- 博客(17)
- 收藏
- 关注
RSS订阅原创 土壤与水分遥感反演技术综述：原理、方法与应用
随着全球气候变化和人口增长带来的粮食安全压力不断增大，精准农业与可持续土地管理成为应对挑战的关键路径。土壤作为农业生产的物质基础，其水分、盐分和养分状况直接影响作物生长、产量形成和资源利用效率。传统土壤参数监测方法依赖于田间采样与实验室分析，虽然精度较高，但存在空间代表性有限、时间成本高昂、破坏性强等固有局限，难以满足大范围、高频次、动态监测的现代农业需求。遥感技术的快速发展为解决这一难题提供了革命性手段。
2025-12-21 21:27:55
843
原创 农业图像预处理技术学习综述：原理、实现与应用
随着计算机视觉技术在农业领域的深入应用，图像预处理技术已成为提升农作物检测、病虫害识别、产量预测等任务精度的关键环节。本文系统综述了农业图像预处理技术的分类体系、实现方法与应用场景，重点阐述了数据增强、噪声去除、特征提取等核心技术的实现原理与代码实现，为农业智能化研究提供全面的技术参考。自然环境下的图像质量受光照、天气、遮挡等因素影响显著。图像预处理是计算机视觉农业应用的瓶颈环节。农业现代化对自动化监测技术的迫切需求。降低模型训练复杂度与计算成本。构建标准化农业图像处理流程。提升后续算法精度与鲁棒性。
2025-12-07 23:18:05
321
原创 ENVI 地形量化与植被指数反演
Pix4Dmapper 生成的正射影像与 DSM 文件均包含标准的地理参考信息和光谱信息，能够直接导入 ENVI 进行专业分析。ENVI 的核心作用在于挖掘影像的光谱与地形信息，通过数学运算与模型反演，将原始影像数据转化为具有实际应用意义的专题产品（如地形起伏度、植被覆盖度等）。
2025-11-30 22:05:31
853
原创 随机森林算法图像分割
本实验基于ENVI软件平台，利用多光谱遥感影像，通过植被指数计算缨帽变换和随机森林分类三个主要步骤，实现对遥感图像的自动分割与地物分类。实验目标是将图像中的不同地物类型（如植被、水体、建筑等）进行有效识别与分割，为遥感影像解译提供技术支持。本实验通过植被指数增强缨帽变换特征提取和随机森林分类三个环节，构建了一套完整的遥感图像分割流程。该流程不仅提升了图像中地物类型的识别精度，也体现了多特征融合在遥感分类中的重要性。实验亮点结合物理特征（缨帽变换）与统计学习（随机森林），具有较强的可解释性与实用性；
2025-11-23 21:05:43
1064
原创 无人机遥感图像处理技术综述：去噪、辐射校正与智能裁剪
通过深入分析各技术的理论基础、算法原理和实现方法，为相关研究和应用提供了全面的技术参考。本文系统综述无人机遥感图像处理的三个关键技术环节：噪声消除、辐射校正和基于边缘检测的图像裁剪，重点探讨各技术的原理、方法和实现策略。工作原理：中值滤波通过选择邻域内中间值作为输出，既能去除噪声又能保护图像边缘，特别适用于包含大量细节的遥感图像。创新点：在平滑噪声的同时保持边缘锐利，通过两个高斯函数的乘积来确定权重，既考虑空间距离又考虑像素值差异。高斯滤波基于卷积定理，通过高斯核函数对图像进行加权平均，有效抑制高斯噪声。
2025-11-16 23:26:17
650
原创 基于Pix4Dmapper的农业遥感数据预处理流程综述
而Pix4Dmapper作为业界领先的摄影测量软件，能够将无人机获取的原始序列影像转化为具有精确地理参考的高精度可量化产品，如数字表面模型、正射影像图与三维点云，为后续的作物长势监测、病虫害早期识别、土壤水分反演、变量施肥以及产量预测等应用奠定了坚实的数据基础。通过严谨地执行上述流程，能够将原始的无人机影像转化为高价值、高精度的空间地理信息产品，从而极大地推动精准农业从理论走向实践，为现代化的农场管理和科学的农业决策提供强有力的数据驱动能力。控制点误差：检查每个控制点在X、Y、Z方向的残差，评估绝对精度。
2025-11-09 23:08:10
337
原创 无人机遥感在农田蒸散量估算中的研究综述
无人机的能力不止于ET。近年来，无人机作为一种新兴的遥感平台，以其高时空分辨率、灵活机动、云下飞行等独特优势，为农田尺度的ET监测带来了革命性的突破。SEBAL模型：如Chang等人的研究所示，该模型通过选取图像内的“冷像素”（充分灌溉、蒸腾旺盛的作物）和“热像素”（干燥裸土）来校准显热通量的计算，有效减少了地面气象数据依赖带来的误差。通过数据同化方法，将无人机反演的LAI等状态变量融入作物模型，可以动态校正模型的模拟轨迹，从而产出更可靠的ET序列估算，实现了机理与数据的有机结合。
2025-11-02 22:37:25
267
原创 ENVI 处理 Pix4D 拼接影像的 ROI 创建与裁剪操作描述
ROI 工具面板包含 Geometry（几何绘制）、Pixel（像素）、Grow（生长）、Threshold（阈值）等标签页，支持多边形等多种几何形状绘制。ROI 绘制完成后，通过 ROI 工具面板的 “File” 选项，选择 “Save ROIs to .XML” 功能，在弹出的对话框中勾选需要保存的 ROI（可多选），指定输出路径（如 D:\pix4D_projects\ceshi2\ 测试 2\roi2.xml），点击 “OK” 即可完成 ROI 的 XML 格式保存，便于后续重复使用。
2025-10-26 20:34:52
616
原创 Pix4D在农田图像拼接中的应用综述
这不仅极大地降低了技术门槛，更使得农田图像拼接从单纯的“看图”转变为精准的“读数和分析”，真正成为连接无人机遥感与现代农业管理的桥梁，推动了农业生产的信息化和智能化发展。与传统用于生成三维模型的地形测绘不同，Pix4D在农业领域的核心价值在于，它将多光谱或多时相的农田航拍图像，快速、准确地拼接成具有一致性和可比性的正射影像图，并进一步生成可直接用于农业决策的反射率地图和植被指数图。Pix4D的成功得益于其高度专业化的处理模板，尤其是 “农业多光谱”模板，它构成了农田图像拼接与分析的核心。
2025-10-19 20:58:44
504
原创 Pix4Dmapper软件操作流程综述
无人机摄影测量是近年来快速发展的一种高精度、高效率的地理信息获取技术。它通过搭载在无人机上的非量测型相机，从不同角度和位置获取地表的多重叠影像，并利用计算机视觉与摄影测量算法，生成高精度的三维模型、数字表面模型（DSM）和正射影像图（DOM）等产品。Pix4Dmapper是由瑞士Pix4D公司开发的一款专业无人机影像数据处理软件，基于多视图立体视觉（MVS）和运动恢复结构（SfM）技术，能够自动从无序影像中重建三维场景，广泛应用于测绘、建筑、农业、环境监测等领域。
2025-09-28 20:38:37
842
原创 ENVI-自定义坐标系
打开ENVI Classic，在菜单中找到Map，点击Customize Map Projections，便可自定义坐标系输入所需坐标系信息Projection中，点击Add New Projection便可成功添加新的坐标系以上添加只可保留本次的，若下次还想打开可进行以下操作。在File中点击Save Projections...保存到指定的map_proj.txt路径下，点击ok然后覆盖原本的文件便可在map_proj.txt中找到保存的坐标系信息。
2025-09-14 08:48:05
788
原创 辐射校正的基本流程
主要作用是将无人机拍摄的原始图像（包含传感器噪声和大气干扰）转换为具有物理意义的，为后续的定量遥感分析（如植被指数计算、地物分类等）提供高质量输入。：消除传感器暗电流噪声：将DN值转为辐射亮度（物理量）：使用黑暗像元法去除大气散射影响：消除光照角度差异。
2025-06-26 21:58:30
936
原创 辐射校正学习综述
辐射校正是遥感图像预处理中的重要步骤，主要用于消除传感器误差、大气散射和光照条件等因素对图像的影响。下面我将提供几种常见的辐射校正方法的Python实现代码。一、多波段图像的直方图均衡化处理1.直方图均衡化是一种图像增强技术，主要功能是对彩色图像进行增强处理并可视化结果。主要用于：提高图像对比度（特别是对低对比度图像）拉伸像素值分布，使其覆盖更广的动态范围使亮度分布更均匀，改善视觉效果2.核心功能2.1.颜色通道分离与处理将彩色图像分离为蓝（B）、绿（G）、红（R）三个通道。
2025-06-19 21:52:21
1580
原创 图像预处理-辐射校正学习综述
搜索“地理空间数据云”，选择“高级检索”，数据集选择“Landsat 8 OLI_TIRS 卫星数字产品”，空间位置选择“行政区”，然后再依次选择省、市、县等内容，然后云量建议5%以下，然后进行检索，下方数据下载就行了。打开工具箱中的Statistics/Compute Statistics，在输入文件对话框中选择GMTED2010.jp2数据，再单击Stats Subset，单击File，选择需要统计高程信息对应的图像，然后点击OK。再选择我们的研究区域，后缀为dat的文件，点击ok。
2025-06-12 23:56:02
834
原创 无人机遥感图像的去噪、辐射校正和图像裁剪
步骤：原图 → 灰度化（去颜色干扰） → 高斯模糊（降噪） → Canny（边缘检测） → 闭运算（连轮廓） → 轮廓提取（定位目标） → 生成掩膜（标记区域） → 目标分割（分离前景） → 可视化（结果展示）796个样本（表1），其中包含水稻、稗草、成熟稗草和背景。如图3所示，所有类型的样本均散开在试验区域中，保证了样本间的差异，有利于模型泛化能力的提升。（415、 561、687、705、735、1 007 nm）分析发现，水稻、稗草 和野生稻的识别总体准确率为0.97。结合实地考察和人工解译，
2025-05-28 22:32:08
1992
原创 图像算法的图片预处理流程
【图像算法的图片预处理流程】 https://www.bilibili.com/video/BV1Po4y167Zz/?2.resize操作:把原图读进去,将图片等比例缩放(找大的变成按要求缩放），然后放到灰度图像中，形成拼接图像。4.图片由BGR格式转化为RGB格式：人眼看不懂BGR,看得懂RGB。（前提安装，window+R,输入下面两个，可能还有其他的库）3.归一化标准化处理：使预测效果不会因图片差异化影响。将要处理的图片放到pycharm的项目中。简单流程：3个步骤（中间3个）
2025-05-23 12:18:03
462
原创 图像预处理文献综述
RGB 拼接（Pix4d）→ 几何校正（Arcgis Pro）→ 镶嵌（ENVI）→ 辐射校正→ SG 滤波→ SPA 特征筛选（论文 5）。翻转（水平 / 垂直，论文 1、2、3）、旋转（±15°，论文 2）、缩放（0.8-1.2 倍，论文 2）。：地面设备（近距离精细拍摄，如论文 3）、无人机（大田尺度，如论文 4、5）、卫星（宏观监测，论文 2）。：RGB、多光谱 / 高光谱（论文 2、5）、热成像（论文 2）、LiDAR（论文 2）。
2025-05-23 12:02:51
1781
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人