在进行遥感图像多分类识别时, 针对使用传统方法遇到的分类模型特征提取困难、分类精度不理想、分类种类少等问题, 研究了卷积神经网络(CNN)模型在高光谱遥感地物多分类识别中的可行性及不同CNN 模型对高光谱遥感地物多分类的识别效果。从ISPRS(International Society for Photogrammetry and Remote Sensing)提供的Vaihingen及Google Earth中采集数据,制作了包含6类地物的数据集一。在此基础上增加10类地物制作数据集二, 再增14类地物制作数据集三。在预处理图像数据之后, 通过设置神经网络结构、调整模型参数、对比神经网络模型等, 上述3类数据集的地物分类识别率均达到95%以上。通过分析不同CNN模型对高光谱遥感地物多分类识别效果的影响, 证实了CNN模型在高光谱遥感地物多分类识别应用的可行性且具有较高的识别率。实验结果为CNN模型在高光谱遥感地物多分类识别中的应用提供了一定的参考。

行业分类-设备装置-基于距离几何理论的高光谱遥感图像混合像元分解方法

介绍了一特别是基于treelet特征融合的遥感图像变化检测方法，内部含有MATLAB代码

数字图像匹配是指将从同一场景拍摄的具有重叠区域的图像通过匹配方法，找出图像之间的对应关系。目前，图像匹配技术广泛应用于医学、航空、生物、信息处理和其它领域，它已成为图像处理应用中不可或缺的技术。基于matlab进行影像匹配

遥感图像的显示和拉伸！！！！！！！！！！！！

聚苯乙烯 概要 该项目包含用于两个源能量平衡模型（Priestley-Taylor TSEB-PT ，双重时差DTD和TSEB以及土壤和冠层温度TSEB-2T的Python代码）的功能，用于基于辐射度测量来估算感热通量和潜热通量（蒸散）。表面温度。 该项目包括： 具有任何电阻能量平衡模型所需的基本功能的低级模块 更高级别的脚本，可轻松运行带有表格数据和/或卫星/机载图像的TSEB。 安装 将项目下载到本地系统，输入下载目录，然后键入 python setup.py install 如果要在Python发行版中安装pyTSEB及其低级模块。 需要以下Python库： 脾气暴躁的 大熊猫 pyPro4Sail，位于[ ] GDAL，用于在映像上运行TSEB 大熊猫 netCDF4 散景 使用conda ，您可以创建一个完整的环境 conda env create -f env

里面包含有6S[Second Simulation of a Satellite Signal in the Solar Spectrum - Vector (6SV) ]的说明文档（英文版）。 以及一部分输入测试数据。 非专业人士可能不太了解。

Qmosaic是一款处理遥感图像的软件，可以用来校正影像，镶嵌影像，对影像做匀色处理

梅安新遥感导论

内容简介。本书是地球信息科学基础丛书的组成部分，是一本探讨遥感地学分析理论、模型方法和盈盈的基础理论著作，重点突出了针对地学特征对影像进行理解和分析的原理和应用方法。 第一章 遥感信息的地学评价与影像理解 第二章 地面特征的遥感信息表达与模型 第三章 基于光谱特征的水体信息自动提取 第四章 基于知识发觉的居民点特征提取 第五章 基于光谱特征的岩性信息提取和分类 第六章 遥感影像的统计分析扩展模型 第七章 遥感影像生理认知模型研究 第八章 遥感影像的只能图解与前沿问题探索