WTS WTS：使用分割模型对遥感土地覆盖分类的弱监督学习框架 介绍 这是WTS监督学习框架用于使用分割模型进行遥感土地覆盖分类的实现，其中SRG算法指的是 。 引用该存储库 如果您发现此代码对您的研究有用，请考虑将其引用： @article{wts, title={WTS: A weakly towards strongly supervised learning framework for remote sensing land cover classification using segmentation models}, author={Wei Zhang, Ping Tang, Thomas Corpetti and Lijun Zhao}, booktitle={Remote Sensing}, pages={},

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

Fusion ##多源遥感图像融合系统 ## ##

本手册包括若干章节；每章描述 ENVI 提供的一系列处理程序。多数章节遵循 ENVI 的菜单 结构。例如，第 4 章的标题为 “Basic Tools，它描述的功能可以在 ENVI 的 Basic Tools 下拉菜单 下找到。5 个附录分别针对：ENVI 基本功能、文件格式、波谱库、地图投影以及描述 ENVI 该版 本的新特征。该介绍性章节包括与 ENVI 图形用户界面（GUI）的交互，使用 ENVI 窗口，及其它 介绍性材料。新的 ENVI 用户使用前务必认真阅读本手册，以及附带的 ENVI 教程。

这是一种通用的多模态遥感图像匹配框架。该框架可以利用各种特征描述符如HOG、LSS、CFOG、各种梯度信息，相位信息，边缘信息等构建逐像素的三维特征表达图（不对具体特征进行限定），然后利用各种相似性测度如相关系数，灰度差平方和，欧式距离、互信息和相位相关等进行模板匹配（不对具体相似性测度进行限定），考虑到计算效率问题，我们推荐使用基于FFT的互相关做相似性测度。

《定量遥感》自成体系，首先概要论述了定量遥感的基础理论，分章节着重介绍大气、植被冠层、土壤和雪面的辐射传输模型，并结合应用实例详细介绍了目前传感器定标、大气纠正、几何纠正、各种植物生理参数（如叶面积指数、植物吸收的光合作用有效辐射比例） 、地球物理参数（如宽波段反照率、发射率和表面温度）和四维数据同化等方面的代表现有研究水平的定量算法，最后给出了定量遥感在生态、农业等领域的应用案例。《定量遥感》全面、系统地介绍了定量遥感领域的反演基本理论和所取得的最新成就，是对目前定量遥感研究的系统概括和总结。

2017版土地利用分类体系，包括12个一级类：耕地、园地、林地、草地、商服用地、工矿仓储用地、住宅用地、公共管理与公共服务用地、特殊用地、交通运输用地、水域及水利设施用地、其它土地，以及各二级类的含义等。

摄影测量课程的内定向程序，使用c++，结合mfc窗口设计，适合初学者、本科生，简单易懂，内置源码，简单界面，操作方便，适合基础学习，有问题可以及时沟通。

以上海崇明岛东滩湿地为例，利用改进的BP算法结合主成分分析，将光谱信息的主成分、NDVI、MNDWI以及GIS数据作为神经网络的输入参数对东滩湿地进行神经网络分类．结果表明，神经网络分类能够有效的提高分类的精度，适合湿地分类．