基于深度学习的遥感影像语义分割数据预处理

第一次处理数据，不熟练，仅供参考

数据预处理工具：Arcgis
第一步：下载遥感影像tif数据
根据实际需求选择感兴趣的遥感影像区域
数据来源：Google卫星影像

第二步：进行遥感影像目视解译
1、新建shapefile

为矢量数据导入tif影像数据的投影：

以下是导入的tif影像数据后的投影：

2、创建要素
编辑工具——开始编辑——选择刚刚创建的矢量图层

编辑窗口——创建要素
然后就可以绘制矢量图形了

打开矢量数据的的属性表，为创建的图形定义属性（新建字段，填入属性值），可事先创建一个属性字典，定义不同的属性值所代表的实际含义。

第三步：将矢量数据转为栅格数据

此处注意：'Output cell size’应选择影像tif数据，目的是让解译的栅格tif数据的像元与影像tif数据的像元对齐，另外要设置环境，将处理范围也设为影像tif数据的范围，否则后续裁剪出来的两幅栅格tif大小会不一致。

转为栅格后的数据：

第四步：裁剪遥感影像tif为正方形
1、绘制裁剪的矢量范围
新建一个shapefile矢量图层（投影和前面一样，导入tif影像数据的投影）——开始编辑——编辑窗口-创建要素——选择矩形工具

注意：同时按住Shift键+Tab键可绘制水平/垂直的正方形。（按一下Tab键可设置水平/垂直模式，按住Shift键可画正方形）

2、使用Clip工具裁剪tif影像

第五步：根据裁剪后的遥感tif影像裁剪解译栅格tif
1、使用Clip工具裁剪栅格

注意1：将裁剪范围直接设为裁剪后的影像tif数据
注意2：将’NoData Value’值设为特殊值（不与上面的’Type’字段的属性值重复）。

由于矢量转栅格时设置了环境，此步可不用设置环境。

裁剪完成后，查看裁剪后的解译栅格tif数据的属性，以及裁剪后的影像tif数据的属性，检查像元数量是否一致。

第六步：将tif转为mat
根据模型需要，考虑是否需要转为mat格式
参考：
https://blog.csdn.net/weixin_43519707/article/details/108573462

import scipy.io as sio
import skimage.io# tif图
imgpath = r"E:\遥感影像功能区识别\LH_Data\LH_RSclip.tif"
LH_RSclip = skimage.io.imread(imgpath)
# 转为mat
sio.savemat(r"E:\遥感影像功能区识别\LH_Data\LH_RSclip.mat", {'LH_RSclip': LH_RSclip})

基于深度学习的遥感影像语义分割数据预处理相关推荐

深度学习高遥感影像语义分割
深度学习遥感影像语义分割深度学习大家都知道,在计算机视觉领域取得了很大的成功,在遥感影像自动解译方面,同样带来了快速的发展,我在遥感影像自动解译领域,也做了一些微薄的工作,发表几篇论文,我一直关注遥 ...
深度学习高分辨率遥感影像语义分割
深度学习大家都知道,在计算机视觉领域取得了很大的成功,在遥感影像自动解译方面,同样带来了快速的发展,我在遥感影像自动解译领域,也做了一些微薄的工作,发表几篇论文,我一直关注遥感影像自动解译领域, 在北 ...
论文笔记：基于深度学习的遥感影像变化检测综述
论文主要信息本篇博文主要是对该论文进行总结和翻译,如有错漏,欢迎指出.(目前仅对有监督学习部分进行了整理) 标题:Deep learning for change detection in remo ...
第四篇：基于深度学习的人脸特征点检测 - 数据预处理
在上一篇博文中,我们整理了300-W.LFPW.HELEN.AFW.IBUG和300-VW这6个数据集,使用Python将特征点绘制在对应的图片上,人工验证了数据集的正确性,最终获得了223034个人 ...
基于深度学习的遥感应用
文章目录深度学习的发展过程深度学习在遥感中的应用基于深度学习的遥感样例库建设基于深度学习的遥感影像目标及场景检索基于深度学习的建筑物提取基于深度学习的密集建筑物自动检测基于深度学习的道路 ...
遥感识别1——遥感影像语义分割参考文献
语义分割与变化检测 1 背景综述 2 数据集制作 2.1 公开数据集 2.2 数据集制作 3 样本增强 4 模型构建 5 模型训练 6 模型预测 7 变化检测 8 结果后处理 9 工程案例参考文献: ...
应用于语义分割问题的深度学习技术综述（语义分割综述）
应用于语义分割问题的深度学习技术综述基本介绍摘要 1 .引言 2.术语及背景概念 2.1 常见的深度网络架构 2.1.1 AlexNet 2.1.2 VGG 2.1.3 GoogLeNet 2.1 ...
【深度学习】Transformer在语义分割上的应用探索
[深度学习]Transformer在语义分割上的应用探索文章目录 1 Segmenter 2 Swin-Unet:Unet形状的纯Transformer的医学图像分割 3 复旦大学提出SETR:基于 ...
基于深度学习的眼底影像分析最新综述
医学影像是深度学习取得极大成功的一个领域,而眼底图像是其中一个重要的分支.眼底图像是由单目相机捕获到的眼底的2D图像. 使用眼底图像可以用于对眼科疾病诊断分级.对病变点和重要的生物标记进行分割等等,对 ...

基于深度学习的遥感影像语义分割数据预处理

基于深度学习的遥感影像语义分割数据预处理

基于深度学习的遥感影像语义分割数据预处理相关推荐

最新文章

热门文章