本资源包含matlab源码、项目汇报ppt、项目结课报告 该项目包含三个模块，第一块是光谱交叉相关匹配，第二块是遥感影像融合中的遥感影像多光谱与全色IHS融合、第三块是遥感影像分类中的基于ENVI的遥感影像分类。

基于BP神经网络的遥感影像分类方法研究，张建平，王崇倡，采用BP神经网络进行遥感影像分类，可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性。然而，BP网络自身也存在着�

文献Classification_of_remote_sensed_images_using_random_forests_and_deep_learning_framework译文

粒子群优化算法用于高光谱遥感影像分类的自动波段选择

基于光谱和纹理的SVM遥感影像分类研究，丁允静，，遥感图像分类是遥感应用的基础问题，目前遥感图像的分类方法多为计算机自动分类方法，由于

决策树分类作为一种基于空间数据挖掘的知识发现的监督分类方法，它通过决策学习过程得到分类规则并对遥感影像进行分类，突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感先验知识的确定。我们以AdaBoost和C4.5算法为基础，通过算法改进，创建了适用于遥感影像分类的决策树算法GLC树，并依托C#+ArcEngine平台设计实现了GLC_Info v1.1。该软件以GLC分类器为核心，不仅提供了基于像元的遥感影像分类功能，而且可以在ENVI或者eCognition分割结果的基础上实现遥感影像面向对象自动分类。和以往分类中手动建立规则集相比，该软件通过决策树学习的方式建立规则集，不仅提高了效率，而且大大降低了对操作员的要求。另外该软件还提供了一些辅助分类以及统计分析功能。

决策树分类作为一种基于空间数据挖掘的知识发现的监督分类方法，它通过决策学习过程得到分类规则并对遥感影像进行分类，突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感先验知识的确定。而C5.0算法作为最为前沿的决策树算法，目前尚没有一款基于它的遥感影像分类软件。基于此，我们以C5.0决策树算法为基础，通过算法改进，创建了适用于遥感影像分类的决策树算法GLC树，进并依托C#+ArcEngine平台设计实现了GLC_Info v1.0，该软件具有指数变换、样本点的选取、训练集的生成、规则集的建立、影像分类、分类图后编辑等一系列功能，通过这些功能我们为广大用户提供了一款简洁、实用、快速、高精度的遥感影像分类软件。

选取同地区同时相的多光谱和高光谱影像,在实验样本和验证样本相同的情况下,采用SVM分类算法中4种不同的核函数,对2种影像进行分类实验.结果表明,对于多光谱影像,RBF核函数分类精度最高,Sigmoid最低;对于高光谱影像,Linear核函数分类精度最高,Sigmoid最低;对于同地区相同分辨率的遥感图像,在分类条件相同的情况下,多光谱影像的分类精度和高光谱的分类精度相近.

飞机在遥感影像中是一种典型的目标。作者基于公开数据集DIOR、UCAS_AOD、NWPU VHR-10、DOTA以及Google earth中的高分辨率遥感影像，确定了全球多处机场，筛选有效飞机遥感数据3594张。然后，结合人体视觉注意力机制，对有效飞机数据进行划分，先根据飞机机翼和螺旋桨，粗略划分为7类；再根据飞机的颜色特征、发动机位置等，进行二次精细划分为14类。整理得到飞机遥感影像分类数据集。该数据集包括7大类飞机：（1）后掠翼飞机；（2）前缘后掠翼飞机；（3）后缘前掠翼飞机；（4）三角翼飞机；（5）平直翼飞机；（6）螺旋桨飞机；（7）直升飞机。

【综述】深度学习用于遥感影像分类 Deep learning for remote sensing image classification: A survey Ying Li