ERDAS IMAGINE是ERDAS公司开发的面向企业级的专业遥感影像处理与地理信息系统软件。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的3S（遥感图像处理、地理信息系统和全球定位系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。
2021-09-02 10:39:29
51.29MB
1
一、我们应该制作什么样的数据集？
首先我们应该我们了解到遥感图像的变化检测是建立在多时相的基础上的，也就是说，我们对于神经网络的输入至少是有两张图片的，而且必须有一个标签来知道变化的区域的是那一块。
在双时相变化检测里，一般来说对于遥感图像的标注是在最新的时相里进行的，例如2017和2018年份的两张图片中，我们选择在2018年度的图像上进行标注。
二、双时相遥感图像变化检测的标注
一般来说变化的区域是连通的，是一片一片的，因此对于图像的标注我们可以使用labelme的多边形标注进行标注
1.在conda的环境中运行 conda install labelme指令即可安装
2.运行labelm
2021-08-30 17:45:11
104KB
1
Unet-of-remote-sensing-image
针对高分辨率遥感卫星进行地物识别，主要有15类的地物类型，包括各种农作物，工业用地，河流，水源，建筑物等。利用Unet结构进行语义分割，得到各个地物类型的场景分割图像，Unet结构和官方论文不太一样，自己根据理解进行了一些微调，改变了输出通道的数量，和上采样层后通道数量，每个巻积层后面加了batchNromalize层，正确率有一定的提高，最后finetune的15类分割准确率达到82%。
数据集：主要采用的landsat多通道图像，根据美国官方网站提供的地物标签制作卫星图像的groundTruth,得到23000多张训练图像，每张224×224
美国卫星数据官网：
代码：基于Unet的网络结构，参考keras代码修改为tensorflow版本，其中process.py是制作训练数据用的，将一张7000×8000的大卫星图片根据经纬
2021-08-27 14:29:14
621KB
1
WHU-RS19是从谷歌卫星影像上获取19类遥感影像，可用于场景分类和检索。
相关工作：
-G.-S. Xia, W. Yang, J. Delon, Y. Gousseau. H. Maitre, H. Sun, "Structural high-resolution satellite image indexing". Symposium: 100 Years ISPRS - Advancing Remote Sensing Science: Vienna, Austria, 2010
2021-08-27 10:50:27
99.86MB
1
遥感图像计算机分类：是通过模式识别理论，利用计算机将遥感图像自动分成若干地物类别的方法。如土地覆盖/土地利用分类、森林类型分类、植被类型分类、岩性分类。
2021-08-21 09:17:45
7.24MB
1