“Python+”集成技术高光谱遥感数据处理与机器学习教程

133 篇文章 2 订阅
81 篇文章 1 订阅

原文链接:“Python+”集成技术高光谱遥感数据处理与机器学习教程icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247604166&idx=2&sn=ba7fbcd8ab82e09b460d614675720bc8&chksm=fa821621cdf59f374e2d75cf916106b81ec084fb20a3027cc425e47458beb06c482ce11f0f6c&token=1867865188&lang=zh_CN#rd第一:高光谱数据处理基础

一:高光谱遥感

01)高光谱遥感

02)光的波长

03)光谱分辨率

04)高光谱遥感的历史和发展

图片

二:高光谱传感器与数据获取

01)高光谱遥感成像原理与传感器

02)卫星高光谱数据获取

03)机载(无人机)高光谱数据获取

04)地面光谱数据获取

05)构建光谱库

图片

三:高光谱数据预处理

01)图像的物理意义

02)数字量化图像(DN值)

03)辐射亮度数据

04)反射率

05)辐射定标

06)大气校正

资源02D高光谱卫星数据辐射定标与大气校正

图片

图片

四:高光谱分析

01)光谱特征分析

02)高光谱图像分类

03)高光谱地物识别

04)高光谱混合像元分解

(1)使用DISPEC 对光谱库数据进行光谱吸收特征分析

(2)使用ENVI的沙漏程序对资源02D高光谱卫星数据进行混合像元分解

图片

图片

第二:高光谱开发基础(python)

一:Python编程

01)Python

02)变量和数据类型

03)控制结构

04)功能和模块

05)文件、包、环境

图片

图片

二:Python空间数据处理

01)空间数据Python处理

02)矢量数据处理

03)栅格数据处理

图片

三:python 高光谱数据处理

01)数据读取
02)数据预处理
辐射定标、6S大气校正
03)光谱特征提取
吸收特征提取
04)混合像元分解
PPI、NFINDER端元光谱提取
UCLS、NNLS、FCLS最小二乘端元丰度计算

(1)高光谱数据读取
(2)高光谱数据预处理
(3)光谱特征提取
(4)混合像元分解

图片

图片

第三:高光谱机器学习技术(python)
一:机器学习与python实践
01)机器学习与sciki learn 
02)数据和算法选择
03)通用学习流程
04)数据准备
05)模型性能评估
06)机器学习模型

图片

图片

二:深度学习与python实践
01)深度学习
02)深度学习框架
03)pytorch开发基础-张量
04)pytorch开发基础-神经网络
05)卷积神经网络
06)手写数据识别
07)图像识别

图片

图片

三:高光谱深度学习机器学习实践
01)基于scklearn高光谱机器学习
02)使用自己的数据进行机器学习(envi标注数据)
03) 高光谱深度学习框架
04) 高光谱卷积网络构建
05)使用自己的数据进行深度学习
 

图片

第四:典型案例操作实践
一:矿物填图案例

01)岩矿光谱机理
02)基于光谱特征的分析方法
03)混合像元分解的分析方法

(1)矿物高光谱特征分析习
(2)基于混合像元分解矿物填图

图片

二:农业应用案例
01)植被光谱机理
02)农作物病虫害分类
03)农作物分类深度学习实践

(1)农作物病虫害机器学习分类
(2)农作物分类深度学习练习

图片

三:土壤质量评估案例
01)土壤光谱机理
02)土壤质量调查
03)土壤含水量光谱评估方法
04)土壤有机质含量评估与制图

(1)基于9种机器学习模型的土壤水分含量回归
(2)土壤有机质含量回归与制图

图片

四:木材含水率评估案例
01)高光谱无损检测
02)木材无损检测
03)高光谱木材含水量评估

木材含水量评估和制图

图片

  • 11
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值