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

利用2006年4月至2007年11月间中国东部海域五个航次的天空辐射计海上观测资料，以10 km×10 km和±1 h作为时空匹配窗口，对中分辨率成像光谱仪(MODIS)标准海色产品中的869 nm气溶胶光学厚度数据进行了对比检验。结果显示，在全部匹配数据中，72%非常接近或在NASA公布的期望误差Δτ＝±0.03±0.05τ范围以内。MODIS的反演精度具有一定的地域性和季节性差异，东海匹配数据的一致性明显好于黄海，2006年冬季匹配数据的一致性较好，2007年秋季MODIS反演值存在系统性偏高的情况，其主要原因可能与气溶胶模型的不适用有关。通过对全部匹配数据的进一步分析印证了这一点。

时间序列分析r语言练习数据。时间序列分析(Time-Series Analysis)是指将原来的销售分解为四部分来看——趋势、周期、时期和不稳定因素， 然后综合这些因素， 提出销售预测。强调的是通过对一个区域进行一定时间段内的连续遥感观测，提取图像有关特征，并分析其变化过程与发展规模。当然，首先需要根据检测对象的时相变化特点来确定遥感监测的周期，从而选择合适的遥感数据。

通过分析机载雷达（LIDAR）点云数据与航空影像数据特点，提出了融合机载LIDAR点云和航空影像的建筑物轮廓探测方法。分别提取机载点云和航空影像中的部分建筑轮廓线，将轮廓线拟合成直线段的建筑物轮廓边，并以两相邻且垂直的轮廓边相交得到建筑的角点，根据建筑物的同名角点实现机载点云和航空影像的配准融合；将航空影像的光谱信息赋予机载点云，并将光谱信息作为特征向量进行聚类，分离出植被和树木等地物，利用高程信息从光谱信息相似的地面道路和建筑物中分离出建筑物，提取建筑物的轮廓边，完成建筑物轮廓的探测。实验结果表明，利用该方法进行建筑物点云的分类正确率可达97.96%，轮廓边的提取精度可达0.21 m，能够有效的实现建筑物轮廓的探测。

决策树分类作为一种基于空间数据挖掘的知识发现的监督分类方法，它通过决策学习过程得到分类规则并对遥感影像进行分类，突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感先验知识的确定。我们以AdaBoost和C4.5算法为基础，通过算法改进，创建了适用于遥感影像分类的决策树算法GLC树，并依托C#+ArcEngine平台设计实现了GLC_Info v1.1。该软件以GLC分类器为核心，不仅提供了基于像元的遥感影像分类功能，而且可以在ENVI或者eCognition分割结果的基础上实现遥感影像面向对象自动分类。和以往分类中手动建立规则集相比，该软件通过决策树学习的方式建立规则集，不仅提高了效率，而且大大降低了对操作员的要求。另外该软件还提供了一些辅助分类以及统计分析功能。

决策树分类作为一种基于空间数据挖掘的知识发现的监督分类方法，它通过决策学习过程得到分类规则并对遥感影像进行分类，突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感先验知识的确定。而C5.0算法作为最为前沿的决策树算法，目前尚没有一款基于它的遥感影像分类软件。基于此，我们以C5.0决策树算法为基础，通过算法改进，创建了适用于遥感影像分类的决策树算法GLC树，进并依托C#+ArcEngine平台设计实现了GLC_Info v1.0，该软件具有指数变换、样本点的选取、训练集的生成、规则集的建立、影像分类、分类图后编辑等一系列功能，通过这些功能我们为广大用户提供了一款简洁、实用、快速、高精度的遥感影像分类软件。

“遥感精解”一本非常好的遥感类，详细讲述了遥感的原理与方法

介绍envi软件处理遥感图像的一本书，内容还是比较详细的，传上来给大家分享下