首先，对原始影像进行分块，通过伪随机序列选择要嵌入的影像块；然后，采用量化的方法在每一块的DCT低频系数中嵌入水印信息；最后，通过精度约束，对嵌入水印信息后的遥感影像进行误差控制。由于采用了量化的方法嵌入水印信息，其提取过程不需要原始影像的参与，实现了盲检测。实验结果表明，该算法在满足水印算法鲁棒性的同时，也能达到对遥感影像近乎零修改的目标。

河南省遥感影像数据。 【图片信息】 宽度：9472像素 高度：7424像素 波段数：3 位深度：24 比例尺(72DPI)：1:288895 空间分辨率：76.437028米/像素 【坐标信息】 输出坐标系：WGS84坐标系（经纬度坐标） 左上角坐标：110.214843750000000,36.386718750000000 右上角坐标：116.718750000000000,36.386718750000000 右下角坐标：116.718750000000000,31.289062500000000 左下角坐标：110.214843750000000,31.289062500000000

实习时作的一个对遥感影像融合质量进行评价的一个小程序 分别输出均值 标准差 信息熵 相关系数 光谱保真度

电气遥感影像目标检测图像数据集（电塔、光伏等四类目标，含标签）

利用gdal批量提取遥感影像中的单波段，并附带打包代码

基于Python+GDAL快速实现多幅遥感影像的镶嵌

基于潜狄利克雷分配的遥感影像聚类算法聚类个数敏感性分析，齐银凤，唐宏，本文概要叙述了基于狄利克雷分配（Latent Dirichlet Allocation， 即LDA）的遥感影像聚类算法的原理和实现步骤，重点分析了遥感影像聚类算�

在使用pyqt5显示超大遥感影像时，程序卡顿特别严重，遂实现了一种思路，将影像分割成较小的瓦片，然后循环显示到QGraphicsItem中，同时在分片的基础上实现了影像的缩放、平移、范围选取和点选取。 可以展示普通图片、遥感影像、SAR影像等，可以选择图层，实现了若干图像质量评价工具

代码包括遥感影像的单图裁剪、批量裁剪；训练集、验证集和测试集的切分；目标检测和语义分割影像的数据增强；32/16位深度转8位深度。 1、主要用于深度学习领域的遥感影像数据处理，主要针对输入数据为tif，转为jpg、png格式，并将数据裁剪为网络可以训练的大小，可以手动调节裁剪步长（即有重叠或无重叠），可以对单张图像进行裁剪，也可对文件夹内的所有图片进行裁剪。 2、可以根据想要划分的训练集、验证集和测试集的比例进行划分，如9:1:1. 3、本代码还提供了用于目标检测和语义分割任务的数据的增强，主要包括仿射变换、平移翻转等。 4、此外，代码还针对遥感影像位深度32或者16的转为8位的操作。 本代码可修改性强，为方便理解，每部分代码都进行的标注。本文件共包含10个python文件。

EarthMapper EarthMapper的项目存储库。 这是用于非RGB（即多光谱/高光谱）图像的语义分割的工具箱。 我们将努力添加更多示例和更好的文档。 描述 这是过去几年中我们从事的各种项目的分类管道。 当前可用的选项包括： 预处理 MinMaxScaler-在给定特征范围（例如0-1）之间缩放数据（每通道） StandardScaler-将数据（每通道）缩放到零均值/单位方差 PCA-通过主成分分析降低尺寸 标准化-使用每通道L2范数缩放数据 空间光谱特征提取 堆叠卷积自动编码器（SCAE） 堆叠式多损失卷积自动编码器（SMCAE） 分类器 SVMWorkflow-具有给定训练/验证拆分的支持向量机 SVMCVWorkflow-支持向量机，使用n折交叉验证来找到最佳超参数 RandomForestWorkflow-随机森林分类器 MLP-多层感知器神经网络分类器 SSML