是用于高光谱遥感影像分类的机器学习脚本，其中使用了MLP算法（Multilayer Perceptron Algorithm）对Salinas数据集进行分类。 Salinas数据集是一个常用的高光谱遥感影像数据集，包含了来自13种不同作物和地物的224个像素。在你的Python脚本中，使用了MLP算法对这些像素进行分类。MLP算法是一种基于神经网络的分类算法，其通过多层神经元对特征进行抽象和表达，从而实现高效的分类。在该算法中，使用了反向传播算法对网络进行训练，以便调整网络中的权重和偏置，从而提高分类的准确性。

大气辐射校正是定量遥感的基础性工作,大气校正效果的优劣直接决定后续定量遥感分类和参数反演的精度。文中通过对模拟的多光谱遥感影像数据比较FLAASH和ATCOR两种常用的大气校正方法,以评价二者大气校正效果。

用于测试基于遥感影像的svm、随机森林、lightGBM等机器学习算法

提出了一种融合全局和局部深度特征（GLDFB）的视觉词袋模型。通过视觉词袋模型将深度卷积神经网络提取的多个层次的高层特征进行重组编码并融合，利用支持向量机对融合特征进行分类。充分利用包含场景局部细节信息的卷积层特征和包含场景全局信息的全连接层特征，完成对遥感影像场景的高效表达。通过对两个不同规模的遥感图像场景数据集的实验研究表明，相比现有方法，所提方法在高层特征表达能力和分类精度方面具有显著优势。

包括spacenet、Massachusetts、CHN6-CUG、deepglobe等公开数据集

最近要做个遥感相关的小系统，需要波段组合功能，网上找了可以使用ArcGIS安装时自带的arcpy包，但是Python3.7不能使用现有ArcGIS10.2版本，也不想再装其他版本，所以只能自己想了个办法解决。不过有点笨啊。 思路是： 1.读取需要组合遥感影像波段（此处用OLI）   2.创建数组，把读取的波段按序放进去   3.写入文件，写成tif多波段数据 上代码： from osgeo import gdal import os import numpy as np class GRID: #读图像文件 def read_img(self,filename): datas

本文件为哨兵2号（Sentinel-2）遥感影像数据分幅所用的格网参考系（Military Grid Reference System，MGRS）的.kml格式文件、.shp格式矢量文件。文件具体介绍可以参考https://blog.csdn.net/zhebushibiaoshifu/article/details/128858277。

模糊C均值聚类算法可有效的解决遥感信息的不确定性和混合像元的划分。文中基于matlab平台、采用模糊C均值聚类对遥感影像进行分类,并运用混淆矩阵对分类结果进行了精度评定。实验结果表明,基于模糊C均值聚类使得分类后的图像很好地区分了地物类别,取得了较好效果。

基于DMSP／OLS夜间灯光数据、土地利用数据及其他与人口分布相关的社会经济与生态环境因子，在中尺度区域上研究人口统计数据的空间化及应用。以京津冀地区为研究区，首先获取2010年京津冀地区人口普查数据；然后基于各个相关因子(公路、铁路、河流、坡度、土地利用和夜间灯光)计算概率系数；最后综合各种输入变量和概率系数运用地理信息系统技术把人口普查数据分配到各个像元上。用城市人口普查数据对分配结果进行检验，检验结果为：京津冀地区2010年人口统计数据的空间化结果在城市尺度上的校验准确率可以达到74％以上。此检验结

遥感影像匀色镶嵌分幅处理软件