ERDAS IMAGINE 遥感图像处理方法，详细说明ERDAS IMAGINE 的操作步骤，非扫描版，完整清晰

党安荣老师的ERDAS Imagine遥感图像处理方法ppt讲义，从网上下的！

第二章背景知识.全卷积网络 .使用全连接网络进行精准分割 .线性结构网络 .对称结构网络 .第三章 实验设计.数据集选择及处理 .图像处理流程设计 .网络结构

为了进一步提升建筑物遥感图像分割的准确性和运算速度，本文提出了基于混沌布谷鸟优化的二维 Tsallis交叉熵的建筑物遥感图像分割方法。首先给出了二维 Tsallis交叉熵的阈值选取公式，然后将 Logistic混沌映射引入布谷鸟算法，进一步加快布谷鸟算法的收敛速度，最后通过该混沌布谷鸟算法优化基于二维 Tsallis交叉熵的阈值寻找过程，并以得到的最优阈值分割建筑物遥感图像。大量实验结果表明，与二维倒数交叉熵法、二维 Tsallis熵法、基于混沌粒子群优化的二维 Tsallis灰度熵法等方法相比较，本文方法分割的目标更为准确，细节更为清晰，且运算时间更短。

针对传统图像配准技术难以对海洋、沙漠、草原等特征不明显区域航空遥感图像进行配准的问题,提出了一种基于地理位置信息的航空遥感图像配准算法。依据载机定位定向系统测量的载机位置、姿态信息以及航空相机中位置编码器测量的框架角位置信息, 利用齐次坐标变换的方法求解配准点在大地坐标系下的投影。利用世界大地坐标系-84坐标系定义的地球椭球模型确定匹配点的经纬度信息, 将相同地理位置信息的配准点进行配准。采用蒙特卡罗法仿真分析了载机姿态位置信息及框架角位置信息对配准精度及定位精度的影响。采用实际的航空遥感图像进行实验, 结果表明, 在载机飞行高度低于2000 m, 拍摄倾斜角小于18°时, 配准精度可优于3 m, 遥感图像中的海上控制点的定位精度优于35 m。

很有用的遥感图像分类 介绍的很详细 包含监督分类和非监督分类方法

基于多核学习的GIST全局和SIFT局部特征融合遥感图像检索方法.pdf

针对基于点特征和线特征配准SAR图像和光学图像的不足，提出了一种基于闭合区域特征的自动配准方法。通过对SAR图像和光学图像进行图像分割提取闭合区域，利用仿射不变矩对闭合区域进行匹配，提取经配对闭合区域的质心作为同名点，实现了高分辨率SAR图像和光学图像配准，取得了较好的配准结果。

遥感数字图像处理课程设计-遥感图像监督与非监督分类，主要对于烟台市地区，包含原始数据，处理数据，以及50页的课程设计报告详细讲述了分析以及操作。以下是节选：4.1.1 图像校正 地理空间数据云下载的0云量数据已经进行过了图像大气校正，辐射校正，几何校正，不需要进一步预处理。 4.1.2 波段合成 点击“Basic Tools”—“Layer Stacking”,这时就打开了波段合成窗口，然后点击“Import file”,打开波段输入窗口。我们从中可以选择输入波段。完成波段顺序调整后，就可以直接点击“OK”,这样就会生成一个新合成的波段图像（选取波段1，2，3，4，5，7）。4.1.3 图像裁剪 由于下载的图像太大，迭代计算过于缓慢，所以需要进行裁剪。 在file/save as中，进入文件选择面板，Spatial Subset打开右侧的裁剪区域，并进行编辑。 可手动选择裁剪区域，红框为裁剪区域 图4.3 裁剪范围和大小 4.1.4 裁剪图像统计基本统计量 点击菜单Basic Tools→Statistics→Compute Statistics，对图像进行统计选中统计项目：直方图、

高分5号卫星遥感图像数据，可用ENVI查看和处理，供需要科研的人士下载使用。