基于分水岭算法的高分辨率遥感图像多尺度分割，戈乐乐，赵银娣，分水岭变换是一种常用有效的图像分割方法。针对分水岭的过分割问题，对分水岭分割后的图像，利用多尺度合并差异性度量准则，对过

:针对高空间分辨率的遥感影像，提出了一种基于多尺度分割的变化检测算法。采用 Mean-Shift 分割算法对 影像进行多尺度分割，构建了不同尺度上的地理对象，以不同尺度上的地理对象灰度均值构建了变化检测的多尺度 特征向量，采用变化矢量分析法获得最后的变化检测结果。

为了从高分辨率遥感影像中高精度的提取各种工业固体废物，提出了基于支持向量机（ＳＶＭ）的工业固体废物特征快速提取算法，首先对遥感影像进行各向异性扩散滤波，然后针对高分辨率遥感影像信息量丰富和工业固体废物堆复杂度高的特点，提出基于1-v-1的SVM的多种工业固体废物的多分类策略，在提高精度的同时，兼顾了工业固体废物特征识别的效率。研究结果表明：ＳＶＭ对工业固体废物判别能力比常规方法有更强的优势，从遥感影像中不仅能准确地辨别出工业固体废物堆的线形特征，还能识别出其材质和类型；该算法能同时识别出多种工业固体废物，执行效率更高。

：随着遥感图像分辨率的日益提高，遥感图像的尺寸和数据量也不断地增大，同时随着遥感应用的发展，对图像配准的性能也提出越来越高的要求，基于此，提出一种特征级高分辨率遥感图像快速自动配准方法。首 先，对图像进行Haar小波变换，基于小波变换后的近似图像进行配准以提高配准速度；其次，根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子，SAR图像使用Ratio Of Averages算子)，并将线特征转化为点特征；然后，依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点 对；最后，利用改进的随机抽样一致性算法滤除错误匹配点对，并结合分块思想均匀选取匹配点

面对遥感图像日益增长的分辨率，面向对象的分类处理方法相较于传统的基于像素的分类方法愈来愈有优势。针对其分割处理环节仍存在过分割以及欠分割现象而导致分类精度降低的问题，本文提出一种融合多尺度分割的办法，使用不同尺度分割结果融合的结果作为最终分类的输入。经过试验，此融合分割办法能有效的减少欠分割与过分割，提高面向对象的分类精度。

深度学习的高分辨率遥感图像识别与分类研究，用深度学习方法处理卫星图像

在我阅读可能不断更改的课题方向的各种论文中，看了这篇论文Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remote Sensing Imagery.pdf ，各类算法比较的好多，认真看了这篇文章，并附上了自己的注释和标记，刚刚接触，理解不深，可能有错误之处，欢迎在评论区批评指正！