了三种方法

模糊模式识别在植被和遥感图像识别中的应用，姬翠翠，吴云，以往在对植被和遥感图像识别时，通常是通过目视判读，根据遥感图像的判读标志,提取信息特征。随着模糊模式识别在越来越多的科学�

遥感学习过程中少不了矢量文件，这个资源是中国各省边界的shp文件，以WGS84为基准，是遥感中常用的文件，欢迎大家下载使用，物超所值。

Landsat8温度数据和landsat7温度数据反演地表温度

中科院遥感所考研复试题库（包括：数据结构、程序设计、目前最完整的数据结构1800题包括完整答案）【遥感所考研】【复试】

不同植被类型的光谱曲线比较 To be continued…

浏览MODIS遥感数据的HDF格式数据的IDL程序-Browse MODIS remote sensing data of HDF format data IDL procedures

利用Envi软件进行遥感图像精美地图.docx

环境感知是无人驾驶的核心技术之一,而利用三维激光雷达进行障碍物检测一直是国内外的研究热点。本文首先按照传感器的种类介绍了无人车障碍物检测方法的分类,然后介绍了基于三维激光雷达进行障碍物检测的基本原理,之后详细分析了基于三维激光雷达进行障碍物检测的传统方法。其中深度学习是二维图像目标检测及分类的重要方法,在介绍三维激光雷达点云特点的同时分析了点云深度学习的挑战,最后详细分析了三维点云深度学习在障碍物检测方面的研究现状以及发展趋势,并且介绍了自动驾驶领域的KITTI数据集和ApolloScape数据集。