1.课程设计目的 2.数据介绍 3.实验步骤 3.1几何校正 3.2影像裁剪 3.3监督分类 3.4分类器选择 3.5分类后处理 3.6精度验证 3.7土地利用专题图 3.8土地利用变化图 3.9计算NDVI归一化植被指数与植被覆盖度FV 4.实验小结与感想 5.附录用图

该资源主要是对多时相影像变化检测进行精度评价（C++实现），代码注释非常详细，非常实用！！！

通过模拟实际光学成像过程以及CCD采样过程,生成了标准图像,实现对亚像素定位算法的客观评价,并提出了一种新的基于灰度面积插值的亚像素定位方法。经实验验证,该方法对直线边缘的平均定位精度达到0.11 pixel,对圆边缘点的平均定位精度可达0.24 pixel,优于梯度质心法和灰度矩法。

IDRISI是遥感与地理信息系统结合应用的系统，系统包括遥感图像处理、地理信息系统分析、决策分析、空间分析、土地利用变化分析、全球变化监测、时间序列分析、适宜性评价制图、地统计分析、元胞自动机土地动态变化趋势预测、图像分割、不确定性管理、生物栖息地评估等300多个实用而专业模块，这一软件集地理信息系统和图像处理功能于一体，依托克拉克大学研究计划的大力支持，为众多相关应用领域提供有力的研究与开发工具。尤其在科学研究方面，IDRISI始终关注其理论、技术前沿的发展动向，不断吸收最新成果，并将其转化为扩展的功能模块加入到软件系统之中。

在表格中输入二分类混淆矩阵值，可以自动的计算出OA、召回率、精确率、F1、Kappa系数。仅适用二分类，计算混淆矩阵

遥感图像分类是图像分析的重要步骤,其中分类后精度评定是判定图像分类效果的主要依据。目前,面向对象分类的精度评定常采用随机验证点作为评定参数,这样容易造成评定的分类结果精度不高。提出基于规则验证点的面向对象的分类精度评价方法,在使用支持向量机、CART(classification and regression tree)决策树和K最近邻进行分类的基础上,分别采用基于规则验证点和随机验证点的方法对分类结果进行精度评定。实验结果表明,所提出的方法比传统的基于随机验证点的方法得到的分类精度更高。三种分类方法在规则验证点下的最优总体分类精度分别达到了87.92%、91.94%和94.63%,均优于基于随机验证点的方法的精度评定结果。

基于SIFT算法的影像匹配精度评价研究，杨健，，SIFT算法是目前影像匹配领域的研究热点之一。该算法的主要思想是：在尺度空间中寻找极值点，提取位置、尺度、旋转不变量，这不同�

同时还包括了影像的特征提取等，评价标准又熵、相关系数、均值、标准差等

LCE OCE GCEmatlab代码用于图像分割精度评价