遥感影像 深度学习 标注软件
RSLabel 是一款专门针对大幅遥感数据的深度学习标注工具说明：该软件分为桌面版、桌面服务器版、web版。 目前桌面服务器版，配套我开发的深度学习服务器，可实现半自动标注功能，WEB版正在开发中。本软件为作者多年积累的成果，为作者独立开发，底层代码为多家单位提供二次开发，包括中国XX开发研究院、中国XX环保研究院、中国
转载
2023-12-22 13:05:15
31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
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
541阅读
遥感影像中的知识点1 安装环境1.1 ubuntu py3 GDAL环境1.2 win10 py3 GDAL环境1.3 win10 ArcGIS环境1.4 将mask写入shp1.5 TIFF的切割2 提取道路3 提取水面Acknowledge 1 安装环境有幸遇到一个机会，接触到遥感影像，将其中遇到的所有问题记录一下。1.1 ubuntu py3 GDAL环境安装GDAL库apt-get in
转载
2023-12-05 15:54:16
183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
目录一：模拟计算图像直方图和累计直方图二：计算图像的均值、标准差、相关系数和协方差三：利用模板进行卷积运算四：获取彩色图像的直方图五：图像直方图均衡化 一：模拟计算图像直方图和累计直方图① 调用的python工具包： ② 利用生成随机数的函数生成一个256*256的二位数组模拟图像的灰度值的排列： ③ 遍历影像中的每一个像元的像元值，将其存为一个一维数组并进行排序： ④ 由于空值通常用-3.40
转载
2023-08-31 07:30:22
223阅读
主要功能批量读取文件，借助GDAL以及numpy分块遥感数据——固定行列像元数量环境配置主要版本如下：python 3.9.7gdal &n
转载
2024-02-27 10:30:12
93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
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
Python遥感影像定标 Python遥感tiff影像定标 作为一个遥感专业的学生，通常处理影像的第一步就是就是对遥感影像进行定标，使像元尽可能真实的反映地表情况，初学者我们通常是使用软件进行定标，随着学习的深入，我们会逐步地接触多种语言，如IDL、Python等。这篇博客的主要内容是使用python进行遥感tiff影像的定标，IDL语言进行定标语言类似。 文章目录Python遥感影像定标辐射
转载
2023-08-18 20:52:52
381阅读
遥感影像一般具有多个波段，比较常见的影像一般是4波段多光谱影像，比如高分一号、高分二号、资源三号等。这些影像数据一般体量较大，有的几百兆，有的多达几十G，格式一般是16位无符号整型，一般看图软件无法打开显示，需要ArcGIS、ENVI等专业的软件进行查看，有时候很不方便。这篇博客就简单的介绍一下，如何利用Python对遥感影像进行显示，需要用到的库为GDAL和Opencv。正文Python中，一般
转载
2023-06-26 09:53:07
967阅读
遥感数据集制作ArcGis+Python一、选择裁剪合适的影像区域二、创建标签shp文件，目视解译勾画标签区域三、标签shp修改属性并转换为tif文件四、使用python滑动裁剪图像及标签五、数据增强六、训练集（图像，标签）和验证集（图像，标签） 制作遥感数据集首先要有遥感影像数据。影像数据种类、来源很多，这里以GF-2的影像数据为例，制作用于 语义分割的数据集。直接获取的遥感影像需要进行预处
转载
2023-10-01 10:08:46
835阅读
遥感图像语义分割——影像拼接和去除背景 文章目录遥感图像语义分割——影像拼接和去除背景1.影像拼接2.去除背景 之前的两篇文章收到不少朋友的私信，前面文章写的是使用模型训练前的工作，这篇文章介绍一下分割后处理的工作。1.影像拼接 影像拼接指的是当我们需要生成一个产品，如何将一张张的识别结果拼接（如果有需要的话可能还涉及遥感图像的拼接）。这里介绍在python中如何完成影像拼接的工作。直接上代码：#
转载
2023-09-30 19:42:29
128阅读
首先进行opencv安装，先安装Anaconda3，配置好环境，在Anaconda3的python3中安装opencv-python。1、选择遥感影像，本例中选择的遥感影像为南京市玄武湖，影像如下： （实际应用中湖泊数据可能不会这么分明，需要更近一步研究）2、导入cv2和numpy，读取影像import cv2
import numpy
image = cv2.imread("xwh.jpg")3
转载
2023-08-21 22:55:23
309阅读
遥感软件可分为通用遥感图像处理平台和面向特定业务或者区域的业务化遥感平台。前者提供了全面的遥感图像处理与分析工具，可以应用于各个领域，一般由专门的软件公司完成；后者往往针对于某个领域、或某个单位、或某类型数据等提供特定的应用工具，这种平台可以基于底层开发，也可以在现有通用遥感平台上进行二次开发。由于遥感技术在图像处理方面涉及很多专业的算法和模型，基于底层开发遥感业务化平台难度大、周期长，而通用遥感
转载
2023-06-05 17:29:36
252阅读
一、实验目的熟悉遥感影像变化检测的主要方法熟练ENVI遥感影像变化检测流程和主要步骤掌握ENVI 常用变化检测工具二、实验基本要求认真阅读和掌握本实验的程序。上机操作本模块的运行和应用。保存与记录实验结果，并进行分析总结。实验报告中要求有清晰的步骤及相应结果（图或表等）。三、实验时间和地点地点：时间：四、实验条件硬件：PC电脑（Windows 10操作系统）软件：ENVI 5.1参考资料：《ENV
转载
2023-12-18 11:09:20
72阅读
本文讲述了遥感影像和DEM从获取、处理、切片到Cesium应用的一系列流程
1. 数据获取笔者这里使用的是哨兵一号（Sentinel-1）、ALOS的遥感影像和ALOS的DEM数据下载地址为：ASF Data Search (alaska.edu)ASF（Alaska Satellite Facility） DAAC是美国国家航空航天局阿拉斯加卫星设备处用来
转载
2023-12-16 20:06:47
62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
# 遥感python分类实现指南
## 1. 概述
本文将介绍如何使用Python实现遥感数据的分类。遥感数据分类是遥感图像处理中的一项重要任务，它可以将遥感图像中的不同地物或地物类型进行自动识别和分类。Python作为一种功能强大的编程语言，提供了丰富的库和工具，可以帮助我们完成这个任务。
在本指南中，我将向你展示一个完整的遥感数据分类流程，包括数据准备、特征提取、分类模型训练和评估等步骤
原创
2023-09-03 11:47:07
194阅读
点赞
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评估中。最近
转载
2023-11-30 17:15:26
2阅读
