01
遥感图像融合概述
什么是遥感图像融合 · 融合的目的与意义 · 多源数据整合的概念
基础概念
02
遥感数据源基础
光学遥感数据 (Landsat, Sentinel-2, MODIS) · SAR · 高光谱
LandsatSentinel-1
03
图像预处理基础
辐射定标 · 大气校正 (6S, FLAASH) · 几何校正 (正射校正)
预处理校正
04
图像配准技术
SIFT/SURF特征配准 · 区域配准 · 自动化配准流程
SIFT配准
05
像素级融合方法
IHS变换 · PCA融合 · Brovey · Gram-Schmidt
IHSPCA
06
特征级融合方法
小波变换融合 · 拉普拉斯金字塔 · 高通滤波融合
小波金字塔
07
决策级融合方法
投票融合 · 贝叶斯融合 · D-S证据理论
决策贝叶斯
08
经典融合算法实战
Python实现IHS、PCA、Brovey融合
Python实战
09
深度学习融合方法
CNN融合 (PCNN, DeepCNN) · 基于GAN的融合
CNNGAN
10
多源数据整合框架
数据归一化 · 时空对齐 · 重采样策略
框架对齐
11
光学与SAR数据融合
光学-SAR互补 · 融合策略 · 洪水监测案例
SAR光学
12
高光谱与多光谱融合
高光谱锐化 · 光谱保真度 · HySure算法
高光谱HySure
13
时空融合技术
STARFM · ESTARFM · FlexSTARFM
时空STARFM
14
融合质量评估
主观评价 · RMSE, ERGAS, SAM, UIQI, SSIM
指标SSIM
15
遥感数据整合中的云计算
Google Earth Engine · AWS · 阿里云
GEE云计算
16
数据格式与标准
GeoTIFF · HDF5 · NetCDF · COG
GeoTIFFCOG
17
元数据管理
ISO 19115 · STAC规范 · 元数据提取与存储
STAC元数据
18
数据融合中的尺度问题
尺度效应 · 尺度转换 · 多尺度融合策略
尺度多尺度
19
时间序列数据整合
时间序列重建 · 缺失值插补 · 趋势分析
时间序列插补
20
数据融合中的噪声处理
去噪方法 (滤波, 小波) · 异常值检测
去噪滤波
21
多源数据融合在农业中的应用
作物分类 · 长势监测 · 产量估算
农业作物
22
多源数据融合在城市遥感中的应用
城市扩张监测 · 不透水面提取
城市不透水
23
多源数据融合在灾害监测中的应用
地震 · 洪水 · 森林火灾
灾害应急
24
多源数据融合在生态环境中的应用
植被覆盖度 · 水体监测 · 碳储量估算
生态碳汇
25
数据融合中的不确定性分析
误差传播 · 蒙特卡洛模拟 · 贝叶斯不确定性
不确定性蒙特卡洛
26
自动化融合流程构建
使用Python构建端到端融合Pipeline
Pipeline自动化
27
融合结果的存储与发布
WMS · 瓦片服务 · 数据共享
WMS发布
28
前沿技术：自监督与Transformer
自监督学习融合 · Transformer · 物理引导融合
Transformer前沿
29
融合项目实战
基于Sentinel-2和Sentinel-1的作物分类融合
实战Sentinel
30
课程总结与展望
融合技术发展趋势 · 挑战与机遇 · 学习资源推荐
总结展望