主要功能批量读取文件，借助GDAL以及numpy分块遥感数据——固定行列像元数量环境配置主要版本如下：python 3.9.7gdal &n
文章目录前言步骤1.ENVI：打开Image Registration Workflow2.Image Registration Workflow(1)选择GF2为Base Image File，某季节Sentinel2为Warp，然后Next(2)修改该参数为100(3)人为选择5个左右控制点，然后Next(4)删除离谱点(5)在ENVI输出配准好的Sentinel影像为.tiff最后 前言由
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
——————
该数据集包含了 288 个视频片段，共计 261908帧 和 10209 张静态图像，覆盖范围广泛，包括位置（来自中国 14 个不同
第一章：遥感原理的基本概念第二章：遥感平台及运行特点第三章：遥感传感器及成像原理第四章：遥感图像数字处理第五章：遥感图像几何处理第六章：遥感图像辐射处理第七章：遥感图像判读第八章：遥感图像自动识别分类遥感： 遥感即遥远感知，是在不直接接触的情况下，对目标或自然现象远距离探测和感知的一种技术。一般是指电磁波遥感，它是利用电磁波获取物体的信息。遥感判别原理： 遥感之所以能够根据收集到的电磁波来判断地物
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
为了准确进行遥感地质解译,解译者首先应具备一定的地质、遥感知识；其次应对解译区的地质基础、构造格架、灾害地质、地形地貌和水文情况等要有粗略的了解.常用的解译分析方法有：（一）直判法根据不同性质地质体在遥感图像上显示出的影像特征、规律所建立的遥感地质解译标志或影像单元，并在遥感图像上直接解译提取出构造、岩石等地质现象信息，实现地质体解译圈定与属性划分。（二）对比法对未知区
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
683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
引入此次内容是遥感影像的几何校正，我们知道在遥感成像的过程其，传感器生成的图像像元相对于地面目标物的实际位置会发生挤压、拉伸、扭曲和偏移等几何畸变问题，而这些几何畸变问题会给基于遥感图像的定量分析、变化检测，图像融合、地图测量或更新等处理带来误差，所以我们有必要对遥感图像进行几何校正，而在校正过程中的关键问题就是控制点的采集，控制点的采集常用的有三种方式，这三种方式中又常用的通过读取地形图的坐标信
ArcGIS影像解决方案一、前言 现代遥感技术起源于20世纪60年代，长期以来，美国一直是遥感领域发展的领导者，20世纪80年代开始，我国航天事业取得长足进步，发射了一系列遥感卫星，包含风云气象卫星（1988），资源系列卫星（1999），环境减灾系列卫星（2008年以来），高分系列卫星（2013年以来），碳卫星（2016年）等。 &n
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
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
186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
35阅读
遥感影像处理全流程一．预处理二．几何纠正三．图像裁剪四．图像镶嵌和匀色五．图像增强六．遥感信息提取7 后处理参考资料 一．预处理1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频
李国春上一篇 我们演示的数据都是同一天的和来自同一颗卫星的一个传感器。这当然是最简单的理想情况了，实际上可能要比这复杂。首先是位置的准确性。RSD的拼接是基于地理坐标的，准确的地理位置是完美拼接的前提。以现在的技术校正两幅影像使其误差在一个像元之内是可以做到的，这个问题不在这里讨论。就是说假设的前提是影像已经做了合格的几何位置配准。第二个问题是拼接目标的要求。RSD是数据和图像完全分离的
转载
2023-07-31 15:20:48
0阅读
图像预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的流程在各个行业、不同数据中有点差异，而且注重点也各有不同。本小节包括以下内容：数据预处理一般流程介绍
数据预处理的主要步骤介绍
1 数据预处理一般流程数据预处理的过程包括几何校正（地理定位、几何精校正、图像配准、正射
最近在做一个遥感图像处理的任务，觉得比较有意思，就拿出来跟大家分享一下。 这次的任务是遥感图像的阴影提取，看上去好像有一点高大上的样子，让人有些摸不到头脑。我先到网上查找了一下，主要的方法都是用二值化，配合Canny算子或者Sobel算子之类的来提取阴影的面积，但是我觉得这样做比较复杂，而且效果也不一定很好。于是我就变了
目录遥感图像自动识别分类1.基础知识2.特征变换及特征选择3.监督分类4.非监督分类5.非监督分类与监督分类的结合6.分类后处理和误差分析7.提高分类精度的方法8.基于目标的信息提取遥感图像自动识别分类遥感图像自动分类的重要性，遥感图像分类的基本原理，遥感图像分类的具体方法，遥感图像分类的发展趋势。1.基础知识遥感图像的计算机分类: 就是利用计算机对地球表面及其环境在遥感图像上的信息进行
