基于深度学习的遥感影像语义分割数据预处理

第一次处理数据，不熟练，仅供参考

数据预处理工具：Arcgis
第一步：下载遥感影像tif数据
根据实际需求选择感兴趣的遥感影像区域
数据来源：Google卫星影像

第二步：进行遥感影像目视解译
1、新建shapefile

为矢量数据导入tif影像数据的投影：


以下是导入的tif影像数据后的投影：

2、创建要素
编辑工具——开始编辑——选择刚刚创建的矢量图层

编辑窗口——创建要素
然后就可以绘制矢量图形了

打开矢量数据的的属性表，为创建的图形定义属性（新建字段，填入属性值），可事先创建一个属性字典，定义不同的属性值所代表的实际含义。

第三步：将矢量数据转为栅格数据

此处注意：'Output cell size’应选择影像tif数据，目的是让解译的栅格tif数据的像元与影像tif数据的像元对齐，另外要设置环境，将处理范围也设为影像tif数据的范围，否则后续裁剪出来的两幅栅格tif大小会不一致。

转为栅格后的数据：

第四步：裁剪遥感影像tif为正方形
1、绘制裁剪的矢量范围
新建一个shapefile矢量图层（投影和前面一样，导入tif影像数据的投影）——开始编辑——编辑窗口-创建要素——选择矩形工具

注意：同时按住Shift键+Tab键可绘制水平/垂直的正方形。（按一下Tab键可设置水平/垂直模式，按住Shift键可画正方形）

2、使用Clip工具裁剪tif影像

第五步：根据裁剪后的遥感tif影像裁剪解译栅格tif
1、使用Clip工具裁剪栅格

注意1：将裁剪范围直接设为裁剪后的影像tif数据
注意2：将’NoData Value’值设为特殊值（不与上面的’Type’字段的属性值重复）。

由于矢量转栅格时设置了环境，此步可不用设置环境。

裁剪完成后，查看裁剪后的解译栅格tif数据的属性，以及裁剪后的影像tif数据的属性，检查像元数量是否一致。


第六步：将tif转为mat
根据模型需要，考虑是否需要转为mat格式
参考：
https://blog.csdn.net/weixin_43519707/article/details/108573462

import scipy.io as sio
import skimage.io# tif图
imgpath = r"E:\遥感影像功能区识别\LH_Data\LH_RSclip.tif"
LH_RSclip = skimage.io.imread(imgpath)
# 转为mat
sio.savemat(r"E:\遥感影像功能区识别\LH_Data\LH_RSclip.mat", {'LH_RSclip': LH_RSclip})