python 把numpy.ndarray转为图像_python处理遥感必知或必会(1)

笔者目前的主要对遥感的研究方法如下,其中对大图及其结果处理和分析主要使用Arcgis、Envi等遥感专用软件,可以方便的进行可视化,尤其是当研究分析的图像为多光谱的大范围的大图时,直接进行波段组合观察预测的准确性,并可以分析标签的诸多属性。

c5749c186f81c1fcd5b50a680af2b633.png

遥感图像常见的保存格式为tif,其包含了地理投影坐标等信息。python的GDAL提供了读写分析。一般而言,笔者用到了GDAL的读图功能,尤其是当操作的图像为大图时,能够方便的只读取特定的行列数,而不必担心爆内存、读取的图像为多波段。之后广泛使用python的numpy库、opencv-python库等。当转为了npy文件或者png文件后,使用pytorch的dataloader或者keras的fit iter等一批批的输入了网络模型中。

大图的滑动预测,输出的一般为类别值,比如常见的遥感影像识别(遥感分类、语义分割)。笔者的常见操作是,将其保存为了一个uint8的png灰度图像,其值为预定义对应的类别值。

我们将其添加到Arcgis,观看效果。对结果进行图层属性显示效果修改。

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,针对您的问题,我可以给出以下的Python实现代码,实现随机森林对遥感图像进行分类。 首先,需要导入必要的库,包括`numpy`、`pandas`、`sklearn`等: ```python import numpy as np import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA ``` 接着,我们需要读取训练数据,其中包括训练样本和标签: ```python data = pd.read_csv('train_data.csv') # 读取训练样本数据 label = pd.read_csv('train_label.csv') # 读取训练样本标签 ``` 然后,我们需要对数据进行预处理,包括标准化和主成分分析(PCA): ```python # 数据标准化 scaler = StandardScaler() data_scaled = scaler.fit_transform(data) # PCA降维 pca = PCA(n_components=50) data_pca = pca.fit_transform(data_scaled) ``` 接下来,我们需要将数据划分为训练集和验证集: ```python X_train, X_test, y_train, y_test = train_test_split(data_pca, label, test_size=0.3, random_state=42) ``` 然后,我们可以使用随机森林算法进行训练和预测: ```python # 训练随机森林模型 rf = RandomForestClassifier(n_estimators=100, random_state=42) rf.fit(X_train, y_train) # 预测验证集 y_pred = rf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) ``` 最后,我们可以输出预测结果的准确率。 以上就是使用Python实现随机森林对遥感图像进行分类的简单示例代码。

“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