PythonFmask算法在遥感图像中实现云分类的Matlab影像去阴影代码

这是一个Matlab实现的处理不均匀图像阴影的方法。

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。

SGF算法是一种基于分段图的图像过滤方法，快速保持图像结构的平滑性。该方法由张飞虎等人在IEEE国际计算机视觉会议论文集中提出。要使用这一方法，需要安装opencv和libpng，并编译源代码。SGF算法已在Linux和Windows平台上进行了验证，可直接在win32环境下使用。

详细介绍了遥感图像处理中的增强和去噪原理，以及如何在matlab中实现这些操作。通过提供代码和实例帮助读者快速掌握技术。

Agros_ICE 提供了 ICE去云算法 的示例代码，说明论文《Daily 250m MODIS NDVI Timeseries Reconstruction using Iterative Continuum Extraction and Savitzky-Golay Filter》中涉及的原理。目前，仓库包含两个节点：第一个节点为 ICE_SG算法 的原理脚本；第二个节点展示了模拟实验过程。实验数据来源于 MOD09GQ 和 MOD09GA，相关的预处理（如重投影、裁剪、镶嵌等）可以通过 MRT、ENVI、ArcGIS 等软件完成，相关代码可从其他开源渠道获取。我们感谢相关代码作者的支持

高光谱图像分类的 Matlab 项目，挺适合拿来快速上手的。 PCA 降维配上SVM 分类的组合，老搭档了，高光谱这种几百波段的数据还挺高效。每个像素都一堆光谱值，用 PCA 一压缩，信息还在，复杂度就下来了。 SVM就不用说了，分类效果比较稳，是你样本不多、数据维度还高的时候。项目里还支持调核函数参数，RBF、linear这些常见的都有，想试试哪个都方便。 最省事的是它还带了个GUI 界面，不写代码也能跑流程。比如选训练样本比例、调参数、点下按钮就能跑模型、看分类图，体验还不错，适合想先搞懂流程的你。 项目用的是MATLAB，对遥感数据支持还蛮全的。你可以用这个做土地覆盖分类，看看植被长势，

提供了分裂Bregman算法在偏微分图像去噪中的经典应用源代码，详细介绍了其原理和实现过程。

基于 SIFT 和 SURF 特征提取和匹配 使用 RANSAC 剔除误匹配 SIFT 代码基于 Lowe 源码 SURF 使用 MATLAB 内置函数 detectSURFFeatures()

KNN分类的源代码在MATLAB中的实现非常简单易用，适合初学者学习和参考。