本文介绍基于Python语言，针对一个文件夹下的大量栅格遥感影像文件，基于其各自的文件名，分别创建指定名称的新文件夹，并将对应的栅格遥感影像文件复制到不同的新文件夹下的方法。 首先，我们来看一下本文需要实现的需求。现有一个文件夹，其中有大量.tif格式的栅格遥感影像文件，以及.xml、ovr等格式的遥感影像辅助信息文件，如下图所示。 其中，如上图中紫色框所示，每一景遥感影像文件的文件名称中
转载
2023-12-16 20:48:15
158阅读
文章目录数据介绍经验1. 准确率92.55%：SENet、PyTorch（1）数据预处理：加权采样（2）数据增强：采用随机裁剪，随机旋转，随机翻转，随机擦除（3）模型选择：Senet154（4）模型优化：标签平滑、学习率热身（5）模型集成经验2. 准确率93.12%：DenseNet，Keras（1）预处理-最大最小缩放中心化（2）模型选择方面-预训练DenseNet（3）数据增强-Flip，R
转载
2023-12-29 19:02:13
538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
本发明属于图像处理技术领域：，特别涉及一种地物分类方法，可用于土地利用分析、环境保护以及城市规划。背景技术：：遥感图像地物分类，旨在取代繁琐的人工作业，利用地物分类方法，得到输入遥感图像的地物和背景的分类结果图。通过地物分类结果，可以进行土地利用分析、环境保护以及城市规划等多种应用。目前的地物分类方法大致可以分为两类：第一类是基于传统机器学习的方法，通常采用由特征提取器和分类器组成的双层结构。特征
转载
2023-10-31 17:00:52
127阅读
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
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
遥感影像地物分类是指根据影像中的地物的光谱、纹理、形状等特征，对地物目标进行识别的过程。遥感影像地物分类过程主要有两个部分组成，一是遥感影像的特征提取，二是选择合适的分类器进行地物分类。特征参数的提取是遥感影像地物分类中非常关键的一步，对遥感影像的信息进行抽象，可以得到一组描述遥感影像的特征向量，早期的传统遥感影像分类方法一般是基于像素值来进行的，忽略了遥感影像其他重要的特征，它很难适应较高层次的
转载
2023-12-12 11:46:23
164阅读
一、三维遥感底图在大范围的三维地图建设中，采用卫星图像作为三维底图是最好的选择，而免费的遥感图像清晰度无法满足建设 **三维地图的需求，故以**范围为依据，购买取得最新的高空间分辨率卫星遥感图。卫星遥感图像分类大概有：① 卫星类型l 光学卫星：worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos
# 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
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
谷歌的在线地图包括卫星地图、电子地图、和地表地形图三种，打开谷歌在线地图的网址后，可以通过右上角的的图片来切换三种地图。
一、如何切换在线地图
当前显示电子地图时，移动鼠标到地图视图的右上角小图片上面会显示下载拉菜单，在菜单中选择“地形”可以切换到在线地表地形图，取消选择可以切换到电子地图，如下图所示。
当前显示在线电子地图或在线地表地形图时，点击地图视图右上角的小图片可以切
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
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
转载
2023-11-06 16:07:35
83阅读
基于对象（或面向对象）的图像分析分类监督和非监督分类是基于像素的。换句话说，它创建正方形像素，每个像素都有一个类。但是基于对象的图像分类将像素分为具有代表性的形状和大小。这一过程是多分辨率分割或段均值偏移。 多分辨率分割通过像素分组产生均匀的图像对象。它同时生成图像中具有不同比例的对象。这些对象更有意义，因为它们代表图像中的特征。 基于对象的图像分析（OBIA）分割是一个将相似
如同其他数据中存在噪点数据，遥感影像数据也有，但这两个”噪点“的含义是不同的。一些数据中的”脏数据“可能真的是无用的、甚至是错误的，但遥感影像所展现的地面全部是真实的，本不存在”噪点“一说。假设我们使用基于光谱特征的聚类方法对遥感影像进行聚类，有些像素（数据点）就是如此的突兀——它和周边的就是迥然相异。比如一个工业区的遥感影像，我们从高空俯视，水体是水体、植被是植被、混凝土建筑是混凝土，但为什么混
转载
2024-01-04 22:56:22
53阅读
目录一、遥感的分类 1. 按搭载传感器的遥感平台分类（1）地面遥感（2）航空遥感（3）临近空间遥感（4）航天遥感2.按遥感对象分类（1）宇宙遥感（2）地球遥感3.按电磁波段分类（1）紫外遥感（2）可见光/反射红外遥感（3）热红外遥感（4）微波遥感4.按应用空间尺度分类（1）全球遥感（2）区域遥感（3）城市遥感5.按接收电磁波辐射性质分类（1）主动式遥感（2）被动
转载
2023-12-12 16:17:45
353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
遥感影像监督分类是一种通过计算机视觉和机器学习等技术对遥感图像进行分析和处理的过程。这种方法能够有效地从卫星图像和空中照片中提取地面覆盖信息。本文将详细介绍如何使用 Python 实现遥感影像的监督分类，包括协议背景、抓包方法、报文结构、交互过程、工具链集成以及扩展阅读。
### 协议背景
遥感技术的应用在近十年来得到了迅猛的发展，尤其是在环境监测、城市规划和农业管理等领域。根据不同的发展阶段，
1. 基本概念地物的类：具有同种特性的地物集合称为一类。一类地物具有同一标志，不同种类地物具有不同的光谱特性（地物反射和发射电磁波能量的能力） 分类：根据各类样本内在的相似性，采用某种判决准则，将特征空间分割成若干集合 的过程。 2. 基本思想区分不同地物的理论依据：不同的地物类型具有不同的光谱信息和空间信息
转载
2024-03-10 20:56:45
224阅读
最初的遥感影像分类是通过目视解译(濮静娟, 1984)来完成的，对研究人员的主观意识有较强的依赖性，而且效率较低，适用于数据量较小的情况，通常作为其他方法对比的对象。目前的遥感图像分类主要以计算机分类为主，因此按照人工参与的程度可以将分类方法划分为监督分类、非监督分类(陶超等, 2021)。近年来，分类方法逐渐向机器学习的方向发展。传统机器学习方法，如Smolensky的受限玻尔兹曼机(Restr
转载
2023-11-03 19:35:30
441阅读
