Python语言——数据类型引言：Python的灵活性和可扩展性使得它成为GIS数据处理的理想工具，通过使用Python的库和模块，可以进行各种地理空间分析，如缓冲区分析、叠加分析、网络分析等；Python在GIS中还可以用于地图的绘制和可视化，通过使用Python的库和模块，如Matplotlib和Basemap等，可以将地理数据转换为可视化的地图，并进行各种样式和符号的设置。本文及之后文章将基
转载
2024-07-24 21:00:37
94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
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
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
GDAL是空间数据处理的开源包，支持多种数据格式的读写。遥感图像是一种带大地坐标的栅格数据，遥感图像的栅格模型包含以下两部分的内容：栅格矩阵：由正方形或者矩形栅格点组成，每个栅格点所对应的数值为该点的像元值，在遥感图像中用于表示地物属性值；遥感图像有单波段与多波段，波段表示地物属性的种类，每个波段表示地物一种属性。大地坐标：空间数据参考表示地图的投影信息；仿射矩阵能将行列坐标映射到面坐标上。GDA
转载
2023-09-28 16:51:20
119阅读
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
26阅读
遥感影像目视解译1 背景1.1 分类的基础1.2 分类的4种方法1.3 遥感影像解译的概念1.4 遥感影像解译的任务1.5 解译的8大要素2 目视解译2.1 依据2.2 步骤2.2.1 影像预处理2.3 图像解译经验 1 背景1.1 分类的基础遥感卫星影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。1.2
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
转载
2023-10-25 10:03:25
499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
首先加载需要处理的影像，如下所示：然后点击菜单栏中的“生成镶嵌线”，具体参数设置如下： 1. 自动生成镶嵌线 点击“生成镶嵌线”按钮，弹出如下对话框： 处理方式：分为“整个图像”和“有效区域”两种，分别介绍如下：“整个图像”是指图像的所有部分参与自动生成镶嵌线，只有当图像是完整的矩形形状，没有无效区域（比如黑边）时才选择。“有效区域”是指有效的图
转载
2023-11-30 13:11:16
138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
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
决策树之CART算法分类树原理及python实现决策树决策树的特点优点缺点决策树构造决策树生成算法CART算法构造分类决策树python代码实现决策树可视化sklearn构造决策树 决策树决策树模型是一种传统的算法，与人类思维十分相似基本思想：模拟人类进行级联选择或决策的过程，按照属性的某个优先级依次对数据的全部属性进行判别，从而得到输入数据对应的预测输出。树形模型是一个一个特征值进行处理，而线
转载
2024-06-19 22:50:11
36阅读
基于Python的遥感可视化
写在前面首先本文原作者为：Mohit Kaushik最近在做一些基础遥感分析，需要对处理后影像可视化，课本上的方法很原始，带着你造一遍轮子，从地理坐标到转到像素坐标……，本着偷懒的原则，有意中发现这篇遥感可视化文章。使用Python读取图像非常简单，因为针对不同的图像格式，它提供了简便的第三方库，用来读取、可视化、编辑等，例如Matplotlib、Ope
转载
2023-07-03 17:04:15
539阅读
前言 在写波段配准相关代码时经常需要用到tif影像的波段合成和分解，虽然可以用ENVI才处理，但是每次都要打开再设置一些参数有些麻烦，所以本着“独立自主、自力更生”的原则就写了些脚本来处理这个需求。又写了个批量裁剪影像的脚本。这里简单总结归纳一下。1.波段合并# coding=utf-8
import sys
import cv2
import functions as fun
import o
转载
2023-08-20 21:46:48
198阅读
