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
《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
Author:HanDi 数据挖掘课上一个小实验，用matlab自带的kmeans函数实现遥感图像分类，代码总体简单整洁，注释详细，可轻松修改自用，但是我觉得自己选的分类结果颜色是丑了点，大家可以通过修改colormap自定义颜色，包括colorbar。从图中不难看出，最后效果图没有经过分类后处理，有很多细小和破碎斑块，使得分类结果的视觉效果不是那么好下面是完整代码，我的MATLAB版本是 202
转载
2024-07-18 16:41:01
215阅读
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
基于SegNet和UNet的遥感图像分割代码解读 目录基于SegNet和UNet的遥感图像分割代码解读前言概述代码框架代码细节分析划分数据集gen_dataset.pyUNet模型训练unet_train.py模型融合combind.pyUNet模型预测unet_predict.py分类结果集成ensemble.pySegNet模型训练segnet_train.py 前言上了一学期的课，趁着寒假有
转载
2024-04-21 15:37:34
200阅读
VGG详解VGG 在2014年由牛津大学著名研究组 VGG（Visual Geometry Group）提出，斩获该年 ImageNet 竞赛中 Localization Task（定位任务）第一名和 Classification Task（分类任务）第二名。 原论文地址：Very Deep Convolutional Networks for Large-Scale Im
转载
2023-12-07 15:28:08
111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
830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
遥感影像语义分割过程记录遥感影像语义分割步骤包括前期原始影像，提取样本，制作标签，转换成tensor数据集，选择模型（deeplab），数据喂入训练，新的影像预测。原始影像样本获取主要采用gdal库，在原始影像中随机生成坐标点采用固定尺寸进行裁剪。代码如下：import gdal
import random
def clip_raster(in_put,out_put,xsize=300,ysi
转载
2024-01-28 14:38:26
561阅读
# 图像分割代码框架Pytorch
图像分割是一种计算机视觉技术，旨在将图像分成不同的对象或区域。在深度学习时代，采用卷积神经网络（CNN）可以有效提高分割的精度。本文将介绍如何使用Pytorch构建一个简单的图像分割框架，并提供相关代码示例。
## 图像分割的基础概念
图像分割主要有以下几种常见方法：
- 像素级分割：对每一个像素进行分类。
- 实例分割：区分图像中的每个实例。
- 语义
原创
2024-10-22 06:38:41
179阅读
基于DeepLab v3的遥感图像语义分割教程前言 前两个月做过一次基于Unet的遥感图像语义分割教程，效果较差。这次选用一个稍微新一点的模型，再跑一次相同的数据集，加上迁移学习的技巧，看看效果怎么样。教程准备开源的图像语义分割DeepLabv3代码（二分类）https://github.com/msminhas93/DeepLabv3FineTuningDeepLabv3+基本原理（借鉴）核心代
转载
2024-01-11 07:14:37
40阅读
遥感图像语义分割是图像分割领域的一个重要的垂类应用，有着广泛的需求和实际应用价值，尤其在灾害评估、农作物产量估计和土地变化监测等领域有着不可替代的作用。相比于自然图像的语义分割，遥感图像语义分割由于有其自身的特殊性和挑战性，如遥感图像存在大量微小目标，这就要求分割方法和结果要足够精细。 自然图像和遥感图像对比基于飞桨PaddleSeg的遥感图像分割Benchmark近年来，随着人工智能技术的发展，
转载
2024-02-29 16:40:08
353阅读
大家好，本文将会进行简单地介绍如何用开源且强大的第三方opencv库来实现对图片进行分割处理。所需要安装的库有：pip install opencv-pythonpip install matplotlibPython接口帮助文档网址：https://docs.opencv.org/4.5.2/d6/d00/tutorial_py_root.html目录图片分割处理篇1.加载图片2.对图片做灰度处
转载
2023-10-08 14:56:02
153阅读
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
本篇文章介绍RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation based on Visual Foundation Model （基于视觉基础模型的遥感实例分割提示学习），代
目录摘要1.引言2.Method2.1.Encoder-Dual Decoder framework2.2.Deformable ResNet as Encoder2.3.Dual Feature Pyramid as Decoder2.4.Anchor-based Height Regression2.5.Multi-task loss for end-to-end optimization3
前言遥感是空间信息技术领域中发展最为迅猛的标志性技术之一，是一门涉及信息科学、空间科学与地球科学的交叉性学科，在资源勘探、环境监测、城市规划、地图导航、灾害监测和军事等方面有着重要的应用价值。本书按照“遥感图像获取——遥感图像处理”的主线进行内容的组织，在编写过程中参考了国内外有关遥感教材的部分内容，结合了该方面的最新研究成果和发展动态，系统地介绍了遥感图像获取与处理的基本原理与方法技术。第1章在
数据说明：采用的数据源是从别人那里拷的2012年全年的Sea Surface Temperature（海标温度，SST）数据，一直想找一份比较好的主成分分析数据，也没找到。 Matlab自身有主成分分析的函数princomp，其中返回的第二个数据就是样本经过K-L变换后的各个成分数据，第三个参数就是特征值大小。（第一个参数貌似是协方差矩阵，我还没看）
PCA的基本原理：
文章尝试利用深度神经网络进行遥感图像分类。经过比较后选择了AlexNet网络模型，为了缩短训练时间和提升分类准确率，对网络模型进行了改进，同时进一步尝试了权值迁移的训练方法。利用公开的遥感影像分类数据集UCM，在改进的网络模型上采用权值迁移的方法进行了试验，试验结果表明，改进后的网络模型具有很好的准确率和效率。 利用深度神经网络模型进行分类时，都是从零开始训练网络，让深层网络通过训练学习到数据集的
本文介绍基于Python中ArcPy模块，基于具有多个面要素的要素类，批量分割大量栅格图像的方法。 首先明确一下我们的需求。现在需要基于一个面要素类，对一个栅格遥感影像加以分割；如下图所示。这个面要素类中有3个部分，我们希望将背景的这个遥感影像也依据这3个要素的划分方式，进行切割，从而得到3个小区域对应的栅格数据。同时，我们有很多张同一空间范围的栅格遥感影像，都希望通过这一方式对其加以分割，
转载
2024-08-28 17:11:37
95阅读
