遥感图像的几何变形传感器成像方式引起的图像变形。传感器外方位元素变化的影响。地形起伏引起的像点位移。地球曲率引起的图像变形。大气折射引起的图像变形。地球自转的影响。遥感影像的几何处理粗加工处理即做系统误差的改正。精纠正处理。 （消除图像中的几何变形，产生一副符合某种地图投影要求的新图像）遥感影像精纠正处理的过程：像素坐标的变换，即将图像坐标转变为地图或地面坐标。对坐标变换后的像素亮度值进行重采样。
转载
2023-10-13 21:52:22
116阅读
纹理分析是对图像灰度（浓淡）空间分布模式的提取和分析。纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理，还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念，可以用来描述任何物质组成成分的排列情况，例如医学上X 射线照片中的肺纹理、血管纹理、航天(或航空)地形照片中的岩性纹理等。图像处理中的视觉纹理通常理解为某种基本模式（色调基元）的重复排列。因此描述一种纹理
Landsat 5 多光谱数据分类指导手册
原作者：Pratyush Tripathy
翻译：荆雪涵
深度学习在很多邻域使用，解决了许多复杂的问题，在空间分析领域也不例外。既然你已经点进来了，那估计你对遥感影像以及Landsat 5 TM数据有一定的了解。我们只需要了解一下机器学习的基础知识，便可以快速掌握这个教程的内容。如果你没有接触过机器学习，
转载
2024-03-08 22:38:39
10阅读
利用python的skimage.feature.texture计算灰度共生矩阵和纹理特征，支持contrast、dissimilarity、ASM、homogeneity、energy、corelation六种，缺少Entropy，需要修改源码，自己添加。 另外，此处计算纹理特征的方向与ENVI不 ...
转载
2021-11-03 21:44:00
1015阅读
2评论
纹理分类是一个很老的topic，但是一些纹理分类的方法为以后的图片分类奠定了基础。
首先定义一下纹理图片，他是一个随一下变量变化的函数：纹理表面材质，反射率，光照，照相机和他的角度。
现在纹理分类比较流行的有两种方法：一个是全局特征，如lbp，gabor，另一种是基于局部特征的，如：harris-laplace，基于局部特征的方法主要基于texton
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
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
" 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
面向对象的信息提取主要针对高分辨率遥感数据，面向对象的分类方法首先对遥感影像进行分割，得到同质对象，再根据遥感分类或目标地物提取的具体要求，检测和提取地物的多种特征（如光谱、形状、纹理、阴影、空间位置、相关布局等），利用模糊分类方法以达到对遥感影像进行分类和目标地物提取的目的。面向对象方法使得影像分类的结果更合理，也更适合于高分辨率遥感影像的分
转载
2024-08-23 20:56:26
400阅读
首先对landsat8数据进行预处理 landsat数据已经做过正射校正和地形校正，直接做辐射定标 和大气校正就行了 我们这里用的数据是已经做过预处理的，所以直接操作就行了 对于特征变量的提取可以参考文献，波段运算方式不唯一，特征变量的选取根据自己的需求来 文章目录一、提取单波段二、波段运算（以NDVI为例）三、缨帽变换四、主成分提取 一、提取单波段对于单波段的提取直接输出保存为tif文件就行了然
转载
2024-04-20 20:34:47
196阅读
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
转载
2024-08-08 15:43:30
155阅读
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
747阅读
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
183阅读
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
427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
转载
2023-12-26 15:00:09
157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
在进行遥感影像分析时，读取影像的特征值是一个重要的环节。尤其在环境监测、资源评估以及城市规划等领域，这些特征值为决策提供了重要依据。本文将以幽默且直接的方式，带你走过“如何读取遥感影像的特征值 Python”的整个过程。
## 问题背景
随着遥感技术的迅速发展，获取高质量的遥感影像并进行特征提取变得至关重要。但是，对于很多人来说，这一过程并不简单。具体来说，主要现象如下：
- 影像读取依赖于
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
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
转载
2024-05-18 00:06:59
32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
