lemon_tttea的博客

基于VGGNet网络进行图片分类由于样本是在有点多，加上有点其他的事情，样本制作工作，还差一点，有因为一些其他的原因，碰巧需要用Colaboratory来跑一下数据，在网上参考了一下代码之后，用Colaboratory跑了一遍图片分类的流程（我自己的实验室用做实例分割），就当先练练手了Colaboratory平台的基本信息我就不做介绍了，网上有很多，我直接上操作截图了（跳过了Colaboratory基本使用方法，网上也有很多，搜搜就好了）第一步，上传代码和样本数据，主要包括桑文件夹，分别存放代码、数

labelme包是自营神经网络必备的一个工具。由于本人在安装和使用过程中踩了不少坑，因此写下这篇博客记录一下。labelme的具体安装过程就不多说了，直接附上几段代码：conda create --name=labelme python=3.6 #创建python版本为3.6的环境#wait for downactivate labelme #启动labelme环境,deactivate退出环境conda install pyqt5 #如果非要用python2.7版本，就安装pyqtpip in

哨兵2影像的规则分幅分割关于影像的规则分幅分割操作总共有三种方法，第一种是通过ARCGIS的分割栅格工具，第二种是通过Photoshop的切片工具，第三种是利用GDAL包或者Arcpy等包，写代码进行分割。三种方法我都试过，踩了不少坑，最后是通过第二种方法完成遥感影像的分割。第一种-栅格分割（10.5的arcgis失败了）分割栅格工具在Data Management Tools-栅格-栅格处理下，分割栅格有三种类型，分别是SIZE_OF_TILE—指定切片的宽度和高度；NUMBER_O

利用ENVI完成重采样影像的去云操作由于SNAP重采样之后的影像是分波段保存的，ENVI的波段运算工具一次也只能输出一个波段，所以去云的操作分波段进行，原理是掩膜法下面是打开所有波段后的界面去云的依据是以quality_scene_classification栅格文件为基础，该文件是哨兵2数据自带的场景质量分类图，包含12个级别，可以通过SNAP软件查看，如下图所示：对于去云操作而言，我们只需要DARK_FEATURE_SHADOW(地形等)，CLOUD_SHADOW（云阴影）、CL

基于SNAP软件将2A哨兵数据转换为ENVI格式利用Sen2Cor处理后的2A哨兵数据不能在ENVI中直接打开，因此需要SNAP进行格式转换，SNAP的官方下载地址如下：[SNAP下载地址](http://step.esa.int/main/download/)SNAP下载和安装比较简单，根据自己的操作系统下载对应的版本即可下面是SNAP软件的主界面：打开相应2As数据目录下的MTD_MSIL2A.xml文件即可打开影像右键图层吗，点击Open RGB Image Window可以显示影像

哨兵2号（Sentinel2）卫星数据的处理哨兵2的下载渠道有很多，如USGS、欧空局等等。下载下来的数据为Level-1C数据，这是没有经过大气校正和辐射校正的数据。需要我们自己进行处理，得到Level-2A的数据。哨兵Level-1C往往是通过Sen2cor工具完成大气校正和辐射校正，得到2A数据，Sen2cor工具的官方下载地址如下：[http://step.esa.int/main/third-party-plugins-2/sen2cor/...