keras神经网络水体预测

Keras神经网络深度学习提取水体，采用了面状样本，简化了采样过程，结果为水体可能性。

1、原图

 2、面状样本  0为非水体，1为水体

3、水体提取结果：从红色到蓝色（从0-1），是水体的可能性逐步增加。

 4、部分代码

    # 获取世界文件src_img1 = gdal.Open(raster1)geo_trans1 = src_img1.GetGeoTransform()nBands1 = src_img1.RasterCountnBands=nBands1# 使用pyshpm_shp = shapefile.Reader("{}.shp".format(shp))  # 打开shp# 将图层扩展转换为像素坐标min_x, min_y, max_x, max_y = m_shp.bboxul_x, ul_y = world2pixel(geo_trans1, min_x, max_y)lr_x, lr_y = world2pixel(geo_trans1, max_x, min_y)# 计算新图片像素尺寸px_wid = int(lr_x - ul_x)px_hei = int(lr_y - ul_y)clip_img = src_arr[:, ul_y:lr_y, ul_x:lr_x]# 为图片创建一个新的geomatrix对象以便附加地理参考数据geo_trans = list(geo_trans1)   geo_trans[0] = min_xgeo_trans[3] = max_y    s=0#循环指针   TrainData = np.empty(shape=[0, nBands])TrainLabel=[]while s

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，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【内容举报】进行投诉反馈！