RS投稿模板，遥感投稿模板，审稿速度非常快，6.16投稿，6.27返回三个人审稿意见，意见非常专业，其中一个审稿人给了7页的审稿意见。 编辑给了大修，但只给了十天的修改时间，实在是不够用，申请延期了十天。 修改后7.17提交，编辑送回原审稿人，7.26接收。 经过校稿，交版面费，8.2号online，速度还是非常快。

92-13年的夜间遥感影像数据，DMSP_OLS夜间灯光数据，及VIIRS_NPP的2017年每月的夜间灯光数据汇总，方便进行城市化进程，扶贫地区演变等应用的分析和预测。

图像处理系统是进行遥感技术及其应用研究的基本工具。从硬、软件 两方面回顾了遥感图像数字处理系统的发展概况，并在此基础上分析了未来遥感 图像数字处理系统的发展趋势，为我国开发自己的遥感图像数字处理系统提供了 参考。

遥感图像处理（朱述龙） 遥感图像处理（朱述龙） 遥感图像处理（朱述龙） 遥感图像处理（朱述龙）

为了解决基于深度学习的高光谱图像分类方法对于小样本数据分类精度低的问题,提出了一种基于多尺度残差网络的分类模型。该模型通过在残差模块中加入分支结构,分别构造了基于光谱特征和空间特征的提取模块,实现了空间特征和光谱特征的多尺度提取融合,充分利用了高光谱图像中丰富的空谱信息。此外,所提模型使用了动态学习率、批归一化以及Dropout等来提高计算效率和防止过拟合。实验结果表明,该模型在Indian Pines和Pavia University数据集上分别取得了99.07%和99.96%的总体分类精度,与支持向量机和现有的深度学习方法相比,所提模型有效地提高了针对小样本高光谱图像的分类性能。

中国科学院大学遥感所开的精品课程，对于遥感图像三维重建很有用的一个ppt，带你从理论入手了解遥感图像三维重建

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。