研究生期间写的matlab批量填补Landsat影像云污染像元，适用于TM/ETM+/OLI传感器，只需输入需要填补的影像文件夹和参考影像文件夹即可

Points2Grid 通过OpenTopography设施（ ）运行的数千个作业得到了证明，Points2Grid是一个强大的可扩展工具，可以使用本地网格方法生成数字高程模型（DEM）。 局部网格化算法根据用户提供的半径，使用围绕每个网格单元定义的圆形邻域来计算网格单元高程。 此邻域称为bin，而网格单元称为DEM节点。 对于落在仓中的点，最多可以计算四个值（最小值，最大值，平均值或反距离加权（IDW）平均值）。 然后将这些值分配给相应的DEM节点，并用于表示该bin表示的邻域上的海拔变化。 如果在给定的bin中未找到任何点，则DEM节点将收到一个空值。 Points2Grid服务还提供了空值归档选项，该选项通过3、5或7个像素的方形移动窗口应用反距离加权焦点均值，以填充DEM中具有空值的像元。 如果LIDAR发射密度超过根据这些数据生成的网格的分辨率，Points2Grid所采用的

高光谱图像混合像元分解算法.pdf

气溶胶类型在反演光学厚度时非常重要，采用待反演地区最合理的气溶胶类型可以极大地提高反演精度。结合中分辨率成像光谱仪(MODIS)的数据，提出一种确定气溶胶各组分体积百分比的数学模型，利用这种数学模型得到自定义的杭州地区气溶胶类型，结合改进的暗像元法并基于6S大气辐射传输模式可以反演得到气溶胶光学厚度。将反演结果与AERONET 太阳光度计的气溶胶观测值进行对比，结果显示反演的相对误差绝对值在20%以内。采用6S大气辐射传输模式给出的标准气溶胶类型对杭州地区大气进行光学厚度反演，将反演结果和采用自定义气溶胶类型时的反演结果分别与太阳光度计的观测值进行对比，结果表明采用自定义的气溶胶类型时反演值的相对误差绝对值比采用标准气溶胶类型时反演值的相对误差绝对值要低3%以上。

PPI纯净像元指数 生成的结果是一副灰度的影像,DN值越大表明像元越纯. 作用及原理 纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最” 纯”的像元.(通常基于MNF变换结果来进行) 纯净像元指数可以将N维散点图迭代映射为一个随机单位向量来计算,每次映射的极值像元被记录下来,并且被标为极值的总数也被记录下来. 按照多次映射每个像元被记录为极值像元的次数来决定该像元是否为纯净像元. 计算时需要输入的参数 进行迭代的次数 设置域值的系数(极值像元的域值) 数据二次采样(减少内存,但不能太小)

为了实现高光谱降维并保留重要的光谱特征，通过独立分量分析（independent component analysis，ICA）混合模型和高光谱线性模型的对比分析，提出了结合纯像元提取和ICA的高光谱数据降维方法。该方法通过估计虚拟维数(virtual dimensionality，VD)确定特征个数，采用自动目标生成过程（automatic target generation process, ATGP）从原始数据中提取纯像元向量，作为ICA算法的初始化向量，以负熵为目标函数产生独立分量，并通过高阶统计

分辨率（像元大小）=平台高度*角分辨率（弧度） D= H * IFOV 如，飞机飞行高度8000米，角分辨率为2.5毫弧度，则地面分辨率为： 8000m*2.5*10-3=20m 3.5 遥感图像的特征 空间分辨率 对于摄影成像的图像： 对于扫描方式：与瞬时视场角有关

可以解决对于一条光谱曲线的混合像元分解问题，从光谱库中直接获得端元波普进行线性混解

自己学习编写的混合像元分解中的端元提取部分的纯像元指数PPI算法的MATLAB代码。可以运行得到结果，但没有结果用于验证，亦未编写精度评定，不保证结果的正确性。

纯像元指数（PPI）算法 以线性光谱混合模型的几何学描述为基础；利用“端元是遥感图像在特征空间中所形成的单形体的端点”这一特点、以及单形体的向量投影的性质进行端元提取。