Python和Google Colab进行卫星图像二维小波变化和机器学习

2024-03-09 18:36

本文主要是介绍Python和Google Colab进行卫星图像二维小波变化和机器学习,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2D 小波分解是图像处理中的一种流行技术,使用不同的滤波器将图像分解为不同的频率分量(“近似”和“细节”系数)。该技术对于各种图像处理任务特别有用,例如压缩、去噪、特征提取和边缘检测。

在本文中,我们将演示如何在 Google Colab 中使用 Python 下载高分辨率样本卫星图像,执行 2D 小波分解,可视化高频和低频分量,并使用逆小波方法重建图像,机器学习(ML)算法和耦合线性回归优化模型。为了提高 ML 模型的复杂性,我们将从输入中消除主要组件,并仅使用细节组件重新训练 ML 模型。在整个过程中,我们将评估每种方法在重建阶段的性能,并将 ML 模型的输出可视化。

目录

  1. 🌟简介
  2. 🌐 在 Google Colab 中下载卫星图像
  3. ⚙️ 应用小波分解
  4. 🔄 使用小波逆变换重建图像
  5. 🔄 使用 ML 算法重建图像
  6. 🔄 使用线性回归模型重建图像
  7. 🔄 使用耦合线性回归模型和优化算法重建图像
  8. 📈 评估不同的重建方法
  9. 🔃 使用没有近似系数的 ML 重建图像
  10. 📄 结论

🌟简介

小波分解的过程包括对图像应用一系列高通和低通滤波器,将图像分离成不同的频率分量。通常,分解分多个阶段完成,在每个级别生成一组近似系数和细节系数。近似系数代表图像的低频分量,而细节系数则捕获高频分量。

小波分解通常与其他技术(例如机器学习)结合使用,以增强图像的分析和处理。通过利用小波的多分辨率功能,研究人员和从业人员可以为各种图像相关任务开发更有效和高效的算法。

总体而言,小波分解已成为图像处理领域的重要工具,并在卫星图像分析、医学成像、信号处理等各个领域都有应用。如果您有兴趣探索 2D 小波分解和 ML 算法在无人机图像中缩小地表温度的主要应用之一

🌐 在 Google Colab 中下载卫星图像

第一步涉及找到下载高分辨率图像的方法。为此,强烈推荐使用 Google 地图的高分辨率航空和卫星图像,尤其是在城市地区。使用 Qiusheng Wu 创建的库可以简化此步骤。确保您已安装必要的组件,包括“segment-geospatial”、“leafmap”和“localtileserver”。接下来,定义所需感兴趣区域 (AOI) 的纬度和经度并继续绘制多边形:

%pip install segment-geospatial leafmap localtileserver
import os
import leafmap
from samgeo import SamGeo, tms_to_geotiff
m = leafmap.Map(center=[37.716956, -120.951107], zoom=20, height="800px")
m.add_basemap("SATELLITE")
m

 

bbox = m.user_roi_bounds()
image = "satellite.tif"
tms_to_geotiff(output=image, bbox=bbox, zoom=20, source="Satellite", overwrite=True)

在最后三行中,将感兴趣区域 (AOI) 的边界分配给“bbox”变量,设置输出名称,然后执行“tms_to_geotiff”以指定名称保存卫星图像,在本例中为“satellite” .tif”。

⚙️ 应用小波分解

为了对 2D 图像执行小波分解,我们将使用 Rasterio 库读取下载的图像,并使用 Daubechies 小波家族的一个成员(例如 db1)和“对称”模式实现 2D 分解。

Daubechies 小波是正交小波族,广泛应用于信号处理和图像压缩。“DB”后面的数字表示小波函数中消失矩的数量。小波的消失矩越多,它就越平滑。

另一方面,模式是指执行小波分解的具体方式。该模式可以确定如何计算小波系数以及分解过程如何处理图像的边缘和边界。不同的模式可能导致小波分解输出的变化,特别是在图像的边缘。

小波分解后,原始图像将被划分为不同的频率分量。近似系数表示为cA,而cH、cV和cD分别称为水平、垂直和对角线细节系数。这些系数中的每一个都捕获有关水平、垂直和对角边缘的信息。图像分解后,将绘制每个子带:

import pywt
import rasterio
import numpy as np
import matplotlib.pyplot as plt# Load GeoTIFF image
with rasterio.open('satellite.tif') as src:img = src.read(1)# Perform 2D wavelet decomposition
coeffs = pywt.dwt2(img, 'db1', mode='symmetric')# Extract detail and approximation coefficients
cA, (cH, cV, cD) = coeffs# Plot the decomposed coefficients
fig, ax = plt.subplots(2, 2, figsize=(10, 10))
ax[0, 0].imshow(cA, cmap='seismic')
ax[0, 0].set_title('Approximation Coefficient')
ax[0, 1].imshow(cH, cmap='seismic')
ax[0, 1].set_title('Horizontal Detail Coefficient')
ax[1, 0].imshow(cV, cmap='seismic')
ax[1, 0].set_title('Vertical Detail Coefficient')
ax[1, 1].imshow(cD, cmap='seismic')
ax[1, 1].set_title('Diagonal Detail Coefficient')
plt.show()

在上图中,图像的主要部分已保持在近似系数内,而其余元素代表各种方向边缘特征。

这篇关于Python和Google Colab进行卫星图像二维小波变化和机器学习的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/791589

相关文章

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》:本文主要介绍在C#中调用Python代码的两种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调

Python下载Pandas包的步骤

《Python下载Pandas包的步骤》:本文主要介绍Python下载Pandas包的步骤,在python中安装pandas库,我采取的方法是用PIP的方法在Python目标位置进行安装,本文给大... 目录安装步骤1、首先找到我们安装python的目录2、使用命令行到Python安装目录下3、我们回到Py

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Python GUI框架中的PyQt详解

《PythonGUI框架中的PyQt详解》PyQt是Python语言中最强大且广泛应用的GUI框架之一,基于Qt库的Python绑定实现,本文将深入解析PyQt的核心模块,并通过代码示例展示其应用场... 目录一、PyQt核心模块概览二、核心模块详解与示例1. QtCore - 核心基础模块2. QtWid

Python实现自动化接收与处理手机验证码

《Python实现自动化接收与处理手机验证码》在移动互联网时代,短信验证码已成为身份验证、账号注册等环节的重要安全手段,本文将介绍如何利用Python实现验证码的自动接收,识别与转发,需要的可以参考下... 目录引言一、准备工作1.1 硬件与软件需求1.2 环境配置二、核心功能实现2.1 短信监听与获取2.

使用Python实现获取网页指定内容

《使用Python实现获取网页指定内容》在当今互联网时代,网页数据抓取是一项非常重要的技能,本文将带你从零开始学习如何使用Python获取网页中的指定内容,希望对大家有所帮助... 目录引言1. 网页抓取的基本概念2. python中的网页抓取库3. 安装必要的库4. 发送HTTP请求并获取网页内容5. 解

利用Python开发Markdown表格结构转换为Excel工具

《利用Python开发Markdown表格结构转换为Excel工具》在数据管理和文档编写过程中,我们经常使用Markdown来记录表格数据,但它没有Excel使用方便,所以本文将使用Python编写一... 目录1.完整代码2. 项目概述3. 代码解析3.1 依赖库3.2 GUI 设计3.3 解析 Mark