一、背景：每年终都有一个习惯，就是整理资料进行归档，结果发现手机照片全备份在华为云里，在官网上找了一圈，没找到官方的pc工具用来同步照片。于是找出上次写的程序，看看能不能爬到数据，然而……果然不好用。因为华为在登录上又增加了一些验证机制，譬如：账号保护抓了一下报文，发现逻辑变复杂了很多，部分逻辑还封装在js里。算了，懒得琢磨了，直接用selenium吧。二、实现思路：1、用Python + sel
基于Python的高光谱图像显示高光谱数据：
用到的库：matplotlib 2.23、scipy 1.10、spectral 0.21主要内容：图像显示、类别显示、图像立方体显示、N维特征显示欢迎有兴趣的朋友交流指点。最后，废话不多说直接上代码?import matplotlib.pyplot as plt
from scipy.io import loadmat
import spectral
首先，我们要理解为什么要对“光谱数据进行特征波长优选”以及这是在干嘛，光谱数据可以想象成一长串的彩色条纹，每种颜色对应一个波长，就像彩虹一样。这些颜色的条纹代表了从某种物质（比如植物、矿石或是食品）反射或透过光的特性。通过分析这些条纹，我们可以了解物质的很多信息，比如它是什么成分、有没有污染、熟度等等。
一、前言高光谱成像是遥感中的一项重要技术，它收集从可见光到近红外波长的电磁波谱。 高光谱成像传感器通常提供来自地球表面同一区域的数百个窄光谱带。 在高光谱图像 (HSI) 中，每个像素都可以看作是一个高维向量，其条目对应于特定波长的光谱反射率。HSI 具有区分细微光谱差异的优势，已广泛应用于作物分析、地质测绘、矿产勘探、国防研究、城市调查、军事监视、洪水跟踪等各个领域。二、数据介绍我们将使用帕维亚
文章目录1. 前言2. 方式一：使用python3.方式二：使用ENVI4. 可能遇到的问题参考链接参考书籍 1. 前言 在之前的一篇文章中，介绍了高光谱图像的特点和表达形式。高光谱图像最突出的一个特点拥有大量光谱波段，使得图像堆叠成一个超立方体。由于最近研究需要，需要可视化展示HSI图像的3D立方体。于是，搜索了一些资料，展开了工作。以下是绘制的两种方式。2. 方式一：使用python 这种方
以下内容主要包括四个方面：（1）显示第2到5条光谱反射率和波长的关系（折线图）；（2）显示前四条叶绿素值的条形图（3）显示叶绿素与各个波段的相关性折线图（4）计算植被指数NDVI与叶绿素对应的散点图； 数据下载之后你可以选择将这个表格放在MATLAB运行路径下的bin路径下，那么在代码中则可以直接输入名称调用，也可以随便放在某个文件夹下，那么加载数据的时候就需要提供完整路径。%% 数据导
数据介绍及数据其他操作详见此博客ENVI5.3.1使用Landsat 8影像进行预处理及分析实例操作对于光谱分析，需要在辐射定标的时候定标类型选择反射率Reflectance，这样才可以绘制出各种地物的反射波谱曲线。导入只经过辐射定标的郑州地区影像图reflection.dat（定标类型是Reflectance）。打开工具箱中Spectral——Spectral Libraries——Spectr
参考博文：http://blog.sina.com.cn/s/blog_764b1e9d0102w60s.htmlhttp://blog.sina.com.cn/s/blog_764b1e9d0102x2y2.html1.导入tiff文件（高光谱图像） 高光谱文件下载地址：（下载L1G图像数据） L1G图像已经经过了辐射校正、几何校正、投影配准和地形校正 http://www.gscloud.cn
普通数码相机记录了红、绿、蓝三种波长的光，多光谱成像技术除了记录这三种波长光之外，还可以记录其他波长（例如：近红外、热红外等）光的信息。与昂贵、不易获取的高光谱、高空间分辨率数据相比，中等分辨率的多光谱数据可以免费下载获取，例如：landsat数据、哨兵-2号数据、Aster数据、Modis数据等，这些海量的长时间对地观测数据，蕴藏着丰富的信息。随着无人机行业的快速发展，无人机作为一种低成
目录学习资源简介常用操作基本操作绘制图像处理几何变换形态学操作图像平滑直方图其余API角点检测视频操作 学习资源链接：链接，提取码：3vt7简介安装：pip install opencv-python==3.4.2.17测试：import cv2
# 读一个图片并进行显示(图片路径需自己指定)
lena=cv2.imread("1.jpg")
cv2.imshow("image",lena)
c
高光谱图像重构评价指标及其Python实现高光谱图像重构的评价指标通常有三项。其中部分指标从普通图像变化而来，部分指标只有高光谱图像独有。本文拟从以下两个角度介绍高光谱图像评价指标，并列出基于Python语言的skimage库的对应实现方法。1）从普通图像重构评价指标到高光谱图像重构评价指标2）从普通图像重构评价指标代码到高光谱图像重构评价指标代码一、MSEMSE计算两组数据的均方误差，是最常用的
转载
2023-09-06 11:09:11
83阅读
高光谱遥感数据光谱特征的提取与应用 杜培军
遥感基础知识积累：绝对温度大于0的物体在整个光谱轴上具有连续的光谱曲线高光谱可以有效的描述一些窄而重要的局部光谱特征，可以明显看到高光谱对于光谱频带的描述是详细的。
光谱数据库美国JBL的航空可见光/红外成像光谱仪(AVIRIS)，AVIRIS在0.2-2.45微米的波长范围内获取224个连续的光谱波段图像，波段宽度不大于10n
摘自《基于深度卷积神经网络的高光谱图像分类》徐敏1.Indian Pines 数据集Indian Pines 是最早的用于高光谱图像分类的测试数据，由机载可视红外成像光谱仪（AVIRIS）于 1992 年对美国印第安纳州一块印度松树进行成像，然后截取尺寸为 145×145 的大小进行标注作为高光谱图像分类测试用途。AVIRIS 成像光谱仪成像波长范围为 0.4-2.5μm，是在连续的
Matlab读取高光谱遥感数据1、高光谱遥感数据简介2、两个开源的高光谱遥感数据集3、高光谱遥感数据常用格式3.1 .Mat3.2 .Tif4、Matlab读取高光谱遥感数据4.1 Matlab读取.Mat格式的高光谱遥感数据4.1.1 Matlab代码读取.mat4.1.2 运行结果（整合后）：4.2 Matlab读取.tif格式的高光谱遥感数据4.2.1 Matlab代码读取.tif4.2.
高光谱图像分类一、准备数据二、模型的实现三、创建数据集三、模型训练及测试五、一些备用函数六、对一些问题的思考七、心得体会 这次和上次情况差不多，写这篇文章的本意也是因为老师布置的作业。按要求，阅读论文《HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for Hyperspectral Image Classification》，并对里面的模型（
1.摘要HSI----高光谱图像（Hyperspectral Image）。所捕获的光谱信息以及对应高光谱数据对象之间的非线性关系，使得传统方法无法进行准确的分类。深度学习方法作为一个强有力的特征提取器，被用在高光谱图像分类任务上。1.概括传统机器学习方法用于HSIC上面的不足，然后了解深度学习方法解决这些问题的优势。2.将目前最新的深度学习框架划分为：光谱特征、空间特征和空间光谱特征。3.如何高
1.函数multibandread读取读取多波段二进制影像文件(ENVI主菜单file—save file as—envi standard得到的就是二进制影像文件，有时甚至会看到后缀名为bsq、bil、bip等影像)。 im_hyper = multibandread(filename, size, precision, offset, interleave, byteor
转载
2023-06-16 08:32:37
156阅读
高光谱遥感影像数据集高光谱遥感是将成像技术和光谱技术相结合的多维信息获取技术，可以同时获取目标的二维空间信息与第三维的光谱信息，得到高光谱分辨率的连续、窄波段图像数据。高光谱图像与高分辨率图像、多光谱图像相比的优势在于，它的光谱分辨率高，波段众多，能够获取地物几乎连续的光谱特征曲线，并可以根据需要选择或提取特定波段来突出目标特征；定量化的连续光谱曲线数据为地物光谱机理模型引入图像分类提供了条件；它
转载
2023-09-05 12:46:59
0阅读
从上篇加载的数据开始，在层列表勾选该层。选择菜单命令 高光谱->复制波段数据 。点击后出现下述对话框。图1 选择波段图1左侧列出了所有通道的数据，打勾表示已经选中。点击OK可以将所有选中的通道复制成一个新层，选中所有通道就相当于复制了一个与当前层完全一样的副本。当然有时候我们不需要复制一个完全相同的层。1. 勾选/保存勾选结果勾选需要复制的通道很简单，但是300多个通道每次挑一遍也很费劲。挑
转载
2023-08-07 13:59:28
261阅读
# Python读取拉曼光谱曲线数据的方式
## 引言
在科学研究和工程应用中，拉曼光谱是一种常用的光谱分析技术。Python作为一种强大的编程语言，提供了多种库和工具，可以帮助我们读取和处理拉曼光谱曲线数据。本文将介绍使用Python读取拉曼光谱曲线数据的流程和相关代码。
## 操作步骤
为了更好地理解整个过程，我们将使用下面的表格来展示读取拉曼光谱曲线数据的步骤。
| 步骤 | 描述 |
