世界地图遥感影像分析

地学影像的理解与，周成虎的这本书算是挺经典的了，讲得比较透彻，尤其是光谱特征和知识发觉那块，多老手都爱翻翻看。 影像特征的提取方法挺多，像Moravec、Forstner算子啥的，用来做特征点检测挺方便，结合书里的理论，思路也清晰了。 自动提水体信息的部分也蛮实用，多时候遥感数据都得批量跑，书里思路配合Matlab或Python写个小脚本，效率还不错。 做多波段光谱的话，别忘了看下CARS和EEMD这些方法，配合书里的统计模型，用起来事半功倍哦。 如果你平时想自己动手做特征提取，可以参考下pymfe或者看看Matlab那些现成例子，自己改改，挺香。

从上世纪70年代开始，国内外遥感影像分类研究逐渐成为学术界关注的焦点。早期主要采用统计模式识别方法，如1980年的最大似然法和1983年的光谱特征分类，主要用于获取森林资源信息。随着技术进步，预处理、多源信息融合、人工智能理论以及分类后处理等新方法应运而生，以提高分类精度。近年来，人工神经网络模型作为综合数据分类方法受到广泛关注。

水下影像是探索海底世界的重要技术工具，记录了水下天气、珊瑚礁、生物、植物、考古遗迹和鱼类等多样化的生态景象。这些影像在水下采矿探测、水下机器人、水下考古和天气预报等领域具有重要应用价值。尽管光照、雾霾、散射和吸收等问题影响了水下图像质量，但技术进步不断推动着水下成像在海洋工程、海洋生物学和海洋科学中的应用。

利用seaborn、jupyter notebook、numpy、pandas和matplotlib进行遥感影像中植被指数NDVI、GCI、GNDVI和NGRDI的数据分析与统计。

杜培军在总结国内外空间数据挖掘与遥感影像数据挖掘发展态势的基础上，分析了当前遥感影像库中数据挖掘存在的问题和不足，并提出了改进建议。

FSL MRI脑影像分析指南 本指南概述使用FSL软件包进行MRI脑影像分析的流程及常用工具： 1. 安装与学习资源: FSL官方网站提供详细的安装教程。 FSL Course是深入学习FSL的优秀资源。 2. 预处理: 颅骨剥离 (BET): 去除头骨及非脑组织。 感兴趣区域选取 (FSLROI): 提取目标脑区。 3. 图像分割: FAST: 基于模型的快速组织分割，包含偏置场校正功能。 Partial Volume Segmentation: 处理组织边界模糊问题，提高分割精度。 4. 结果统计与分析: FSLSTATS: 提取分割结果的统计指标(如体积、平均

该存储库中的Matlab图像去阴影代码PyFmask，尽管目前处于试验阶段，但仍然是一个非常值得开发的工具。我们鼓励您尝试使用，并期待您的反馈和建议，这将有助于我们进一步改进该库。快速入门的方法包括下载存储库并将其本地化到当前工作目录，然后运行示例脚本Landsat8Scene.py。该代码提供了灵活的使用方式，特别适用于处理Landsat卫星图像数据。详细安装步骤请参阅存储库的README文档。

SAR图像变更检测使用的常见算法包括PCA算法、MAD算法和IMAD算法。数据集内含，附有PCA算法、MAD算法和IMAD算法处理的指标分析（如均值、方差、Kappa指数、检错率、漏检率等）。经实测验证有效。

海雾的遥感光学辐射特性是一个蛮有意思的研究方向。通过 AVHRR3/NOAA17 卫星观测数据，可以对比不同目标物在可见光、近红外波段的反射辐射特性，是海雾的特殊光学辐射特性。显示，海雾区的反射率有时候表现得独特，比如反射率顺序出现反转。通过 Streamer 辐射传输模型，进一步验证了这一现象，甚至揭示了粒子粒径对反射率的影响，粒径越小，反射率越高。嗯，感兴趣的话，基于这些数据，还可以做一些卫星遥感的监测工作哦。对于做遥感光学辐射的同学来说，这些特性真的挺有的。