基于多时相影像进行地表覆盖变化监测是遥感的一个重要应用，在城市违法建设监测、水政违法建设监测、森林砍伐监测等领域得到广泛应用。由于遥感算法、数据源质量等原因，遥感变化信息提取一般采用目视解译方式进行。本教程介绍采用深度学习方法进行城市建筑物、构筑物、填河、动土、堆土等目标的变化监测。本教程在ENVI5.6+Deep Learning1.1.3中完成。ENVI Deep Learning 1.1.3
文章目录遥感影像中变化检测数据集1. S2MTCP2. Hi-UCD3. SECOND4. CD_Data_GZ5. LEVIR-CD6. LEVIR-CD+7.SLADCD8. HRSCD9. Mts-WH10. WHU Building Change detection Dataset11. Synthetic images and read season-varying remote se
本文介绍基于Python语言，针对一个文件夹下的大量栅格遥感影像文件，基于其各自的文件名，分别创建指定名称的新文件夹，并将对应的栅格遥感影像文件复制到不同的新文件夹下的方法。 首先，我们来看一下本文需要实现的需求。现有一个文件夹，其中有大量.tif格式的栅格遥感影像文件，以及.xml、ovr等格式的遥感影像辅助信息文件，如下图所示。 其中，如上图中紫色框所示，每一景遥感影像文件的文件名称中
转载
2023-12-16 20:48:15
158阅读
OSSIM简介收藏自LiangXu Wang的博客
http://wlx.westgis.ac.cn/311/前一段作遥感影像几何经纠正的模块，尝试过多种实现途径，最终放弃自己写多项式以及重采样而用了GDAL库做了。这几天听同学说起OSSIM，相见恨晚了。找到这个中文的介绍转贴过来备用。没有深入研究，粗粗的感觉就是其强大相当于GRASS在开源矢量GIS中的地位吧。什么是OSSIM？如果你在goog
转载
2024-01-18 14:38:58
77阅读
主要功能 1、借助GDAL拼接分块遥感数据，本文实例数据为GEE平台下载的矩形分块遥感数据 2、将大区域影像裁剪为小块——固定行列像元数量环境配置主要版本如下： &nbs
转载
2023-09-07 17:35:50
123阅读
摘 要高分辨率遥感影像具有包含信息大厦，自然场景复杂等特点，一副遥感影像中往往包含大量的建筑物、场地、植被、农田等多类别地物和地貌要素信息，如何利用高干影响来实施精准快速的地物要素自动化检测提取，一直以来是热点的研究内容，随着深度学习技术的快速发展，许多基于卷积神经网络的目标检测模型被应用到了遥感影像目标检测任务中，取得了不错的成果。到目前为止，现有遥感影像目标检测模型大多有着深层次的结构以及复杂
转载
2024-01-02 17:11:37
94阅读
基于python的gdal读写遥感影像1. gdal介绍2. 代码详解2.1 读取数据2.2 写入影像3. 完整案例 1. gdal介绍GDAL(Geospatial Data Abstraction Library)主要用来读取地理空间数据，现在的GDAL包并不是单独的GDAL，而是集成了GDAL和OGR的。OGR用于处理矢量数据。因此，GDAL既可以用来处理栅格也可以处理矢量文件。2. 代码
转载
2023-08-20 20:51:10
424阅读
一些基于python+gdal整理的小工具#!/usr/bin/env python
# coding: utf-8
from osgeo import gdal
import os
import glob
import numpy as np
import math
def read_img( filename):
'''
读取影像为数组并返回信息
——————
转载
2024-03-01 10:43:50
227阅读
" 当单幅遥感影像较大时，也就是分辨率较高或者像元数量较多时，如果批量处理这些影像，计算机内存可能不够，程序容易报错：内存溢出。这时需要对影像进行分块读取与处理，也是本节所要分享的重点。"按块读取遥感影像在上一节中，程序一次读取并保存了整个波段的数据。但是，如果单幅图像尺寸较大（行列数较大）的话，我们可以将其分解为块来读取。可能是因为你只需要图像中的某一块，或者你的本本没有足够的内存来同
转载
2023-09-07 17:36:05
0阅读
这是我接触算法的第一个程序，是CSDN的一位大佬帮我写的，今天放在这里仅供学习。内容是利用K-means算法实现遥感影像(SAR影像)变化检测图像见右侧相册 #SAR Image change detection by k-means algorithm
#author:**
#date:2020-07-08
'''-------------调用库-------------------
Improvement and expansion of the Fmask algorithm: cloud, cloud shadow, and snow detection for Landsats 4–7, 8, and Sentinel 2 images1.概述1.1.对于LandSat卫星1.2.对于Sentinel卫星1.3.本文贡献2.算法改进和扩展2.2.算法改进2.2.算法扩
转载
2023-08-11 17:54:13
282阅读
之前给大家介绍了基础的遥感数据知识和智能遥感任务，本期就来盘点一下在遥感模型训练中常用的数据集。从应用领域出发，遥感影像样本数据集可分为8个类型：遥感场景识别、土地覆被/利用分类、专题要素提取、变化检测、目标检测、语义分割、定量遥感、其他。[1]本期主要分享7个可用于遥感场景识别/分类的数据集： No.1 UC Merced Land Use● 发布方：Univer
转载
2024-08-08 15:43:30
155阅读
1、 图像导入 在erdas的Import/Export模块中，分别导入TM图像的第1、2、3、4、5、7波段，具体操作步骤为 ① 点击import模块，打开对话框 ② 选择type类型为TIFF ③ media为file； ④ 然后选择输入、输出文件名路径和文件名 ⑤ 分别对123457波段进行导入； ⑥ 在此之前可以选择session－>preference，选择输入、输出主目录。2、
转载
2023-08-13 16:22:15
747阅读
前言因为毕设中的部分内容涉及到卫星遥感影像道路分割，因此去对相关算法做了一些调研。 本文所使用数据集为DeepGlobe，来自于CVPR2018年的一个挑战赛：DeepGlobe Road Extraction Challenge。 D-LinkNet为该挑战赛的冠军算法。考虑到D-LinkNet开发版本较老(Python 2.7、Pytorch 0.2.0)，我对此项目进行了重构，具体工作如下：
转载
2023-08-23 19:54:04
427阅读
文章目录1.查看图像的空间分布特征（一）生成灰度图像（二）生成假彩色图像（三）连接不同视图的影像2.查看图像的像元灰度值3.统计并查看图像直方图4.计算NDVI（一）采用波段运算器计算NDVI（二）采用植被指数计算器计算NDVI5.NDVI计算结果检验（一）对结果图像的空间分布特征进行检验（二）对结果图像进行统计特征的检验6.浏览图像的空间分布及数值统计特征（一）查看空间分布特征（二）查看数值统
转载
2023-08-07 11:36:40
183阅读
引入 此次的内容是遥感图像镶嵌。 在遥感图像处理中，我们有时为了获取更大范围的地面图像，通常需要将多幅遥感图像拼成一幅图像，这就需要使用图像镶嵌对遥感影像进行拼接操作。 我们需要进行图像镶嵌的遥感卫星影像数据有两种情况，南北方向和东西方方向的，所以我们在选择数据时尽量选择成像条件相似（同一轨道、同一时间）的图像。 通过使用PCI软件图像镶嵌模块手动对长沙地区影像（南北
转载
2023-12-26 15:00:09
157阅读
# 遥感影像中的去云处理：Python实现
遥感影像在地理信息系统、农业监测、环境保护等领域发挥着重要作用。然而，云层的存在会严重影响影像的质量与分析结果。因此，去除云层，在保留有效信息的同时提升数据的可用性，显得尤为重要。本文将介绍如何使用Python进行遥感影像的去云处理，并配合示例代码和图示来说明相关过程。
## 去云处理的基本思路
去云处理的方式主要包括基于阈值的去云、插值法和使用深
原创
2024-10-25 06:16:21
817阅读
本章节主要参考《python地理空间分析指南》第六章。文章中的所有操作都可以在ENVI中完成，这里只提供一个图像处理的思路。一、图像波段变换波段变换最常用的地方就是进行图像显示，例如使用假彩色图像以凸显植被信息。图像波段变换即将图像波段的组合顺序重新排列并显示的方法，主要使用GDAL库。下面以一个例子进行实验，首先给出数据的下载地址：http://git.io/vqs41打开原图可以看到，植被明显
转载
2023-11-04 22:12:29
367阅读
1评论
本文是论文《SemiCDNet: A Semisupervised Convolutional Neural Network for Change Detection in High Resolution Remote-Sensing Images》的阅读笔记。 SemiCDNet: A Semisupervised Convolutional Neural Network for Change
目录一、绪论二、基于灰度映射的对比度增强技术2.1 线性映射2.2 动态范围压缩2.3 Gamma校正2.4 对比度增强实例分析三、基于直方图的对比度增强技术3.1 直方图均衡化3.2 直方图规定化3.3 结果分析 一、绪论遥感图像增强是遥感数字图像处理的基本内容，其目的是对遥感图像进行加工，使得对遥感图像解译来说，视觉效果更“好”、更易判读，突出遥感图像中的某些信息，削弱或除去某些不需要的信息
转载
2023-12-14 22:40:39
239阅读
