遥感影像的缨帽(K-T)变换Python实现

这篇具有很好参考价值的文章主要介绍了遥感影像的缨帽(K-T)变换Python实现。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

(1)介绍

缨帽变换(Kirchhoff Transform,K-T变换) 是一种在遥感图像处理中常用的技术,它可以有效地提取地物的空间特征和频谱信息。本文将对遥感缨帽变换的提出者、原理方法、公式、现在的发展、作用进行详细介绍,并附有相应的图解。

(2)利用程序结果进行出图展示

TM影像的前三个分量的物理意义:
●亮度:TM的6个波段的加权和,反映了总体的反射值。
●绿度: 反映了近红外与可见光部分的差值,绿色生物量的特征。
●湿度:反映了可见光和近红外(1-4波段)与较长的红外(第5, 7波段)的差
值,定义为湿度的根据是第5,7两个波段对土壤湿度和植物湿度最为敏感
遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言

(3)缨帽(K-T)变换变换原理详解

一、提出者

缨帽变换是由德国地球物理学家Gottfried Kirchhoff在19世纪50年代首次提出的。他将电磁波在介质中传播的过程进行了详细研究,并提出了一种计算电磁波在介质表面反射和透射的方法,即遥感缨帽变换。

二、原理方法

遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言
遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言
遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言
遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言

三、公式

遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言

(4)Python程序

遥感影像的缨帽(K-T)变换Python实现,MATLAB / python+图像处理,python,开发语言

# coding=utf-8
#!/usr/bin/env python
# -*- coding:utf-8 -*-
"""
@author: LIFEI
@time: 2023/8/23 13:28
@file: yincat.py
@project: main.py
@describe: CWNU
"""
import os
import cv2 as cv
import numpy as np

# 构建缨帽变换的转换系数
compose = [[0.3037,0.2793,0.4743,0.5585,0.5082,0.1863],      #对应的亮度分量
          [-0.2848,-0.2435,-0.5436,0.7243,0.0840,-0.1800],  # 对应的植被分量
          [0.1509,0.1973,0.3279,0.3406,-0.7112,-0.4572]]    #对应的湿度分量
compose = np.array(compose) # 将列表转为矩阵

# 获取影像数据存储于列表
def get_img_list(path):
    is_image_file = lambda x : any(x.endswith(extension)
                                   for extension in ['tif'])
    tm = [x for x in os.listdir(path) if is_image_file(x)]
    tm_list = []
    for j in range(0,len(tm)):
        tm_path = path + '/' + tm[j]
        print('the reading img is:',tm_path)
        tm_list.append(tm_path)
    print('Successfully reading')
    return tm_list

# 批量读取矩阵并将其存储于列表
def hat_change(list_path):
    img_base = []
    for k in range(0,len(list_path)):
        # print(list_path[k])
        #  !!!!!一定要记住flags=0,不然会返回三通道
        img = cv.imread(list_path[k],flags=0)
        # cv.imshow('tif',img)
        # cv.waitKey(0)
        img_base.append(img)
    return img_base

# 缨帽变换
def compose_hat(compose_x,img):
    res_list = []
    result_list = []
    for i in range(0,len(img)):
        # 获取影像的行列大小
        row, col = img[i].shape
        # 将影像转为一维行向量
        reshape_img = img[i].reshape(row*col)
        # 传入列表res_list
        res_list.append(reshape_img)
    # 波段6不参与,也就是列表的第5行,删除第5行以不参与运算
    delete_res_list = np.delete(res_list, 5, axis=0)
    for j in range(0,len(compose_x)):
        result_data = compose_x[j]@delete_res_list
        # 判断影像中的空值和0值,用均值代替,防止影像信息缺失
        for p in range(0,len(result_data)):
            if result_data[p] == 0 and result_data[p] == None:
                result_data[p] = np.nanmean(result_data)
            else:
                result_data[p] = result_data[p]
        # 维度转换逆变换,从向量转为二维
        result_data_data = result_data.astype('uint8').reshape(row,col)
        # 传给result_list
        result_list.append(result_data_data)
    return result_list

# 输出影像
def output(out_path,list):
    for m in range(0,len(list)):
        filepath = out_path+'/'+str(m+1)+'.TIF'
        # cv库写出图像
        cv.imwrite(filepath,list[m])
        print('the exporting img is:',filepath)
    print('Successfully exported!')

if __name__ == '__main__':
    path = "D:/data/result" # 存放TM影像的文件夹路径
    list = get_img_list(path)
    img_list = hat_change(list)
    re_list = compose_hat(compose, img_list)
    outpath = "D:/data/hat" # 输出路径
    output(outpath, re_list)

四、现在的发展
随着遥感技术的发展和广泛应用,遥感缨帽变换也得到了进一步的研究和改进。近年来,研究人员结合机器学习、深度学习等技术,提出了一系列基于缨帽变换的新方法,用于地物分类、目标检测、变化检测等应用。同时,缨帽变换在图像处理领域也得到了拓展,可以应用于医学图像分析、遥感图像融合等多个领域。

五、作用
遥感缨帽变换在遥感图像处理中具有广泛的作用。它可以提取地物的空间特征和频谱信息,有助于实现地物的分类、目标检测、变化检测等应用。通过遥感缨帽变换,可以充分利用遥感图像中的信息,文章来源地址https://www.toymoban.com/news/detail-672017.html

到了这里,关于遥感影像的缨帽(K-T)变换Python实现的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于Python3.7实现的双时相遥感影像变化检测(PaddlePaddle框架和AI Studio平台)

    目 录 第一章 绪论 1 1.1问题背景及意义 1 1.2国内外研究现状 1 1.3论文主要研究内容 2 1.4论文组织结构 3 第二章 相关技术 5 2.1遥感图像变化检测 5 2.2 孪生网络 7 2.3 残差网络 8 2.4 注意力机制 9 第三章 基于BIT的遥感影像变化检测 11 3.1 Transformer模型 11 3.2 BIT模型 12 3.3 AC-BIT模型 1

    2024年01月19日
    浏览(69)
  • 基于python与GDAL获取遥感影像

    最近做项目,发现网上关于利用python与GDAL读取遥感影像数据的资料比较少。因此整理了一些,以方便自己学习。      1.首先确认自己电脑上安装好python版的GDAL库。这个会以后有时间慢慢整理。       2. 导入gdal库          from osgeo import gdal       3. 注册GDAL库   

    2023年04月25日
    浏览(51)
  • 【Python&RS】基于GDAL镶嵌拼接遥感影像

            没啥好说的,处理高分辨率影像时,数据高达几十G。用ENVI或者ArcGIS进行影像的拼接时,往往会出现未响应的情况。出现未响应的话,运气好等个一晚上可能会动一动,运气不好就等着强制关闭重做吧。         所以搞了一个Python进行拼接操作的代码,虽然速度不

    2024年02月02日
    浏览(46)
  • Python批量填补遥感影像的无效值NoData

      本文介绍基于 Python 中 ArcPy 模块,对大量栅格遥感影像文件 批量 进行 无效值 ( NoData 值)填充的方法。   在处理栅格图像文件时,我们经常会遇到图像中存在有无效值(即 NoData 值)的情况。如下图所示,这里有一个 矢量面要素图层 和该矢量图层范围对应的一景 栅

    2024年02月07日
    浏览(46)
  • 利用Python对含有地理信息的遥感影像,使用随机森林模型回归,并保存预测影像

    最近在做随机森林回归实验时,遇到了一个问题: 在做回归时,用的是excel点数据做的回归,像这样: 但是如何把这个训练好的模型应用到整幅含有地理信息的遥感影像上去,并保存这个预测图像呢?对这个问题,展开了一些思考,废话不多说,直接上代码。 导入数据,这

    2024年04月16日
    浏览(48)
  • Python ArcPy批量计算多时相遥感影像的各项元平均值

      本文介绍基于 Python 中 ArcPy 模块,对大量 长时间序列 栅格遥感影像文件的 每一个像元 进行 多时序平均值 的求取。   在遥感应用中,我们经常需要对 某一景 遥感影像中的 全部像元的像素值 进行平均值求取——这一操作很好实现,基于 ArcMap 软件或者简单的 Python 代

    2023年04月18日
    浏览(44)
  • Python忽略NoData计算多张遥感影像的像元平均值:whitebox库

      本文介绍基于 Python 中 whitebox 模块,对大量 长时间序列 栅格遥感影像的 每一个像元 进行 忽略NoData值 的 多时序平均值 求取。   在文章Python ArcPy批量计算多时相遥感影像的各像元平均值中,我们介绍了基于 Python 中 Arcpy 模块实现多时相遥感影像数据的平均值求取方法

    2024年02月05日
    浏览(43)
  • python:使用Scikit-image对遥感影像进行梯度特征提取(gradient)

    作者:CSDN @ _养乐多_ 在本博客中,我们将介绍如何使用Scikit-Image来进行梯度特征提取(gradient),并且提供一个示例代码,演示了如何在单波段遥感图像上应用这些方法。 梯度特征是指用于表示图像中亮度或颜色变化的特征。它包括两个关键成分:梯度幅值和梯度方向。梯度

    2024年02月08日
    浏览(78)
  • ENVI实现QUAC、简化黑暗像元、FLAASH方法的遥感影像大气校正

    本文介绍基于 ENVI 软件,实现对 Landsat 7 遥感影像加以 预处理 与多种不同 大气校正 方法的操作。 目录 1 数据导入与辐射定标 2 波段合成 3 编辑头文件 4 转换文件格式 5 QUAC快速大气校正 6 简化黑暗像元法大气校正 7 FLAASH大气校正 8 大气校正结果与其他处理对比分析 8.1 三种大

    2024年02月13日
    浏览(43)
  • (数字图像处理MATLAB+Python)第四章图像正交变换-第四、五节:Radon变换和小波变换

    Radon变换 :是一种用于将图像从空间域转换到投影域的数学工具,其基本思想是将图像中每个点的灰度值投影到一组直线上,然后将这些投影合并在一起形成投影域。Radon变换可以用于多种图像处理任务,包括图像重建、特征提取、图像分割等 Radon变换原理 :给定一个函数

    2023年04月20日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包