详情:ppt,内含高清无码图。
如深度学习,输入要求为一小邻域(下文称邻域块)代表中心像素类型。现有栅格图像,以及抠图面文件(.shp)。以下主要集中与arcgis操作。阅读本文前,建议阅读多光谱遥感分类:使用CNN1(一)。
一种方法是使用随机点,但是就本任务目标其弊端明显(邻域块重叠相关,可通过设置随机点间隔解决,但会使样本大大减少)。具体参考
本文将描述的方法基于渔网。通过创建渔网(设置像元间隔)->叠加分析.相交。可以得到近可能多的点。
本文相关代码如下,读者有必要自行取舍。(包括将点shp文件导出坐标文件topos,根据坐标文件采样到各个文件夹)。
"""
@file: dataCreate.py
@time: 2018/10/15
"""
import os
import shapefile
import gdal
import pandas as pd
import matplotlib.pyplot as plt
from pyecharts import Bar
import numpy as np
import cv2
import shutil
import sys
dataset = gdal.Open(r"E:\Experiment\Mine\dataformat.tif")
rer=shapefile.Reader(r"E:\Experiment\Mine\相交.shp")
size=64
def topos():
res=[]
geo=dataset.GetGeoTransform()
for i in range(rer.numRecords):#rer.numRecords
pos=rer.shape(i).points[0]
label=rer.record(i)[1]
xoffset = int((pos[0] - geo[0]) / geo[1])
yoffset = int((pos[1] - geo[3]) / geo[5])
res.append([xoffset,yoffset,label])
res=pd.DataFrame(res)
print(res.head())
res.to_csv