文章目录1. 亚像素1.1 亚像素1.2 亚像素的精度2. 超像素2.2 超像素判别条件2.3 超像素生成算法 1. 亚像素1.1 亚像素亚像素，英文subpixel在相机成像的过程中，获得的图像数据是将图像进行了离散化的处理，由于感光元件本身的能力限制，到成像面上每个像素只代表附近的颜色。例如两个感官原件上的像素之间有4.5um的间距，宏观上它们是连在一起的，微观上它们之间还有无数微小的东西存
转载
2023-11-11 16:33:56
102阅读
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
转载
2023-12-01 13:30:46
138阅读
《珞珈一号01星夜光遥感设计与处理》总结一、夜光遥感简介1、国内外夜光遥感卫星现状（1）DMSP/OLS（https://ngdc.noaa.gov/eog/download.html） 提供年度全球稳定灯光产品（1992-2013，共34幅）（2）NPP/VIIRS（https://ngdc.noaa.gov/eog/download.html） 提供
标题：《Samba: Semantic Segmentation of Remotely Sensed Images with State Space Model》论文：https://arxiv.org/abs/2404.01705源码：https://github.com/zhuqinfeng1999/Samba导读本文将为大家介绍由来自西交利物浦大学、澳大利亚科学与工业研究院矿物研究所以及利
本推文已经过原博主转载同意
以下数据集均为网上开源数据集，若有遗误或不慎涉及侵权，烦请评论或留言联系
目前本项目共整理
场景分类数据集25个（整理完结）；
目标检测数据集28+个（整理完结）；
图像分割数据集33+个（整理完结）；
变化数据集5个；
……
欢迎访问ai studio进行数据下载，https://aistudio.baidu.com/aistud
转载
2021-06-22 20:04:58
10000+阅读
遥感影像通过亮度值或像元值的高低差异（反映地物的光谱信息）及空间变化（反映地物的空间信息）来表示不同地物的差异，这是区分不同影像地物的物理基础。人工解译是目前国内使用最多的一种影像提取方法，如土地普查、地质普查、水利普查等。这类方法非常灵活，但需要一定的经验，特别是像地质解译等，对业务专业要求比较多。本专题分以下内容：遥感图像解译基本概念遥感图像解译预处理解译标志的建立解译关键问题遥感图像解译人们
转载
2023-10-09 21:16:36
100阅读
# 深度学习模型训练的公开遥感数据集实现指南
在深度学习领域，遥感数据集的使用非常广泛。对于刚入行的小白来说，实现一个用于深度学习模型训练的公开遥感数据集的工作流程并不复杂，但需要一定的步骤、知识与工具设施。本文将为您提供一个详细的指南，涵盖整个实现过程及相关代码示例。
## 工作流程
为了更直观地展示我们将要进行的步骤，下面是一个简单的工作流程表：
| 步骤 | 描述
目录看一幅波长与光对应的图1、波段2、波段组合3、多波段数据的三种存储方式4、全色5、彩色6、 多光谱7、高光谱 看一幅波长与光对应的图1、波段波段又称为波谱段或波谱带，在遥感技术中，通常把电磁波谱划分为大大小小的段落，大的成为波段区，如可见区、红外区等；中等的如近红外、远红外等；小的称为波段。 影像数据根据波段的多少可以分为单波段影像和多波段影像两种，单波段影像一般用黑白色的灰度图来描述，多波
转载
2023-11-09 10:03:12
0阅读
# 入门机器学习：遥感公开数据集的获取与应用指南
在人工智能与数据科学的快速发展中，遥感技术尤其引人注目。本文将教会你如何获取公共的遥感数据集，并运用机器学习进行分析。以下是整个流程的概述，你将会了解到每一步所需的具体操作和代码。
## 整体流程概述
以下表格展示了实现“机器学习与遥感公开数据集”所需要的步骤：
| 步骤 | 描述 |
| --- | --- |
| 1 | 确定目标和问题
工业相机是机器视觉系统的核心部件，其相关基础知识是行业内人员必须熟知的。那么分辨率、像素深度、行频、信噪比具体是指什么？CCD和CMOS又该如何去进行选择？今天我们就对这些内容进行一个简单的梳理，希望能够帮助大家了解更多。工业相机基本参数 01 分辨率相机每次采集图像的像素点数，一般对应于光电传感器靶面排列的像元数，如1920*1080。分辨率决定了位图图像细节的精细程度。通常情况下，图
本篇将展示遥感图像预处理步骤，以及在处理消除误差等各个影像因素的方法等。（一）几何精校正与图像配准 引起图像几何变形一般分为两大类：系统性和非系统性。系统性一般有传感器本身引起的，有规律可循和可预测性，可以用传感器模型来校正；非系统性几何变形是不规律的，它可以是传感器平台本身的高度、姿态等不稳定，也可以是地球曲率及空气折射的变化以及地形的变化等。 &
转载
2023-10-15 21:13:33
0阅读
引言 一谈到“遥感”，我们总觉得是如同火箭、导弹之类的高科技，似乎与我们距离很遥远，随着科技的发展，遥感的应用已经慢慢与我们的生活更近了，就像2000年前很多人还是电脑盲，现在已经非常普及了，所以我们也应该了解一些遥感的知识，以便与时俱进。比如，现在我们现在用到的百度地图、导航地图是遥感的二维影像的软件应用，Google earth
1 引 言 截至到20世纪末，全球仍有20％地形起伏在200m以上的地区没有1：5万或更高精度的地形图。有超过1/3的可居住区不具备90m水平分辨率和30m垂直分辨率或更高精度的DEM。其中许多是位于热带亚、热带和地震、火山活动强烈的板块边缘。1999年9月搭载有ASTER传感器的Terra卫星发射和随后的2000年2月SRTM（Shuttle Radar Topography Mapping
转载
2023-11-29 13:11:22
0阅读
# 遥感数据LabelMe深度学习标注入门指南
在遥感数据处理与深度学习模型的训练过程中，数据标注是一个极为重要的环节。通过合理的标注，我们能够让深度学习模型准确地理解和学习遥感图像。本文将引导一位刚入行的小白，如何使用LabelMe工具进行遥感数据的标注，并为后续的深度学习任务做准备。
## 整体流程
在进行遥感数据标注的过程中，整体的流程可以被分为几个关键步骤。下表概述了这些步骤：
|
遥感电磁辐射是比较难理解也是非常重要的内容，对于一般学习遥感专业的人来说，只需要学习个大概，这个大概主要包括你需要理解几个概念以及能从电磁辐射原理上解释一些遥感现象，进而为遥感过程的理解打下一个基础，如果你想在这个环节上有所建树，建议深入阅读徐希孺编写的《遥感物理》。本专题包括内容：地物波谱遥感过程1 遥感与电磁波（一）电磁波
遥感和GIS之间有着天然的，它们可以互为补充。遥感是空间数据采集和分类的有效工具，GIS是管理和分析空间数据的有效工具。两者是空间信息的主要组成部分，有着天然的。遥感具有动态、多时相采集空间信息的能力，遥感影像已经成为GIS的主要信息源。作为GIS的核心组成部分，遥感影像是提供及时信息的理想方式。在遭遇灾害的情况下，遥感影像是唯一我们能够立刻获取的地理信息；在地图缺乏的地区，遥感影像甚至是
转载
2023-09-17 08:25:59
0阅读
遥感技术可以监测植被的变化，主要研究植被的替代指标. NDVI，又称标化植被指数，是目前应用最为广泛的指标，是近红外波段与红色波段的差异经二者之和校正后的结果. 公式为：NDVI=（NIR-RED）/（NIR+RED），该指数值介于-1与1之间： 0代表该区域基本没有植被生长；负值代表非植被覆盖的区域；取值0~1之间，数字越大代表植被的覆盖面积越大，植被的量越多. 云、水体和冰雪在红色及近红外波段
遥感是在一定的距离之外，通过测量而获得某一物体信息的科学。 定量遥感：从对地观测电磁波信号中定量提取地表参数的技术和方法研究。物理量与几何量：定量有物体几何量（空间位置、范围与姿态）与物体物理属性参数量（物理量）。 光谱波段分的越来越细，形成多光谱、高光谱、超光谱。 多光谱：如果采集的数据是细分某特定光谱波长范围，分10个等分到100等分之间，被称为多光谱数据，其遥感方法为多光谱遥感。一
转载
2023-12-06 14:12:52
50阅读
1. 网络错误没有正确训练，损失完全不收敛可能两种原因：错误的input data，网络无法学习。错误的网络，网络无法学习。解决办法：检测数据是否存在可以学习的信息，这个数据集中的数值是否泛化（防止过大或过小的数值破坏学习）。如果是错误的数据则需要去再次获得正确的数据，如果是数据的数值异常我们可以使用zscore函数（数据标准化处理）来解决这个问题。如果是神经网络的错误，则调整网络，包括：网络深度
转载
2023-11-14 09:32:06
95阅读
# 遥感深度学习代码实现指南
遥感深度学习是一项利用卫星或航空器获取的图像数据进行深度学习分析的技术。作为一名刚入行的小白，可能会对如何实现这一过程感到迷茫。本文将详细介绍遥感深度学习的实现流程，并提供代码示例及其注释。
## 1. 实现流程
下面是实现遥感深度学习的基本步骤：
| 步骤 | 描述 |
|------|----------
