遥感分类的一种采样方法

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