Landsat 5 多光谱数据分类指导手册
原作者：Pratyush Tripathy
翻译：荆雪涵
深度学习在很多邻域使用，解决了许多复杂的问题，在空间分析领域也不例外。既然你已经点进来了，那估计你对遥感影像以及Landsat 5 TM数据有一定的了解。我们只需要了解一下机器学习的基础知识，便可以快速掌握这个教程的内容。如果你没有接触过机器学习，
转载
2024-03-08 22:38:39
10阅读
1.ENVI (The Environment for Visualizing Images) 和IDL(Interactive Data Language)是美国 Exelis VIS公司的旗舰产品。 ENVI 是一个完整的遥感图像处理平台，其软件处理技术覆盖了图像数据的输入/输出、定标、几何校正、正射校正、图像融合、镶嵌、裁剪、图像增强、图像解译、图像分类、基于知识的决策树分类、面
转载
2023-12-13 19:34:54
3阅读
遥感图像的几何变形传感器成像方式引起的图像变形。传感器外方位元素变化的影响。地形起伏引起的像点位移。地球曲率引起的图像变形。大气折射引起的图像变形。地球自转的影响。遥感影像的几何处理粗加工处理即做系统误差的改正。精纠正处理。 （消除图像中的几何变形，产生一副符合某种地图投影要求的新图像）遥感影像精纠正处理的过程：像素坐标的变换，即将图像坐标转变为地图或地面坐标。对坐标变换后的像素亮度值进行重采样。
转载
2023-10-13 21:52:22
116阅读
数据准备遥感影像和面矢量相关代码import arcpyimport osdef mkdir(path): if not os.path.exists(p
原创
2022-06-27 15:55:55
319阅读
在众多自然灾害中地震造成的人员伤亡数量和经济损失最大，近两年来中国汶川。从少量的建筑物的结构破坏，到城市中心或者大型国家社会经济基础建筑的完全摧毁。限于当前技术水平还不能实现有效的地震灾害预报预警，只能通过开展灾后救援，安置灾民和灾后重建等手段，减少灾害带来的生命和财产损失。房屋倒塌作为城镇区域受损程度的重要标志，其数量和分布能够直接反映灾区生命财产损失的情况。因此，快速获取受灾地区房屋倒塌信息，
转载
2024-10-09 10:45:16
84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
1.功能概述1.1 图像分类功能概述
在遥感技术的应用中，对资源分布、自然灾害、区域环境等的监测和分析依附于遥感图像分类。而遥感图像分类是进行图像信息提取的有效手段。随着遥感技术的的不断改进，各领域对遥感图像分类方法的要求越来越高，主要表现在以下几个方面：
分类结果的精确性：各领域对分类结果的精度要求越来越高。
分类速度的时效性：随着近年来遥感数据的快速增长，项目中往往需要进行海量遥感数据的快速处
转载
2023-12-24 07:36:12
204阅读
在地球科学、气象学以及环境监测等领域，遥感影像数据是一种重要的信息源，它们可以提供地表的地形、植被覆盖、气候变化等丰富信息。然而，随着观测技术的进步，我们通常会获得大量的遥感影像数据，如何高效地处理和分析这些数据成为了一项挑战。本文将介绍如何利用 Python 中的 GDAL 库处理遥感影像数据，并通过计算年度平均影像来提取更有意义的信息。1. 环境准备在开始之前，确保你已经安装了 Python
原创
精选
2024-04-10 14:31:23
205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
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
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
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
在使用ENVI对遥感图像进行图像镶嵌、图像裁剪，有很多种方法。下面给大家介绍主要的图像镶嵌、图像裁剪方法和实验步骤。一、实验名称：图像镶嵌、图像裁剪。二、实验目的：1.掌握图像镶嵌的基本方法，学习影像无缝镶嵌工具Seamless Mosaic的使用。2.图像裁剪的目的是将研究之外的区域去除。三、实验内容和要求：1.将多幅遥感影像镶嵌生成无缝的遥感影像，需要先将多幅影像进行几何校正，能使镶嵌后的边缘
转载
2024-01-25 10:42:04
208阅读
1.产品概述 PIE-Basic是一款高度自动化、简单易用的遥感工程化应用软件，主要面向国内外主流的多源遥感影像数据提供遥感图像基础处理、辅助解译、信息提取及专题制图功能。平台采用多核并行计算技术，大幅提高了软件运行效率，能更好的适应大数据量的处理需要；采用组件化设计，可根据用户具体需求对软件进行灵活定制，具有高度的灵活性和可扩展性，能更好的适应用户的实际需求和业务流程。已广泛应用于气
转载
2023-09-06 15:42:18
34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
文章目录前言一、监督分类介绍1. 定义2. 监督分类方法二、geemap中监督分类的详细步骤1. 加载地图底图2. 加载研究区影像数据3. 创建训练样本4. 分类器训练5. 影像监督分类6. 分类结果颜色修改7. 图例和可视化展示8. 分类结果导出总结 前言本节以一个具体遥感影像处理的案例——基于遥感影像的监督分类，介绍一下使用Earth 对遥感影像进行监督分类的具体操作流程。一
转载
2024-03-14 17:26:42
578阅读
这几天一直在帮一个学妹做毕业设计，用深度学习的方法来做遥感图像分类。原来准备将图像分为：林地、道路、裸地、建筑、草地、水域这6个部分，这6部分对应的颜色分别为： 1. 林地：红色 (255, 0, 0) 0xFF0000 2. 道路：黄色 (255, 255, 0) 0xFFFF00 3. 裸地：紫红 (255, 0, 255) 0xFF00FF 4. 建筑：青色 (0, 255, 255
转载
2023-12-16 19:28:14
150阅读
作业1·要求：指定一个网站，这个网站中的所有的所有图片，例如气象网。分别使用单线程和多线程的方式。(限定图片数量为学号后3位)·输出信息:将下载的Url信息在控制台输出，并将下载的图片存储在images子文件中，并给出截图。{一}单线程完整代码（1）解析网页，找到对应翻页信息（2）构建函数，获取网页源代码
`
def getPage_Text(url): #构造网页信息的
转载
2024-05-18 00:06:59
32阅读
