SIFT在前面已经说过了，可以说在实现过程中是精益求精，用了各种手段来删除不符合条件的特征点，同时也得到了很好的效果但是实时性不高，于是就有了SURF（speeded up robusr features）.SURF是一种尺度，旋转不变的detector和descriptor.最大的特点是快！在快的基础上保证性能（repeatability,distinctiveness和robustne

监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求， 随后用训练好的判决函数去对其他待分数据进行分类。1.1打开并显示影像文件

经过上一篇的大篇的文字介绍，这里再提供大篇的图片，来理解图像的噪声一、椒盐躁声二、高斯噪声三、指数噪声四、泊松噪声五、均匀噪声六、瑞利噪声七、伽马噪声八、指数噪声

多元散射校正方法是现阶段多波长定标建模常用的一种数据处理方法，经过散射校正后得到的光谱数据可以有效地消除散射影响，增强了与成分含量相关的光谱吸收信息。该方法的使用首先要求建立一个待测样品的“理想光谱”，即光谱的变化与样品中成分的含量满足直接的线性关系，以该光谱为标准要求对所有其他样品的近红外光谱进行修正，其中包括基线平移和偏移校正。在实际应用中，“理想光谱”是很难得到的，由于该方法只是用来修正各样

善用直方图，还你美好明天          图像操作的刚开始，一般都是对点的操作，对像素的统计，而直方图是一个很好的帮助，它可以让你走进图像的世界，用数学的方法进行学习，从具体到抽象，然后从抽象再到模型，可以认为是不同多的的好工具，初入门你值得拥有。         对比度增强：灰度阈值、灰度级分割、线性拉伸、非线性拉伸         图像直方图只是包含辐射信息，没有空间信息。直方图

原理是坐标轴覆盖，就是在坐标轴上显示图然后作为背景一、简单方法之前实现了在figure上把图片做为背景，现在实现在Guide上实现。其实很简单，就是在Fcn的地方添加以下代码：ha=axes('units','normalized','position',[00 1 1]);uistack(ha,'down')II=imread('禾木01.bmp');ima

1、ConvolutionFiltering (卷积滤波) 卷积是一种滤波方法，它产生一幅输出图像（图像上，一个给定像元的亮度值是其周围像元亮度值加权平均的函数） 。用户选择变换核用于图像列卷积生成一个新的空间滤波图像。                                            （1）       选择 Filter > Convolutions

密度分割        当我们有了直方图，或者对图像进行了拉伸增强以后，想进行分类，或者大体看看图像是什么区域的，可以选择密度分割，有灰度分割和彩色分割，其实就似乎一个量化，然后赋予颜色的过程。         密度分割是一种单波段图像彩色变换的方法，它是把单波段的黑白遥感图像按照亮度来分层，对于每一层赋予不同的颜色，使之成为一幅彩色图像，其中每一层包含的亮度值范围可以不同。如果分层方案与

1 引言        数字图像的边缘检测是图像分割、目标识别、区域形状提取等图像处理领域的重要基础。在进行图像理解和分析时，第一步往往是边缘检测。目前边缘检测已经成为机器视觉领域最活跃的课题之一，其研究具有非常重要的理论意义和实际应用价值。传统的边缘检测方法的检测精度最高只能达到一个像素级，但是，随着科学技术的飞速发展，工业检测等应用对精确度的要求不断提高，传统的像素级边缘检测方法已经不能满

灰度梯度共生矩阵一、灰度梯度共生矩阵的感知        灰度梯度共生矩阵模型集中反映了图像中两种最基本的要素，即像点的灰度和梯度（或边缘）的相互关系。各像点的灰度是构成一副图像的基础，而梯度是构成图像边缘轮廓的要素，图像的主要信息是由图像的边缘轮廓提供的。        灰度梯度空间很清晰的描绘了图像内各像素点灰度与梯度的分辨规律，同时也给出了各像点与其领域像点的空间关系，对图像