目录一、像素级精度问题1.结合多尺度特征1.1空洞卷积1.2转置卷积和跳跃连接1.3将边缘图集成到分割2.基于数据融合的策略2.1 结合几何和光谱信息来提高分割精度 2.2多种数据+多个网络结构2.3以某一数据作为辅助特征二、非常规数据分析1. 减少光谱数量2.无监督/半监督分割2.1关于自编码器的学习2.2关于无、半监督的示例论文 三、样本较少 1.数据合成、数据增广 2.半监督2.1半监督知识学习 2.2大佬的论文一、像素级精度问题关于解决像素级精度，一共可以分为3大类方法，如下图所示：后处理技术没有详细学习，后面用到了再学吧！下面对结合多尺度特征和基于数据融合的策略做一个详细介绍。1.结
目录一、像素级精度问题1.结合多尺度特征1.1空洞卷积1.2转置卷积和跳跃连接1.3将边缘图集成到分割2.基于数据融合的策略2.1 结合几何和光谱信息来提高分割精度 2.2多种数据+多个网络结构2.3以某一数据作为辅助特征二、非常规数据分析1. 减少光谱数量2.无监督/半监督分割2.1关于自编码器的学习2.2关于无、半监督的示例论文 三、样本较少 1.数据合成、数据增广 2.半监督2.1半监督知识学习 2.2大佬的论文一、像素级精度问题关于解决像素级精度，一共可以分为3大类方法，如下图所示：后处理技术没有详细学习，后面用到了再学吧！下面对结合多尺度特征和基于数据融合的策略做一个详细介绍。1.结
遥感高光谱图像因其高光谱分辨率的特点，并借助深度学习等算法，可以实现地物的精细分类、目标探测和识别，在智慧农业、矿产勘查、城市规划等领域得到了广泛应用。但是高光谱数据集的标注比较困难，目前常用的数据集有限。因此本文总结了现有的高光谱图像分类经典数据集，并提供简要介绍和下载链接。目录1、IndianPines2、KSC3、Salinas4、PaviaUniversity&Center5、WHU-Hi 6、DFC2013Houston 7、DFC2018Houston8、Botswana9、WashingtonDC10、雄安新区航空高光谱遥感影像分类数据集11、Cuprite12、HyRANK1
遥感高光谱图像因其高光谱分辨率的特点，并借助深度学习等算法，可以实现地物的精细分类、目标探测和识别，在智慧农业、矿产勘查、城市规划等领域得到了广泛应用。但是高光谱数据集的标注比较困难，目前常用的数据集有限。因此本文总结了现有的高光谱图像分类经典数据集，并提供简要介绍和下载链接。目录1、IndianPines2、KSC3、Salinas4、PaviaUniversity&Center5、WHU-Hi 6、DFC2013Houston 7、DFC2018Houston8、Botswana9、WashingtonDC10、雄安新区航空高光谱遥感影像分类数据集11、Cuprite12、HyRANK1
引言 现在遥感应用领域，尤其是农业遥感、土地覆盖、矿物识别等等地物精细识别探测任务中，遥感指数已经如日中天。它们的共同特点都是采用了比值运算和归一化(normalization)处理。因此数值范围介于{-1，1}之间。由于进行了比值计算，所以其生成的指数影像还有助于消除地形差异的影响。这些指数创建的基本原理就是在多光谱波段内，寻找出所要研究地类的最强反射波段和最弱反射波段，将强者置于分子，弱者置于分母。通过比值运算，以几何级数进一步扩大二者的差距，使要研究的地物在所生成的指数影像上得到最大的亮度增强，而其他的背景地物则受到普遍的抑制。图1 青藏高原Landsat系列卫星遥感盐分指数（SI）产
引言 现在遥感应用领域，尤其是农业遥感、土地覆盖、矿物识别等等地物精细识别探测任务中，遥感指数已经如日中天。它们的共同特点都是采用了比值运算和归一化(normalization)处理。因此数值范围介于{-1，1}之间。由于进行了比值计算，所以其生成的指数影像还有助于消除地形差异的影响。这些指数创建的基本原理就是在多光谱波段内，寻找出所要研究地类的最强反射波段和最弱反射波段，将强者置于分子，弱者置于分母。通过比值运算，以几何级数进一步扩大二者的差距，使要研究的地物在所生成的指数影像上得到最大的亮度增强，而其他的背景地物则受到普遍的抑制。图1 青藏高原Landsat系列卫星遥感盐分指数（SI）产
这里我们在完成上一次的遥感生态指数，这里我们采用上一次已经得到的RSEI中，进行一个广东省市级区域RSEI的平均值，这里广东省中的7个地级市的生态遥感指数。ui.Chart.PIEFeature.byFeature(features,xProperty,yProperty)通过制定矢量数据的feature绘制方法参数：-ui(ui.Chart.PIEFeature.byFeature)调用者：ui.Chart.PIEFeature对象。-features(Object|List)feature、featureCollection、list、矢量数据或者列表-xProperty(List)x轴属
这里我们在完成上一次的遥感生态指数，这里我们采用上一次已经得到的RSEI中，进行一个广东省市级区域RSEI的平均值，这里广东省中的7个地级市的生态遥感指数。ui.Chart.PIEFeature.byFeature(features,xProperty,yProperty)通过制定矢量数据的feature绘制方法参数：-ui(ui.Chart.PIEFeature.byFeature)调用者：ui.Chart.PIEFeature对象。-features(Object|List)feature、featureCollection、list、矢量数据或者列表-xProperty(List)x轴属
本文介绍基于Python中gdal模块，实现对大量栅格图像批量绘制直方图的方法。 首先，明确一下本文需要实现的需求：现需对多幅栅格数据文件进行依据其像元数值的直方图绘制，具体绘制内容即各栅格图像像素数值的分布情况；所有栅格数据都保存在同一目标路径下，且均为.tif格式；而目标路径下具有其它非.tif格式的文件，以及不需要进行直方图绘制的.tif格式文件，因此需要在绘制前对目标路径下的文件列表加以筛选，只保留需要绘制直方图的栅格文件。 知道了需求，我们便开始代码的书写。具体代码如下：#-*-coding:utf-8-*-"""CreatedonTueJul2012:17:052021@a
本文介绍基于Python中gdal模块，实现对大量栅格图像批量绘制直方图的方法。 首先，明确一下本文需要实现的需求：现需对多幅栅格数据文件进行依据其像元数值的直方图绘制，具体绘制内容即各栅格图像像素数值的分布情况；所有栅格数据都保存在同一目标路径下，且均为.tif格式；而目标路径下具有其它非.tif格式的文件，以及不需要进行直方图绘制的.tif格式文件，因此需要在绘制前对目标路径下的文件列表加以筛选，只保留需要绘制直方图的栅格文件。 知道了需求，我们便开始代码的书写。具体代码如下：#-*-coding:utf-8-*-"""CreatedonTueJul2012:17:052021@a
