基于IDL语言，对两个时期的植被进行变化监测。

遥感影像的变化检测是遥感应用研究的热点之一，在城市变化、环境监测、土地利用以及基础地理数据库更新等领域中有着广泛的应用.变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征和过程，具体工作是对同一地区不同时相的两幅或多幅图像进行分析，检测出其中的变化部分与未变化部分.本文提出了基于堆栈降噪自动编码器网络的变化检测方法，将应用于SAR （Synthetic Aperture Radar，合成孔径雷达）卫星图像变化检测的深度学习算法改进，使之适用于高分光学卫星图像，然后在孪生网络的结构上进行改进，提出了基于分支卷积神经网络的变化检测方法，最后设计算法去除了阴影干扰和噪声等伪变化，并在高分二号卫星中宁夏地区的实际生产数据影像上进行了测试，取得了不错的效果.

基于Landsat和CBERS数据的城市土地利用变化监测 ，刘乐乐，陈国良，选取郑州市1988年TM、2001年ETM+和2007年CBERS遥感数据，采用决策树分类方法，利用NDWI、NDVI分别提取水体和植被信息，依据分类结果进行土�

基于深度学习算法的卫星影像变化监测

早期影像变化监测matlab代码中央结算公司 使用所有可用Landsat数据开发的用于土地覆被的连续变化检测和分类（CCDC）的算法。 如有任何疑问，请联系康涅狄格大学自然资源与环境系的Zhe Zhu（）。 CCDC软件现已在线可用！ 用于更改检测软件的最新13.01 CCDC软件是。 它适用于“分析就绪”数据和“收集1”数据。 它仅适用于64位Linux计算机。 目前没有提供分类软件，因为它需要训练数据才能运行该软件。 的，也提供了CCDC Assistor 1.02，它是一个用户界面工具，用于协助CCDC进行数据准备和地图提取（更多功能正在开发中）。 请注意，CCDC的输出将是数千个Matlab文件，其中包含每种时间序列模型的各种信息，如下所示： “ t_start”：时间序列模型启动时 “ t_end”：时间序列模型结束时 “ t_break”：观察到第一个中断（更改）时 “系数”：每个光谱带的每个时间序列模型的系数。 行是a0 c1 a1 b1 a2 b2 a3 b3（Zhu and Woodcock，2014，2015）。 列分别指的是蓝色，绿色，红色，NIR，SWIR1，S

VC++实现的图像读取显示等的遥感程序，能读大部分格式，灰度显示，直方图显示，直方图规定化，监督分类，变化监测，几何校正等