确定裁剪影像块的信息 遥感影像深度学习用到的数据一般是公开的,为了方便把自己训练模型的所用的数据分享给别人,不用分享整个数据集,记录每个影像块的信息,分享这个信息就很方便。而且,这也方便后续处理,如从这些影像块中进行筛选去除不合格的影像块。 首先确定影像块尺寸,和滑动间隔。 image_size = 256 slide = 2...
首先导入必须的包,其中pandas用于存储每个裁剪影像块(patch)的信息,rasterio用于读取和保存栅格影像数据。 importos importnumpyasnp importpandasaspd importrasterioasrio fromrasterio.windowsimportWindow fromrasterio.transformimportfrom_bounds 确定裁剪影像块的信息 遥感影像深度学习用到的数据一般是公开的,为了方便把自己...
img_window, label_window, mask, transform = overlap(img_src, label_src) 样本制作。 image_size, slide = 256, 256 # 用于记录每个影像块的位置 df = pd.DataFrame(columns=['patch', 'id', 'row', 'col', 'image_size', 'type']) patch_num = 0 patch_pair = 1 height, width = mask.s...
4 提取每个影像块的云和阴影含量 首先定义一个可以根据影像块的信息计算云和阴影含量的函数。上一篇文章用的输入数据和标签都为landsat8,实际应用中标签可能不需要计算云含量(除非是去云或云检测),这时可以在下面的函数中加一个判断,如果这个影像块是标签,直接返回0即可,如6-7行代码所示。 # 数据产品的名字,示例数...