# Python从遥感影像提取岸线
遥感技术近年来在环境监测和资源管理中得到了广泛应用，岸线提取则是其中一项重要的应用。岸线的变化不仅关系到生态环境，也与经济发展密切相关。本文将介绍如何使用Python从遥感影像中提取岸线，提供代码示例，并使用可视化技术表示结果。
## 1. 引言
岸线提取通常涉及许多复杂的图像处理步骤，包括影像预处理、边缘检测和形态学操作等。通过使用Python，我们可以
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
转载
2023-10-19 22:53:42
397阅读
文章目录一、角点特征1. 图像的特征二、Harris和Shi-Tomas算法1. Harris角点检测1.1 原理1.2 实现2. Shi-Tomasi角点检测2.1 原理2.2 实现三、SIFT/SURF算法1.1 SIFT原理1.1.1 基本流程1.1.2 尺度空间极值检测1.1.3 关键点定位1.1.4 关键点方向确定1.1.5 关键点描述1.1.6 总结1.2 SURF原理1.3 实现
转载
2024-09-16 19:39:59
33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
152阅读
# 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
736阅读
# 教你用 Python 实现遥感影像面积提取
遥感影像的面积提取是地理信息系统（GIS）和环境监测中常见的一项任务。以下是实现这一过程的基本流程和示例代码。本文旨在帮助初学者理解如何使用 Python 进行遥感影像的面积提取，具体步骤如下：
## 流程概述
下面是整个遥感影像面积提取的流程：
| 步骤 | 操作 | 描述 |
|------|------|------|
| 1 |
前面我们介绍了Landsat系列卫星遥感影像数据USGS中批量下载多张图像的方法（）。而较之Landsat、Sentinel等遥感数据，MODIS影像数据下载略嫌麻烦，更重要的是其下载方法经常失效，网络访问有时也不太稳定。这里介绍一种基于Earthdata的MODIS批量下载方法，但要注意：截止2021年05月，该方法也变成了只能借助可以使得我们访问外国网站的软件才可以进行下载的方法。 首先
教程传送门遥感资源大放送（下）| 11 个经典遥感数据集遥感影像是开展测绘地理信息工作的重要数据，对于地理国情监测、地理信息数据库更新等意义重大，在军事、商业、民生等领域发挥了越来越重要的作用。近年来，随着国家卫星影像获取能力的提升，遥感影像数据采集效率大幅提升，形成了低空间分辨率、高空间分辨率、宽视角多角度、雷达等多种传感器共存的格局。 轨道中的 Landsat 2 正在收集地球遥感数据
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
309阅读
一、遥感技术遥感技术是指从高空或外层空间接收来自地球表层各类地理的电磁波信息，并通过这些信息进行扫描、摄影、传输和处理，对地表各类地物和现象进行远距离控测和识别的综合技术。从高空或外层空间接收来自地球表层各类地理的电磁波信息，并通过这些信息进行扫描、摄影、传输和处理，对地表各类地物和现象进行远距离控测和识别的综合技术。二、数据获取城市规划中，我们多采用卫星遥感数据。目前国内权威的卫星遥感数据可以在
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
转载
2024-01-19 22:46:02
61阅读
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
转载
2024-04-20 20:34:47
196阅读
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
278阅读
在该专栏上一篇文章中，简单介绍了一些高光谱图像的一些知识。HSI图像的最明显的一个特点就是光谱波段非常多，光谱信息极为丰富。但是有些波段在实际应用中并非是我们所需要的，那么怎么对HSI中的波段进行指定提取，选择我们所需的波段？使用ENVI首先使用打开原始HSI，选择【file】->【Save as
转载
2024-03-13 11:48:57
188阅读
## 如何实现“python提取遥感影像像素值 rasterio”
作为一名经验丰富的开发者，我将指导你如何使用Python中的rasterio库来提取遥感影像的像素值。这将帮助你在遥感数据处理中更加高效地工作。
### 流程概述
首先，让我们来看一下整个操作的流程。下表展示了实现这一任务的步骤：
| 步骤 | 操作 |
| ---- | ---- |
| 1 | 打开遥感影像文件 |
|
原创
2024-03-15 06:10:24
230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. NDVI相机改装原理对于用于拍摄植被的相机，通过对相机改造以使其能捕获蓝色、绿色和近红外波段的光线，而滤除红色波段。因为相机可以同时获取可见光和近红外波段，因此，可以用来获取不同的NDVI（归一化查分植被指数）和ENDVI（增强归一化查分植被指数）数据（www.maxmax.com）。相机改装例子：植物胁迫（Vegetation Stress）：对植物来说，包括任何能导致植物死亡的因素，例如
Building Extraction Based on U-Net with an Attention Block and Multiple Losses（AMUNet）在2020年发表于remote sensing期刊。论文网址：https://www.researchgate.net/publication/341018039_Building_Extraction_Based_on_U-N
原创
2021-12-23 16:46:32
466阅读
