遥感图像 融合.zip

实验目的和要求： （1）掌握遥感图像几何校正的主要过程； （2）学习几何校正中控制点选择、方法选择等方法； （3）进一步熟悉erdas imagine 8.7软件的操作方法。

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,

针对环境背景复杂且包含小目标的遥感图像难以进行精准目标检测的问题,在单阶段检测(SSD)模型的基础上,提出了一种基于注意力和特征融合的单阶段目标检测模型,该模型主要由检测分支和注意力分支组成。首先,在

针对高光谱图像数据维度高、特征非线性以及标签数据获取难度大的特点,结合堆栈稀疏自动编码网络,提出了一种基于非局部方式特征融合的二级分类算法。与传统堆栈稀疏自动编码网络相比,光谱角匹配算法将找到的与被分

针对现有融合方法存在的光谱信息和空间细节信息不能较好兼顾的问题,提出了一种遥感图像小波融合算法。根据高分辨率遥感图像自身的空间尺度,采用多进小波分析技术较好地解决了不同尺度遥感图像空间细节的表达问题,

基于NSCT的遥感图像融合性能评价及分析，徐立中，马艳军，为了寻求比小波变换更加有效的图像多分辨率分析，本文提出了一种基于非采样Contourlet变换（NSCT）和区域特性选择的遥感图像融合方法�

基于IHS变换和稀疏表示的遥感图像融合，胡建文，李树涛，采用过完备字典的稀疏表示能够使分解系数更稀疏，更能反映信号的本质特征和内在结构。本文基于IHS变换和稀疏表示提出了一种融合全

针对遥感图像融合Brovey变换法存在颜色失真的现象，提出了一种低通比值融合法。该融合法首先对高几何分辨率的全色波段进行低通滤波，然后将低分辨率多光谱图像与全色波段图像相乘，再除以滤波后的全色波段图像

针对传统小波变换融合方法中未对高频分量作进一步分解从而忽略了细节信息的缺点，提出了一种基于区域边缘特征的小波包融合算法。该方法对小波包分解后的低频分量采用能量加权的融合规则，高频分量则利用各个子带的方

融合特征选择机制的自适应水平集遥感图像分割 本文提出了一种融合特征选择机制的自适应水平集Chan-Vese模型(C-V模型)，并应用与遥感图像分割。传统的水 平集C-V模型主要关注于颜色特征，对纹理特