基于遥感影像分析，进行分类识别，进行变化检测几种算法集合包

遥感影像变化信息提取（变化检测）是针对两不同时相的影像进行变化检测，其中涉及到各种变化检测算法

本文探究了五种典型的机器学习算法在高光谱遥感影像数据分类中的适用性。通过对Salinas数据集进行多次实验比较，发现支持向量机算法具有最高的分类精度，但随机森林算法也表现出较高的分类准确度。同时，对其

深度学习在遥感影像人工地物识别领域具有广泛应用前景。本研究旨在通过深度学习技术，构建一种高效准确的遥感影像人工地物提取算法。通过对遥感影像数据进行预处理和特征提取，结合深度学习算法如卷积神经网络（CN

基于BP神经网络的遥感影像分类，俞冰，，传统统计模式识别方法进行遥感影像分类时要求数据服从正态分布，并且存在分类精度低的缺点。通过分析BP网的分类原理与学习算法，�

基于BP网遥感影像分类研究与应用，田野，郭嗣琮，遥感影像分类技术作为遥感影像处理技术中最重要的一个分支，一直被人们所普遍重视。本文论述了BP神经网络在遥感影像监督分类方面�

基于遥感影像的淮南市生态变化研究，朱勇，，本文以多时相的淮南市TM/ETM遥感影像作为数据源，先确定淮南市人均生态性土地面积，再根据淮南市统计年鉴和中国统计年鉴统计信息，

颜色分类leetcode是pytorch中一个简单易懂的原生生成对抗神经网络的实现，专注于巴基斯坦地区森林覆盖变化检测与预测。项目使用Sentinel和Landsat图像，首先从AOI中分割图像，之后

tensorflow为后端的keras框架实现遥感场景分类，使用的模型为VGG16和Resnet50，可以从头自己训练模型，也可以使用迁移学习，进行模型微调

基于深度神经网络的变化检测与分析，张普照，公茂果，变化检测与分析是空时遥感影像联合解译领域中的一个重要研究课题。随着遥感影像时间、空间和光谱分辨率的提高,仅仅检测变化与否�

为了更准确地从两幅同一地区不同时间的遥感图像中检测出地物的变化情况 ,提出一种 基于统计分析的方法.即:统计检验方法1这种方法是将局部回归方法应用于两幅不同时间遥感图 像中的同一感兴趣矩形区域 ,当回