在好例子网,分享、交流、成长!
您当前所在位置:首页Others 开发实例一般编程问题 → 遥感影像变化检测算法(IR-MAD、MAD、CVA、PCA)

遥感影像变化检测算法(IR-MAD、MAD、CVA、PCA)

一般编程问题

下载此实例
  • 开发语言:Others
  • 实例大小:7.97M
  • 下载次数:7
  • 浏览次数:150
  • 发布时间:2020-08-21
  • 实例类别:一般编程问题
  • 发 布 人:robot666
  • 文件格式:.zip
  • 所需积分:2
 

实例介绍

【实例简介】
遥感影像场景变化检测经典算法(IR-MAD、MAD、CVA、PCA)算法集锦,包含其算法Code 和 Demo,另外,含有算法的评价函数OA、Kappa、AUC、ROC曲线,分享学习,批评指教。
【实例截图】
【核心代码】
ChangeDetectionCode
└── Change Detection Code
├── covw.m
├── createfigure.m
├── CVADemo.m
├── DAcom.m
├── data
│   ├── major-TestROI.roi
│   └── Taizhou
│   ├── 2000TM
│   ├── 2000TM.HDR
│   ├── 2003TM
│   ├── 2003TM.HDR
│   ├── major-TestROI.roi
│   ├── TaizhouChange
│   ├── TaizhouChange_blackWhite.bmp
│   ├── TaizhouChange_blackWhite.bpw
│   ├── TaizhouChange_blackWhite_unchange.bmp
│   ├── TaizhouChange_blackWhite_unchange.bpw
│   ├── TaizhouChange.hdr
│   ├── TaizhouChange_overall
│   └── TaizhouChange_overall.hdr
├── eigen2.m
├── enviwrite2.m
├── enviwrite.m
├── freadenvi.m
├── IRMAD_Update.asv
├── IRMAD_Update.m
├── KmeansMap.m
├── MADGet.m
├── PCADemo.m
├── PCA.m
└── Test result
├── All Bands CCA EigValues Tendency 10 Iterations_Taizhou.bmp
├── All Bands CCA EigValues Tendency 10 Iterations_Taizhou.fig
├── All Bands CCA EigValues Tendency 30 Iterations_Taizhou.bmp
├── All Bands CCA EigValues Tendency 30 Iterations_Taizhou.fig
├── All Bands CCA EigValues Tendency 50 Iterations_Taizhou.bmp
├── All Bands CCA EigValues Tendency 50 Iterations_Taizhou.fig
├── All Bands CCA EigValues Tendency 70 Iterations_Nanjing.bmp
├── All Bands CCA EigValues Tendency 70 Iterations_Nanjing.fig
├── All Bands CCA EigValues Tendency 90 Iterations_Nanjing.bmp
├── All Bands CCA EigValues Tendency 90 Iterations_Nanjing.fig
├── NanjingChange_110_iterations_ChangeInageWeight_first.tif
├── NanjingChange_110_iterations_ChangeInageWeight_last.tif
├── NanjingChange_110_iterations_ChangeInageWeight_original.tif
├── NanjingChange_50_iterations_ChangeInageWeight_first.tif
├── NanjingChange_50_iterations_ChangeInageWeight_last.tif
├── NanjingChange_50_iterations_ChangeInageWeight_original.tif
├── NanjingChange_70_iterations_ChangeInageWeight_first.tif
├── NanjingChange_70_iterations_ChangeInageWeight_last.tif
├── NanjingChange_70_iterations_ChangeInageWeight_original.tif
├── NanjingChange_90_iterations_ChangeInageWeight_first.tif
├── NanjingChange_90_iterations_ChangeInageWeight_last.tif
├── NanjingChange_90_iterations_ChangeInageWeight_original.tif
├── Nanjing_Kmeans_test_TwoValue DifferImage.bmp
├── Nanjing_Kmeans TwoValue DifferImage.bmp
├── TaihzoutestChang_MAD_Intensity_Image.bmp
├── TaizhouChange_10_iterations_ChangeInageWeight_first.tif
├── TaizhouChange_10_iterations_ChangeInageWeight_last.tif
├── TaizhouChange_10_iterations_ChangeInageWeight_original.tif
├── TaizhouChange_30_iterations_ChangeInageWeight_first.tif
├── TaizhouChange_30_iterations_ChangeInageWeight_last.tif
├── TaizhouChange_30_iterations_ChangeInageWeight_original.tif
├── TaizhouChange_50_iterations_band1.bmp
├── TaizhouChange_50_iterations_band2.bmp
├── TaizhouChange_50_iterations_band3.bmp
├── TaizhouChange_50_iterations_band4.bmp
├── TaizhouChange_50_iterations_band5.bmp
├── TaizhouChange_50_iterations_band6.bmp
├── TaizhouChange_50_iterations_ChangeInage_weight_first.bmp
├── TaizhouChange_50_iterations_ChangeInageWeight_first.tif
├── TaizhouChange_50_iterations_ChangeInage_weight_last.bmp
├── TaizhouChange_50_iterations_ChangeInageWeight_last.tif
├── TaizhouChange_50_iterations_ChangeInage_weight_original.bmp
├── TaizhouChange_50_iterations_ChangeInageWeight_original.tif
├── TaizhouChange_50_iterations_ROC.bmp
├── TaizhouChange_50_iterations_ROC.fig
├── TaizhouChange_70_iterations_ChangeInageWeight_first.tif
├── TaizhouChange_70_iterations_ChangeInageWeight_last.tif
├── TaizhouChange_70_iterations_ChangeInageWeight_original.tif
├── TaizhouChange_Intensity_Image.bmp
├── TaizhouChange_MAD_ChangeInage_weight_last.bmp
├── TaizhouChange_MAD_ROC_001.bmp
├── TaizhouChange_MAD_ROC_001.fig
├── TaizhouChange_MAD_ROC_002.bmp
├── TaizhouChange_MAD_ROC_002.fig
├── TaizhouChange_MAD_ROC.bmp
├── TaizhouChange_MAD_ROC.fig
├── Taizhou_Kmeans_MAD_TwoValue DifferImage.bmp
├── Taizhou_Kmeans_test_TwoValue DifferImage.bmp
└── Taizhou_Kmeans TwoValue DifferImage.bmp

4 directories, 87 files

标签:

实例下载地址

遥感影像变化检测算法(IR-MAD、MAD、CVA、PCA)

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警