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。

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。

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。

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。我们的算法对高时间分辨率 NDVI 时间序列有效，用户可根据需要设计数据处理方式。示例文件中包含 2016_Heilongjiang_dadou_raw_000.txt 时间序列 NDVI 数据，由 MOD09GQ 数据计算得出。

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()

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。

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。

本软件包实现了灰度和彩色图像的去噪，使用了斯塔菲斯氏菌通用降噪网络（UDNet），这是一种新型CNN架构。该代码首次在2018年6月的IEEE计算机视觉与模式识别会议（CVPR）中展示。如果您在研究中使用此代码，请引用相应论文。详细信息和许可证请参阅LICENSE.txt文件。UDNET_DENOISE_DEMO函数展示了灰度和彩色图像去噪的训练模型，所有相关文件均在network-inference文件夹中。另外，BSDSValidation脚本可用于验证BSDS68数据集上每个模型的性能。matlab/custom_layers文件夹包含了CVPR中描述的所有CNN层，而matlab/+misc文件夹则包含其他辅助功能。matlab/custom_mex文件夹中的cpu和gpu mex文件用于定义非本地网络层。