针对高分辨率遥感卫星图像采用单一算法难以有效去除不均匀云雾的问题,提出一种基于图像分割和暗原色先验改进方法相结合的优化算法。采用图像分割技术将原云雾图像分割成浓雾部分和淡雾部分。浓雾部分采用加权多尺度Retinex算法进行局部增强去雾处理;淡雾部分采用改进暗原色方法,将暗原色图像去雾模型由RGB颜色空间转换到HSI颜色空间,提取亮度分量,获取准确的大气光值,并采用容差机制优化获取大气透射率,在此基础上采用自动色阶法增强处理,获取去除云雾后的图像。实验对比表明提出的算法能够很好地还原图像细节,有效恢复图像的颜色和清晰度。
2021-12-07 13:54:27 3.76MB 机器视觉 去雾处理 高分辨率 暗原色先
1
知识蒸馏TPU 使用ResNet和简单的ConvNet进行的卫星图像分类器知识蒸馏。 这些模型在TPU上进行了训练。
2021-12-02 21:14:53 1.83MB JupyterNotebook
1
针对这种增强,提出了一种鲁棒且新颖的基于自适应布谷鸟搜索的增强算法。 该算法包括混沌初始化阶段、自适应 Lévy 飞行策略和突变随机化阶段。
2021-11-27 20:53:56 492KB matlab
1
rviz_satellite rviz插件,用于显示从Internet加载的卫星地图。 在不久的将来,该插件将不再增加对ROS 2的支持。对于非官方的ROS 2分支,请参阅 。 为了使用rviz_satellite,请将此程序包添加到您的catkin工作区中。 演示版 该软件包包含用于演示目的的启动文件。 使用它来验证您的安装并开始使用: roslaunch rviz_satellite demo.launch 发射文件将在美国费城伪造GPS位置,并在附近显示 。 您可以在launch/demo.gps编辑经度和纬度值以更改位置。 查看下面的“用法”部分,以了解如何使用机器人的位置和卫星地图。 用法 将一个AerialMapDisplay实例添加到您的rviz配置中。 Topic字段必须指向sensor_msgs/NavSatFix的发布者。 地图图块将缓存到$HOME/.
2021-11-25 16:59:27 677KB C++
1
RoboSat是一个用Python 3编写的端到端管道,用于从航空和卫星图像中提取特征。 特征可以是图像中视觉上可区分的任何内容,例如:建筑物,停车场,道路或汽车。
2021-11-23 21:35:20 1.16MB Python开发-机器学习
1
SATGLOBE4 - 此文件是“SATGLOBE”的更高分辨率版本,应多个用户的要求提供。 SATGLOBE4 以每度四个像素的分辨率呈现完全可操纵的地球卫星视图,并添加了国际政治边界和网格线。 图像是从 NASA 获得的,地球是使用 MATLAB Mapping Toolbox 渲染的。 使用此文件不需要映射工具箱。 为了节省存储空间,这个 m 文件从文件 satglobe4.mat 加载图像数据,然后自己创建经纬网。 此过程允许没有 MATLAB Mapping Toolbox 的用户渲染图形,但计算网格确实需要一些时间。 使用这个技巧,数据存储量大大减少; 然而,一旦图形被渲染,您可能希望将其保存为常规的 MATLAB 图形文件以提高速度。 笔记: (1) 上传的 zip 文件包含您将使用命令“satglobe4”执行的 satglobe4.m 文件,以及也必须在您的 M
2021-11-19 00:39:11 1.19MB matlab
1
kaggle了解云 Kaggle从卫星图像挑战中了解云中第一名解决方案的代码。 要阅读该解决方案的简要说明,请参阅 复制提交 要在不进行重新培训的情况下复制我的提交内容,请执行以下步骤: 运行bash reproduce.sh 安装 所有要求都应在requirements.txt中进行详细说明。 强烈建议使用Anaconda。 conda create -n cloud python=3.6 conda activate cloud pip install -r requirements.txt 准备数据集 下载数据集 下载train_images.zip和test_images.zip并将其解压缩到数据目录。 $ kaggle competitions download -c understanding_cloud_organization $ unzip understandin
2021-11-15 10:11:10 73KB Python
1
高度高分辨率卫星图像的建筑脚印自动分析 主题包括:收集超高分辨率(VHR)卫星图像(分辨率小于5米) 在Python中进行一些脚本/编程,以便: 加载图像; 用不同的方法估算建筑物的占地面积和统计数据; 做一些信息,从输入中派生工作。 在项目期间,对象检测的问题采用了一种新颖的,自底向上的仿真方法: 栅格像元将转换为numpy数组 单元格之间的邻居关系可以通过以下方式创建:Moore或von Neumann邻居模型 相似(带值)和相邻像元应连接到一组像元(组): 可以评估组内聚力(例如,相似度指数,RMSE) 组函数(在迭代过程中在组上调用): 面积(单元数) 内部单元/外部单元(可以通过邻居计数来计算) 组周长:可以从外部单元获取 包括Kong? (Kong数) 周边按键,角度衍生 邻居组等... 通过迭代调用组函数,组可以相互连接。 可以从建筑物中查询建筑物:
2021-10-25 15:14:22 21.02MB Python
1
91卫图助手(谷歌地球版)是全球首款真正的Google Earth影像、历史影像、高程专业下载器。91卫图助手(谷歌地球版)是全球首款真正的Google Earth影像、历史影像、高程专业下载器, 它
2021-10-13 18:33:14 11.21MB 卫星图像下载 91卫图助手 v3.2.1
1
matlab图像去除阴影代码PyFmask 该存储库中的代码非常有待开发,非常试验。 但是,这并不意味着您不应该使用它! 我们鼓励您尝试一下。 如果您对FMask有用,我们希望收到您的来信。 任何问题,绊脚石或问题都可以提出来,这可以很好地集中我们的努力并导致图书馆的改进。 快速开始 您将需要安装以下内容: 我们还没有合适的Python软件包。 您将需要下载存储库并将其本地化到当前工作目录。 IE: git clone https://github.com/akalenda/PyFmask.git cd PyFmask python3 它的用法很灵活,但是要快速入门,请使用Landsat8Scene.py的便捷方法: from Landsat8Scene import Landsat8Scene from Landsat8Scene import EXAMPLE_SCENE_IDS for scene in EXAMPLE_SCENE_IDS: (LandsatScene(scene) .download_scene_from_aws(will_overwrite=False) .da
2021-10-08 15:38:36 5.99MB 系统开源
1