介绍了怎么用gdal来处理数据(主要是分块读取、存储的思想；根据目标值对影像像素进行拉伸；去除设置了dataIgnore后的“白噪点”；还有部分对影像的裁剪)，并且结合numpy对处理效率进行提高 gdal只是拿来处理数据，对于缩减时间、提高效率还得是numpy这种数据处理库 专门的东西拿来解决专门的问题！ 而且对于数据量很大的文件，还得是分块读取！ 文章目录分块读取数据开始处理拉伸裁剪、去白点更
转载
2024-02-23 09:27:45
124阅读
引言目前，遥感图像在模式识别、图像分割、地面参数反演研究中有着广泛的应用。遥感图像一般具有多个波段，每个波段均反映了地物的不同波谱特性。相对于图像分类而言，不同的波长位置的波谱反射可能存在较多的信息重叠，一旦信息重叠度达到一定阈值就会降低分类精度和分类器效率(特别是具有几百个波段的高光谱图像)。因此，本文章将从特征筛选的角度介绍遥感图像特征的降维方法。本文所使用的特征筛选方法是卡方检验特征筛选，该
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
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
遥感技术最基本的东西其实就是遥感图像，不管你是设计传感器，还是专注遥感的应用，都是围绕着图像来工作。离开图像来谈遥感，等同于画饼充饥。这部分内容包括： 遥感成像原理和基本概念
遥感图像基本特征
原理和基本概念 图1 被动遥感成像过程遥感成像可分为如图1所示5个部分，对于专注于遥感应用来说，需要重点学习的是传感器部分，即成像装置。&nb
转载
2024-07-31 17:05:47
32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
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
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：我国高分辨率对地观测系统重大专项已全面启动，高空间、高光谱、高时间分辨率和宽地面覆盖于一体的全球天空地一体化立体对地观测网逐步形成，将成为保障国家安全的基础性和战略性资源。未来10年全球每天获取的观测数据将超过10PB，遥感大数据时代已然来临。随着小卫星星座的普及，对地观测已具备3次以上的全球覆盖能力，遥感影像也不断被更深入的应用于矿产勘探、精准农业、城市规划、林业测量、军事目标识别和灾害
转载
2023-11-22 17:43:56
9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
# Python 修改遥感影像中nodata值的实现方法
## 概述
在遥感影像处理中，经常会遇到需要修改nodata值的情况。nodata值是指在遥感影像中表示缺失或无效像素的特殊值。本文将介绍如何使用Python来修改遥感影像中的nodata值。
## 流程
下面是整个处理流程的步骤表格：
| 步骤 | 描述 |
| --- | --- |
| 步骤一 | 读取遥感影像 |
| 步骤二
原创
2023-12-11 10:46:49
2198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
234阅读
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
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
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
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
