问题标签 [satellite-image]

我正在尝试使用支持向量机 (svmPoly) 和神经网络 (nnet) 运行卫星图像分类。运行交叉验证时，我从这两种方法中都得到了所需的输出（即 6x6 混淆矩阵）。当我对整个数据集运行分类时，只有 SVM 产生多类（6 个离散类）图像输出，而 nnet 产生具有单个类的图像输出。

这些是 使用 svmPoly 分类的分类的输出 使用 nnet的分类

我不确定我做错了什么。谁能指出明显的？

我正在尝试将 Lambert Conformal Conical 卫星图像叠加到 Holoviews 交互式地图上。我可以很好地映射卫星图像，但我不知道如何正确地将这张地图转换到 Holoviews 地图上。下面是我使用 Unidata Siphon 库抓取数据的可重现代码。

导入包

抓取数据并创建图形

现在使用 Holoviews（使用 Bokeh 后端）绘制交互式图像

尽管我发现有关兰伯特保形圆锥投影的 Holoviews 文档很少，但我一定不能正确翻译它。我愿意使用任何其他交互式地图包。我的主要愿望是能够相对快速地绘制，正确地在图像上获得州/国家线，并能够放大。我尝试过 folium，但也遇到了投影问题。

我正在研究遥感图像的变化检测。我想知道我可以获得多时相卫星图像，即在一年的时间跨度内我想获得具有相同分辨率的相同地点的卫星图像

我正在尝试在卫星图像上实现对象检测。我有一个带注释的数据集，但图像很大，模型只接受 416 x 416 大小的输入。如何在网络中传递图像的一小部分，确保保留注释。另外，如何在测试时合并这些结果？

我正在寻找在海洋的大型卫星场景中检测船只。我已经成功地将matteport 的 Mask-RCNN 设置应用于卫星图像的小子集，但是分析像 WorldView 这样的大图像太慢了。我正在寻找可以快速做边界框的东西，在 python 中，在 Keras 中实现，并针对卫星图像进行了理想优化（或有据可查，以便我可以优化它）。有什么建议么？

我发现了一些有希望的线索：

• You Only Look Twice，YOLO 变体针对卫星图像进行了优化，但内置于 C 语言中，并且没有很好的文档
  • 代码：https ://github.com/avanetten/yolt
  • 论文：https ://arxiv.org/pdf/1805.09512.pdf
• RasterVision：一个基于 python 的通用框架，用于将 CNN 应用于卫星图像，看起来很有前途但还处于萌芽状态
  • 代码：https ://github.com/azavea/raster-vision
• 这个 Kaggle 比赛有一些很有希望的信息，但在大约 18 个月大的时候有点过时了：
  • 链接：https ://www.kaggle.com/c/dstl-satellite-imagery-feature-detection

根据 YOLT 论文的建议，我可能会尝试在Keras 中为卫星图像自定义 RetinaNet 的实现，但我会喜欢其他建议！

我正在尝试使用 cartopy 或 pyproj 重新投影 GOES16 Full Disk 图像。我想把它变成一个不同的投影。对于此示例，我尝试将其重新投影到墨卡托。然而，当我运行代码时，我得到了一个完整的全球数据图像，而不是墨卡托投影，也没有任何 cartopy 特征。我觉得我错过了一个简单的步骤，但无法弄清楚它是什么。下面是一个可重现的示例 - 我使用的是 Python 3.5。

我对ArcGIS一无所知...但是我正在研究与此相关的程序...

我要做-

• 在我的 Windows 应用程序中加载数字化图像，然后我必须根据客户需要更改多边形颜色。
• 实际上，该图像是卫星/无人机图像，我的同事在 ArcGIS 中绘制多边形。
• 我必须在 Windows 应用程序中并根据要求加载该数字化图像（例如根据区域区分多边形；面积在 0 到 1000 平方英尺之间的多边形必须是黄色；在 1001 到 1500 之间 - 红色；等等）我必须使用 C# 以编程方式更改多边形颜色

所以我的问题是，数字化图像必须采用哪种格式？这样我就可以更改多边形颜色...

还有一件事我没有尝试过任何事情来完成这个......因为我不知道这个......所以请随时提出任何相关的解决方案......

编辑：这是图像，一个是数字化之前，另一个是数字化后的演示

提前致谢

这是我在这里的第一个问题，我会尽量说清楚。

我有两个 tiff 文件，其中一个是 20 x 20 km 区域和 2.93m 像素大小的 4 波段 PlanetScope 卫星图像。第二个 tiff 文件是一个单波段 Top10road 图像，其中包含像素所属道路类型的 0 到 9 标签，其中 0 是非道路。

这些文件可以通过以下链接下载： https ://www49.zippyshare.com/v/5pR3GPv3/file.html

RGBN 图像似乎有 5 条形状（6496、6723）和 uint16 类型。第五个波段只包含一个值，我不确定它包含什么。

我的目标是运行 CNN 和 U-net，通过语义分割从卫星图像中提取道路并比较结果。（这只是一个样本集，最终集将是 140 x 140 公里，但是我正在这个较小的子集上进行一些测试）

我无法查看 RGBN 图像。我已经尝试过 tifffile、PIL 并最终将每个波段导入为一个 numpy 数组，然后用 pyplot 将它们可视化。后者为每个波段单独生成了一个图像，但是我无法堆叠所有波段并查看 RGBN 图像。

以下代码是我尝试过的简化版本：

预先感谢您的任何建议。

我想将 Tensorflow 对象检测 API 用于多通道图像（例如，4 通道 RGB + 红外）。有一个教程如何更改 API 以添加其他频道。但是，该教程是在一年前编写的，并且 API 从那时起一直在发展，现在 API 似乎可以接受多通道图像了。

例如，在 tensorflow-models/research/object-detection/data_decoders/tf_example_decoder.py 中，除了 fields.InputDataFields.image 现在还有fields.InputDataFields.image_additional_channels。除了输入到 fields.InputDataFields.image 中的标准 3 个通道之外，它可以用于输入图像中的任何其他通道吗？我无法弄清楚这个 image_additional_channels 的用途以及如何使用它。

更一般地说，我的问题是如何将 Tensorflow 对象检测 API 用于多通道（>3）图像。默认情况下，它们是否被接受，即考虑在内？我可以喂它们来训练模型，但是对于 object_detection_tutorial 笔记本中的推理，它不能接受超过 3 个通道，这让我想知道它是否在训练期间忽略了第 4 个通道。

我正在使用对象检测 API 的最新提交 (7a75bfc) 的 Tensorflow 1.12.0。image_additional_channels 于 2018 年 6 月 6 日在提交 9fce9c6 中添加

我已经在我的机器上的 Docker 上下载并设置了 maptiler 服务器。我购买了订阅并下载了 OSM 地图，它似乎工作得很好。但是我看到我也想使用一些卫星地图。这可能吗。我是否需要使用 Satellite 文件运行第二台服务器，或者它们是否可以共存同一个服务器，我将如何在它们之间进行选择/切换。

提前谢谢了