基于ENVI的多源遥感影像数据融合1：遥感影像数据

envi5.3处理高分二号影像数据详细过程记录

全文根据此篇文章进行数据处理： tm影像辐射定标_高分二号影像数据预处理及裁剪过程 其他参考： 学习笔记---遥感影像辐射定标与大气校正 利用ENVI自带全球DEM数据计算区域平均高程 高分二号数据处理流程（有高分二号的数据信息） GF2有多光谱和全色两个数据，MSS是多光谱的，PAN是全色的，多光谱的分辨率低，全色的高，需要把这两个数据融合，融合之前需要做定标等处理，获取经纬度。 一、多光谱影像处理 1. 辐射定标 以这个为例： 其他路径\2022.4.2...

遥感项目实战：当多源卫星影像拼接时，如何用ENVI快速统一坐标系？

本文详细介绍了在ENVI中处理多源卫星影像拼接时如何快速统一坐标系的高效解决方案。通过解析坐标系冲突根源、ENVI Classic四步转换法、高级批量处理方案及常见问题排错指南，帮助用户解决遥感影像拼接中的坐标系差异问题，提升工作效率。特别适用于Landsat-8、Sentinel-2和高分系列卫星数据的整合。

免费的遥感影像下载网址

1.modis L1B 1km: http://daac.gsfc.nasa.gov/data/dataset/MODIS/01_Level_1/index.html 2. http://edcimswww.cr.usgs.gov/pub/imswelcome/ 3. http://glovis.usgs.gov/ 4.landsat etm+ and tm images for fr...

ENVI遥感影像进阶指南：波段合成与提取的实战技巧

本文深入探讨了ENVI软件中遥感影像处理的核心技巧，重点解析了波段合成与波段提取的实战应用。通过理解不同波段组合（如标准假彩色）的价值，并结合栅格数据管理，帮助用户高效进行植被监测、地物识别等分析，提升遥感影像处理的工作流效率。

Landsat8遥感影像假彩色合成实战：原理、方案与ENVI操作指南

本文详细介绍了Landsat8遥感影像假彩色合成的原理与实战操作。通过解析假彩色合成如何将人眼不可见的近红外等信息转化为可见色彩以增强地物识别，重点阐述了Landsat8各波段特性及经典合成方案（如标准假彩色5,4,3组合），并提供了在ENVI软件中从数据准备、波段堆叠到色彩调整的完整操作指南，帮助读者掌握这一关键的遥感影像分析技术。

ENVI实战：用Seamless Mosaic工具高效拼接多幅遥感影像（含颜色匹配技巧）

本文详细介绍了如何使用ENVI的Seamless Mosaic工具高效拼接多幅遥感影像，包括颜色匹配和直方图匹配等高级技巧。通过优化拼接线、选择合适的参考影像和匹配模式，能够显著提升影像拼接的质量和效率，特别适用于不同时相、不同传感器数据的处理需求。

WorldView-2数据的预处理

1、首先是打开数据 使用ENVI软件的open as选项，然后选择optical sensors,再然后选择digital global，最后选择worldview-2，找到存放数据的路径 分别打开全色和多光谱，P2AS是全色，M2AS是多光谱。 2、图像融合是将多光谱与全色数据进行融合，分为两种具体操作方式： 图像融合（1）：直接对原始数据进行图像融合，多光谱排列顺序是BSQ。使用image sharpening中的NDDiffuse pan sharpening进行融合操作，只需要设置简单参数即可，选

GEE:将sentinel- 1和2数据多源遥感数据融合(哨兵1号数据斑点滤波函数)

哨兵1号和2号是欧空局发射的一系列卫星，主要用于地球观测。它们各自搭载了多种传感器和仪器，可以获取不同波段、不同分辨率和不同时间的遥感数据。这些数据可以用于地球科学研究、环境监测、资源调查等领域。多源遥感数据融合是将来自不同传感器和不同卫星的遥感数据进行整合和处理，得到更加全面、准确和详细的地球信息。常用的融合方法有数据融合、特征融合和决策融合等。利用多源遥感数据融合技术，可以解决单一传感器数据的局限性，提高地球信息提取的精度和可靠性。

多源遥感数据融合方法与应用研究

遥感数据、融合。如何实现高分遥感中道路的提取

多源遥感影像数据融合方法在地学中的应用 (2005年)

应用遥感影像数据融合理论，研究了光学遥感、热红外遥感、微波遥感卫星在地质学中的应用，论述了不同类型的遥感数据及其他地学数据在不同层次上的同一传感器多波段数据融合、不同SAR图像数据融合、HIS变换、遥感影像与地球物理、地质和航磁等数据的融合。结果表明，数据融合技术在突出地质特征信息方面具有能突出线性构造、断裂构造、地形地貌的优势。

多源遥感影像融合研究的现状与发展

多源遥感影像融合研究的现状与发展，桂林，，本文简述了多源遥感影像融合的意义、融合过程、三种融合层次以及主要的融合方法，并提出了现存的问题，以及对多源遥感影像融合的

【Python】多分类算法—Random Forest

【Python】多分类算法—Random Forest 本文将主要就Random Forest（随机森林）的多分类应用进行描述，当然也可运用于二分类中 文章目录【Python】多分类算法—Random Forest前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 本文主要引用的是sklearn 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下（示例）： import nump

电脑蓝牙与ESP32蓝牙连接，让电脑发现ESP32

让PC发现ESP32蓝牙

海康工业相机触发模式详解：软触发 vs 外触发，在C#里如何选与用？

本文深入解析海康工业相机的软触发与外触发模式，详细比较两者的特性差异、适用场景及C#实现方法。通过海康SDK配置指南和实战代码示例，帮助开发者掌握工业相机触发模式的选择与优化技巧，提升自动化检测系统的精确性和可靠性。

硬件基础（4）：（7）ADC电压采集：软件校准（标定、拟合）

在实际项目中，**软件端校准**可以有效弥补硬件方面(分压电阻误差、放大器失调、参考源误差等)带来的系统性偏差，从而提高 ADC 测量精度。下面是一个常见的**多点实测校准**流程与思路，个人感觉传感器标定的原理也只这样。

基于PyQt5的ROS移动机器人的人机交互UI界面

每次做实验的时候，手动rosrun，roslaunch太过麻烦，通过ui界面的话，只需要点点按钮就可以啦 ros_car_py包括运动，建图，导航，ui界面的程序全部打包上传，相互依赖关系见ros_car_py包。 import sys from PyQt5.QtCore import * from PyQt5.QtGui import * from PyQt5.QtWidgets imp...

cartographer如何使用2个反光柱子作为一个landmark

2个反光柱的摆放要求：靠着墙摆，因为我们只能从一侧看到2个反光柱，从两侧都看到至少需要3个反光柱来定位。 landmark检测原理：因为我们是从一侧看到2个反光柱，所以看到2个反光柱在一帧激光数据中会有顺序，有2种情形，如下图 这两种情形，我们发现 情形1: 这种情形2个反光柱子被检测到的激光角度小于180，我们认为大一些激光角度的是原点。 情形2: 这种情形2个反光柱子被检测到的激光角度大于180，我们认为小一些激光角度的是原点。 这样原点就固定下来，并是唯一的。2个反光柱构成的坐标系也就确定了。和激光坐

目前最强的价格行为技术分析AI！大A也能用！还免费！

有球友推荐了一个历史最强的价格行为技术分析AI工具，使用下来确实很惊艳，解决了 很多AI工具黑盒过程，难以回溯的问题，他的决策过程可解释，提供决策树、诊断结果、原始响应、调试信息和未来走势预期。用户能够看到模型为什么选择“做多、做空或不下单”。会检查置信度、入场条件、盈亏比、结构失效和冷却期。最大的优点不是“预测一定准确”，而是把主观的价格行为分析整理成了可重复、可解释、可校验、可持续跟踪的工程化流程。本文记录本项目在 Windows 上的实际部署与启动方法。

LPDDR6来了！到底比LPDDR5/5X强在哪？从速度到总线，技术细节一次说清！

LPDDR6不仅仅是速度快点、位宽大点那么简单，它是一次架构级的革新，从引脚、总线、时钟管理到Burst协议全部升级。🎯我们正在迈入一个“AI优先”的时代，内存架构也必须跟上。对于做芯片、做整机、做系统的你，理解LPDDR6的技术变化，提前规划测试方案，是现在就该启动的动作！

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。