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
0阅读
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
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
1 绪论随着航空科技工业的不断成熟与发展，我国遥感卫星研制能力不断攀升，发射数量逐年提高，在轨运行的遥感卫星为社会生产及居民日常生活提供了巨大的支持与便利。我国目前同时在轨运行的遥感卫星数量已超过60颗，每天获取并传回的数据规模已达到PB级别。这些数据符合大数据的“4V”特征，即数量多（Volume）、产生速度快（Velocity）、种类多（Variety）和价值密度低（Value），如何从海量数
目录①基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化实践技术应用②基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割实践技术应用③遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）实践技术④基于python深度学习遥感影像地物分类与目标识别、分割实践技术①基于PyTorch深度学习遥感影像地物分类与目标检
# Python遥感影像地物提取
遥感影像地物提取是利用遥感技术获取的遥感影像数据，通过计算机视觉和图像处理算法来识别和提取出感兴趣的地物或特定目标。Python作为一种强大的编程语言，在遥感影像地物提取中应用广泛。本文将介绍使用Python进行遥感影像地物提取的基本原理和常用的代码示例。
## 遥感影像地物提取的基本原理
遥感影像地物提取可以通过以下步骤实现：
1. 数据预处理：读取遥感
原创
2023-08-01 03:22:31
536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
——————
首先对landsat8数据进行预处理 landsat数据已经做过正射校正和地形校正，直接做辐射定标 和大气校正就行了 我们这里用的数据是已经做过预处理的，所以直接操作就行了 对于特征变量的提取可以参考文献，波段运算方式不唯一，特征变量的选取根据自己的需求来 文章目录一、提取单波段二、波段运算（以NDVI为例）三、缨帽变换四、主成分提取 一、提取单波段对于单波段的提取直接输出保存为tif文件就行了然
0.前言近50年来，Landsat系列卫星为我们提供了非常长时间序列的地球表面观测信息，现阶段Landsat卫星仍然在服役，为全球治理和科学研究提供了非常宝贵的数据。图源：USGS现在是大数据时代，作为地球科学领域来说，遥感资料是不折不扣的宝贵的一手实测资料，且数据量非常的庞大。现阶段来说，可能大部分遥感资料生产的速度远远大于我们去利用它的速度，所以大部分遥感资料还是处于沉睡状态，在等待着技术的继
转载
2023-08-29 21:20:54
246阅读
本文介绍利用ENVI的DEM Extraction扩展模块对天绘一号立体相对数据进行DEM提取的过程及实验结果。实验表明，ENVI完全支持国产“天绘一号”卫星数据的读取和各种预处理。数据介绍： 立体相对DEM提取 数字高程模型(Digital Elevation Model)，简称DEM，是用一组有序数值阵列形式表示地面高程的一种实体地面模型。DEM除了包括地面高程
1. 背景土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。目前遥感技术在土地荒漠化监测中起到了不可替代的作用。使用遥感影像数据可以提取土地荒漠化信息，通过遥感影像所表现的不同信息，可以判断土地荒漠化的发生与否以及发展程度等。在进行土地荒漠化信息提取时，常用的方法有人工目视解译方法、
转载
2023-07-11 21:45:37
189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、 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
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
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
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
