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
——————
第一章：遥感原理的基本概念第二章：遥感平台及运行特点第三章：遥感传感器及成像原理第四章：遥感图像数字处理第五章：遥感图像几何处理第六章：遥感图像辐射处理第七章：遥感图像判读第八章：遥感图像自动识别分类遥感： 遥感即遥远感知，是在不直接接触的情况下，对目标或自然现象远距离探测和感知的一种技术。一般是指电磁波遥感，它是利用电磁波获取物体的信息。遥感判别原理： 遥感之所以能够根据收集到的电磁波来判断地物
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
为了准确进行遥感地质解译,解译者首先应具备一定的地质、遥感知识；其次应对解译区的地质基础、构造格架、灾害地质、地形地貌和水文情况等要有粗略的了解.常用的解译分析方法有：（一）直判法根据不同性质地质体在遥感图像上显示出的影像特征、规律所建立的遥感地质解译标志或影像单元，并在遥感图像上直接解译提取出构造、岩石等地质现象信息，实现地质体解译圈定与属性划分。（二）对比法对未知区
引入此次内容是遥感影像的几何校正，我们知道在遥感成像的过程其，传感器生成的图像像元相对于地面目标物的实际位置会发生挤压、拉伸、扭曲和偏移等几何畸变问题，而这些几何畸变问题会给基于遥感图像的定量分析、变化检测，图像融合、地图测量或更新等处理带来误差，所以我们有必要对遥感图像进行几何校正，而在校正过程中的关键问题就是控制点的采集，控制点的采集常用的有三种方式，这三种方式中又常用的通过读取地形图的坐标信
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
683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
ArcGIS影像解决方案一、前言 现代遥感技术起源于20世纪60年代，长期以来，美国一直是遥感领域发展的领导者，20世纪80年代开始，我国航天事业取得长足进步，发射了一系列遥感卫星，包含风云气象卫星（1988），资源系列卫星（1999），环境减灾系列卫星（2008年以来），高分系列卫星（2013年以来），碳卫星（2016年）等。 &n
遥感影像处理全流程一．预处理二．几何纠正三．图像裁剪四．图像镶嵌和匀色五．图像增强六．遥感信息提取7 后处理参考资料 一．预处理1．降噪处理 由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。 （1）除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑，代表在某些空间频
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
35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
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
186阅读
本文介绍基于ENVI软件，利用“Pixel Based Mosaicking”工具实现栅格遥感影像镶嵌拼接的方法。 首先需要说明的是，本文需要镶嵌的遥感影像并不含地理参考信息，因此仅可以使用ENVI中的“Pixel Based Mosaicking”工具（该工具可以对含有或不含有地理参考信息的图像进行镶嵌），而不是更为先进的“Seamless Mosaic”工具（该工具仅可对含有地理参考信息
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
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
首先加载需要处理的影像，如下所示：然后点击菜单栏中的“生成镶嵌线”，具体参数设置如下： 1. 自动生成镶嵌线 点击“生成镶嵌线”按钮，弹出如下对话框： 处理方式：分为“整个图像”和“有效区域”两种，分别介绍如下：“整个图像”是指图像的所有部分参与自动生成镶嵌线，只有当图像是完整的矩形形状，没有无效区域（比如黑边）时才选择。“有效区域”是指有效的图
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
0阅读
图像预处理是遥感应用的第一步，也是非常重要的一步。目前的技术也非常成熟，大多数的商业化软件都具备这方面的功能。预处理的流程在各个行业、不同数据中有点差异，而且注重点也各有不同。本小节包括以下内容：数据预处理一般流程介绍
数据预处理的主要步骤介绍
1 数据预处理一般流程数据预处理的过程包括几何校正（地理定位、几何精校正、图像配准、正射
思考以下两个问题：1、一幅遥感影像至少好几个G甚至好几十G大小。比如高分二号影像星下点地面像元分辨率全色0.81米，幅宽45.3km，那么总像素可以粗略计算为55925*55925=3127605625个像素（30亿个像素），一幅全色影像像素约为30亿个，这还没有计算多光谱影像像素总数，这样一幅影像对于普通的数码相片，简直是小溪看到了大海，如果以普通的数字图像处理技术处理几乎不可能。2、对于大片区
