跳转到主要内容

多光谱遥感图像库。

项目描述

Build Status Codacy Badge Maintainability Test Coverage Documentation Status DOI

Satsense是一个开源Python库,用于基于补丁的土地利用和土地覆盖分类,最初是为一个关于贫困社区检测的项目开发的。然而,通过Satsense提供的许多算法也可以应用于其他领域,如生态学和气候科学。

Satsense基于可用的开源库,如用于机器学习的opencv以及用于数据访问的rasterio/gdal和netcdf库。它具有模块化设计,使其易于添加自己的定制特征或使用深度学习。

贫困社区的检测是一个土地利用分类问题,传统上使用从非常高的分辨率卫星图像计算的手工特征(如HoG、Lacunarity、NDXI、Pantex、Texton和SIFT)来解决。Satsense的目标之一是便于评估这些特征在实际应用中的性能。为此,Satsense提供了一系列易于使用的开源参考实现,以及将特征计算分布在多个CPU上的工具。将来,该库还将提供评估算法性能的指标。

  • Satsense - 卫星图像分析、性能评估等库

  • notebooks - 用于说明和测试Satsense用法的IPython笔记本

我们使用Python 3.6/3.7和Jupyter笔记本编写代码。

文档

可以在readthedocs上找到。

安装

请参阅readthedocs上的安装指南

贡献

欢迎贡献!请参阅CONTRIBUTING.md以了解我们的贡献指南。

引用Satsense

如果您在科学研究中使用了Satsense,请引用它。您可以从research-software.nl下载引用文件。

参考文献

本包提供的算法集合受到了以下启发:

J. Graesser, A. Cheriyadat, R. R. Vatsavai, V. Chandola, J. Long 和 E. Bright, “在城市景观中对正式和非正式社区的图像表征”,IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,第 5 卷,第 4 期,第 1164-1176 页,2012 年 8 月。doi: 10.1109/JSTARS.2012.2190383

Jordan Graesser 本人也维护了一个包含许多这些算法的

测试数据

测试数据是从2018年的Copernicus Sentinel数据中提取的。

由以下机构支持

AWS AWS 云计算和安全赞助商 Datadog Datadog 监控 Fastly Fastly CDN Google Google 下载分析 Microsoft Microsoft PSF 赞助商 Pingdom Pingdom 监控 Sentry Sentry 错误日志 StatusPage StatusPage 状态页面