一、遥感科学与技术部分基础知识思维导图 二、知识点补充理解（1）电磁辐射的度量前置补充定义：什么是立体角？ 遥感中视场角一般都为锥体。锥体的立体角大小定义为以锥体的顶点为球心作球面，该锥体在球表面截取的面积（锥体底部在球体表面的投影）与球半径平方之比。单位为球面度（sr）。 &nbs
1.介绍针对在使用传统图像处理工具时可能遇到的困难，深度学习已成为医疗保健领域的主要解决方案。因为医学图像比标准图像更难处理（高对比度、人体的广泛变化……）深度学习用于分类、对象检测，尤其是分割任务。在分割方面，深度学习用于分割人体器官，如肝脏、肺和……或分割来自身体不同部位的肿瘤。医学图像有很多不同的类型，例如 MRI（主要用于脑肿瘤分割）、CT 扫描、PET 扫描等。本文将重点介绍 CT 扫描
转载
2024-05-31 14:02:27
86阅读
前言这些代码均是使用最基础的方法，通过一步一步迭代过程来理解算法的原理及实现过程，并不采用于实用工程，读者以此作为学习参考即可。监督分类监督分类的概念：首先使用训练样本学习一个分类器，再对测试样本进行分类。图像分类的两个步骤：特征提取与分类算法。特征提取：颜色特征向量。分类 训练过程：使用训练样本学习分类器。 测试过程：使用学习好的分类器对测试样本分类。分类算法：感知器算法。线性判别函数 那么，如
转载
2024-08-12 13:07:11
77阅读
一、CBIR技术简介
传统的图像检索过程，先通过人工对图像进行文字标注，再利用关键字来检索图像，这种依据图像描述的字符匹配程度提供检索结果的方法，简称“以字找图”，既耗时又主观多义。基于内容的图像检索客服“以字找图”方式的不足，直接从待查找的图像视觉特征出发，在图像库（查找范围）中找出与之相似的图像，这种依据视觉相似程度给出图像检索结果的方式，简称“以图找图”。基于内容的图
遥感影像去黑边：
方法一：copy raster
Input Raster：输入需要去黑边的影像；
Output RasterDataset：设置去黑边后影像的位置；
IgnoreBackground Value：设置要忽略的像元值，这里将像元值为0的抹掉。
如果你的研究数据中也有0，也就是说部分0值像元为有效
转载
2024-07-09 14:13:35
106阅读
基于Faster rcnn pytorch的遥感图像检测代码：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0数据集使用RSOD遥感数据集，VOC的数据格式如下： RSOD是一个开放的目标检测数据集，用于遥感图像中的目标检测。数据集包含飞机，油箱，运动场和立交桥，以PASCAL VOC数据集的格式进行标注。 数据集包括4个
转载
2023-12-27 14:08:23
485阅读
数据集使用的数据集是kaggle的Semantic segmentation of aerial imagery 其数据的组织形式为项目结构utilsdataConvert.pydataConvert中主要包含数据的变换过程函数作用loadColorMap用于加载标签的颜色映射voc_colormap2label获取颜色标签到数值标签的映射关系voc_rand_crop用于裁剪数据voc_labe
目录遥感动态监测 1. 动态检测概述 2. ENVI中的动态检测工具 3. 详细操作步骤 &nb
《Meanshift 遥感图像分割方法与应用研究》 这是是一篇博士论文，里面将涉及到的遥感分割方法很详尽的介绍了出来，需要好好研究研究一下。顺便学习一下高质量的论文应该如何去写，大体有个相应的感知。1、目前图像分割方法存在的特点是：一是不存在通用的分割算法，二是分割算法过分依赖于先验知识。遥感 图像具有数据量大、纹理细节丰富、地物表现出明显的同物异谱等特点，高分辨率的图像往往更加适应先分割后提取地
转载
2024-08-28 10:14:46
119阅读
1. 概述整个工程已经上传个人的 github https://github.com/lovewinds13/QYQXDeepLearning ，下载即可直接测试，数据集文件因为比较大，已经删除了，按照下文教程下载即可。论文下载：ImageNet Classification with Deep Convolutional Neural Networks2. AlexNetAlexNet 是 20
转载
2024-07-30 16:20:23
24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。
转载
2024-07-09 22:40:15
60阅读
1.项目背景：1.1 遥感变化检测介绍当今，遥感技术已经成为获取和分析地球空间信息的重要手段。在环境监测、资源调查、灾害预警等领域，遥感图像都发挥着不可替代的作用。然而，随着时间的推移，遥感图像中往往会出现各种异常变化，如植被覆盖度变化、建筑物位置变动、道路迁移等，这些变化会对相关领域的决策和管理产生重要影响。因此，如何快速准确地检测和识别遥感图像中的变化，提高其精度和可靠性，已成为遥感应用领域的
一、点特征提取点特征主要指图像中的明显点，如房屋角点、圆点等，在图像匹配合遥感影像定位中很有用。用于点特征提取得算子称为有利算子或兴趣算子。自七十年代以来出现一系列各不相同、个有特色的兴趣算子，叫知名的有Moravec算子、Hannah算子与Foistner等。 下面以Moravec算子为例说明点特征提取：Moravec算子的基本思想是，以像元的四个
转载
2024-01-04 19:44:20
193阅读
随着无人机自动化能力的逐步升级，它被广泛的应用于多种领域，如航拍、农业、植保、灾难评估、救援、测绘、电力巡检等。但同时由于无人机飞行高度低、获取目标类型多、以及环境复杂等因素使得对无人机获取的数据处理越来越复杂。最近借助深度学习方法，基于卷积神经网络的无人机目标识别取得了令人印象深刻的结果。深度卷积网络采用“端对端”的特征学习，通过多层的特征抽取，它揭示隐藏于数据中的非线性特征，能够从大量训练集中
转载
2023-11-25 19:24:19
18阅读
PyTorch中的遥感图像数据集包括以下几种：EuroSAT：该数据集包括27个类别的遥感图像，共有约27,000张图像。每个类别都包括约1,000张图像。该数据集可用于分类任务。SEN12MS：该数据集包括了L-波段和C-波段的遥感图像，总共有许多张图像，可以用于各种任务，如分割、分类、检测等。NWPU-RESISC45：该数据集包括45个类别的遥感图像，其中包括飞机、桥梁、森林等不同类型的物体
转载
2023-11-07 05:34:15
38阅读
目录专题一：深度卷积网络知识详解专题二：PyTorch应用与实践（遥感图像场景分类）专题三：卷积神经网络实践与目标检测专题四：卷积神经网络的遥感影像目标检测任务案例【FasterRCNN】专题五：Transformer与遥感影像目标检测专题六：Transformer的遥感影像目标检测任务案例 【DETR】专题七：深度学习与遥感影像分割任务专题八：深度学习下的ASL（机载激光扫描仪）点云数据语义分类
转载
2023-12-27 22:41:24
24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
转载
2024-03-06 00:04:05
133阅读
卫星地图简称卫星图，确切的说法是卫星遥感图像，也叫卫星影像。所谓遥感即遥远地感知。卫星遥感即通过卫星在太空中探测地球地表物体对电磁波的反射和其发射的电磁波，从而提取这些物体的信息，完成远距离识别物体。 将这些电波信息转换、识别得到的图像，即为卫星图。遥感卫星影像作用卫星地图，又称“卫星遥感图像或是卫星影像”，顾名思义，是借助卫星为媒介，向用户真实反馈地球地表面貌的图像。与传统意义的地图不同，卫星地
转载
2024-08-15 16:04:49
32阅读
报告将总结已有的基于深度学习的遥感影像语义分割方法和变化检测方法，并介绍一种基于对象的影像语义分割方法和一种基于深度监督融合网络的高分影像变化检测方法；对于在研究方向上长时间难以取得突破的同学，报告人将分享自己从GIS向RS的科研转向之路。人物名片：张晨晓，武汉大学测绘遥感信息工程国家重点实验室2016级博士，师从乐鹏教授，以第一作者发表SCI论文三篇，获得博士国家奖学金、中海达奖学金等。本次报告
引言：随着遥感技术和无人机技术的快速发展，我们获取高分辨率图像的能力越来越强。然而，如何从这些海量的图像数据中提取有用的信息，尤其是进行像素级的语义分割，成为了一个亟待解决的问题。本文将介绍图像语义分割中的关键技术，包括编码器-解码器结构、多尺度和特征融合策略以及关系建模方法，并特别探讨 Segment Anything 这一新兴技术在遥感与无人机图像语义分割中的应用。遥感影像分割，源码下载（点击
