L.S.C.X都是电磁波波段的划分代号. 最早用于搜索雷达的电磁波波长度为23cm,这一波段被定义为L波段(英语Long的字头),后来这一波段的中心波长度变为22cm. 当波长为10cm的电磁波被使用后,其波段被定义为S波段(英语Short的字头,意为比原有波长短的电磁波). 在主要使用3cm电磁波的火控雷达出现后,3cm波长的电磁波被称为X波段,因为X代表坐标上的某点. 为了结合X波段和S波段的优点,逐渐出现了使用中心波长为5cm的雷达,该波段被称为C波段(C即Compromise,英语“结合

spot 5监督分类RGB：412 ALOS分类波段RGB：432

2013年2月11日发射的Landsat系列最新卫星Landsat8,携带有OLI陆地成像仪和TIRS热红外传感器,Landsat8的OLI陆地成像仪包括9个波段,OLI包括了ETM+传感器所有的波段,为了避免大气吸收特征,OLI对波段进行了重新调整,比较大的调整是OLI Band5(0.845–0.885 μm),排除了0.825μm处水汽吸收特征:OLI全色波段Band8波段范围较窄,这种方式可以在全色图像上更好区分植被和无植被特征:此外,还有两个新增的波段:蓝色波段 (band 1; 0.

321:真彩色合成,即3.2.1波段分别赋予红.绿.蓝色,则获得自然彩色合成图像,图像的色彩与原地区或景物的实际色彩一致,适合于非遥感应用专业人员使用. 432:标准假彩色合成,即4.3.2波段分别赋予红.绿.蓝色,获得图像植被成红色,由于突出表现了植被的特征,应用十分的广泛,而被称为标准假彩色.举例:卫星遥感图像示蓝藻暴发情况我们先看一看蓝藻爆发时遥感监测机理.蓝藻暴发时绿色的藻类生物体拌随着白色的泡沫状污染物聚集于水体表面,蓝藻覆盖区的光谱特征与周围湖面有明显差异.由于所含高叶绿素A的作用,

目录 简述 修改源码 1.修改DatasetProperty结构体 2.修改VRTBuilder::AnalyseRaster函数 3.修改VRTBuilder::CreateVRTNonSeparate函数 简述 GDALBuildVRT工具和函数默认都是不支持异构波段的(即要建立虚拟影像目录的文件中有波段与其它有异的,少于指定波段等特征的),公司一个项目中需要支持这个特性,不足的以第1波段替代(除非波段数为0,那这在影像质检的时候就已经检查完了),这里记录一下修改方式. 修改源码 使用的GD

先打开栅格文件所在的工作空间(文件),然后获取其所有的波段,访问每一个波段有时候波段中已经有直方图或统计信息,有时候没有这些信息,可以使用ComputeStatsAndHist()函数对其进行计算(数据量较大时,可能耗时较长) IWorkspaceFactory workspaceFactory = new RasterWorkspaceFactory();IWorkspace workspace;workspace = workspaceFactory.OpenFromFile(filePat

1.算法功能简介 波段运算(Band Math)工具能够方便的执行图像中的各个波段的加减乘除.三角函数.指数.对数等数学函数计算,也可以使用IDL编写的函数. 由于每个用户都有独特的需求,利用此工具用户可以自己定义处理算法,应用到某个波段或者整个图像中.波段运算实质上是对每个像素点对应的的像素值进行数学运算,运算表达式中的每一个变量不仅可以对应于单一波段,也可以是一个多波段的栅格文件.例如,在表达式 b1﹢b2 中,如果 b1 是一个多波段的图像, b2 为单一波段,则结果为 b1 所对应图像的

1.算法功能简介 波段合成功能主要用于将多幅图像合并为一个新的多波段图像(即波段的叠加打包,构建一个新的多波段文件),从而可根据不同的用途选择不同波长范围内的波段合成 RGB 彩色图像. PIE支持算法功能的执行,下面对波段合成算法功能进行介绍. 2.算法功能实现说明 2.1. 实现步骤 第一步 算法参数设置 第二步 算法执行 第三步 结果显示 2.2. 算法参数 C#算法DLL PIE.CommonAlgo.dll C#算法名称 PIE.CommonAlgo.BandCombinationAl

很好的波段抄底机会 个人浅见看,目前染料股跌出的机会明显,养殖股波段机会明显,芯片.半导体.集成电路.北导.软件.国产操作系统等科技股短线机会不错.另外,大盘指数2856/2806区域的波段操作机会不错,前面3286区域清仓,等的就是这区域的机会.而且风险控制线是2756点左右,整体风险可控! 越是摇摇欲坠的感觉,越要坚持! 个人浅见,仅供参考!

作者:朱金灿 来源:http://blog.csdn.net/clever101 有时打开一些geotif文件,可以看到它的波段描述,但是它究竟存储在文件的什么位置呢?今天研究了一下,大致搞清了这个问题. 我首先搜索了一下geotif的格式说明,没有找到它的存储波段描述的tag,稍微和它接近的tag是TIFFTAG_IMAGEDESCRIPTION,但这个是存放整幅图像的描述信息的. 既然在它的格式说明中没有找到,我就研究下gdal是怎么解决这个问题的.找到相关的一段代码: if( TIFFGe

博主之前在做一款K波段有源移相器,所用工艺为smic55nmll工艺,完成了几个主要模块的仿真,现对之前的工作做个总结. K波段的频率范围是18G——27GHz,所设计移相器的工作频率范围是19G——24GHz.其基本结构和我前面发布的一篇随笔类似,只不过用了45nm的工艺. 首先是正交信号产生电路,分别仿真了两种结构,即RC结构(图1)和RLC结构(图2). 图1 RC结构正交信号产生电路 图2 RLC结构正交信号产生电路 经过仿真发现,RC电路和RLC电路都能产生近乎无误差的四路正交信号,如

波段分离一般最常用的还是OpenCV,使用OpenCV的split方法可以直接对波段分离,并且效果不错,但是有一个问题是只能处理有限波段的数据,比如波段超过一定的数目就无法完成波段分离工作,或者数据有损失,所以就需要使用GDAL处理,并且可以实现不同的驱动方式实现图像的处理. OpenCV的波段发分离方式 OpenCV中自带两个方法split方法和merge方法,两个方法可以实现图像的波段分离和波段的合并. #include <iostream> #include <opencv2/op

许久没更.最近一直在看IDL,忽略了gdal的学习. 今天做了landsat8的辐射定标,需要通过reflectance gains/bias来进行波段运算.由于landsat8 oli未提供一个完整的叠加数据,所以首先第一步就是要将所有波段进行一个叠加.这里分享一下代码. 解释一下: 首先获取tiff驱动,通过第一个波段读取prj\geotransform,然后创建tiff文件导入这两个信息. 随后遍历文件,每次都打开波段文件,读取数组,随后通过GetRasterBand方法来新增波段,用Wr

  源码: 1: PRO TIFF_NDVI,F1,F2,FOUT 2: F1 = DIALOG_PICKFILE(TITLE = 'B4 TIFF',FILTER='*.TIF',/READ) 3: F2 = DIALOG_PICKFILE(TITLE = 'B3 TIFF',FILTER='*.TIF',/READ) 4: FOUT =DIALOG_PICKFILE(TITLE = 'RESULT PATH',FILTER='*.TIF',/WRITE) 5: IF(FILE_TEST(F1

此处用到了ArcGIS栅格处理中的Composite Bands工具( Data Management Tools --> Raster --> Raster Processing).具体操作如下图所示.

MA12:=MA(C,); {股价连续3天站稳12日均线,且12日均线走平或向上} C1:=EVERY(C>MA12,) AND MA12>=REF(MA12,); {MACD金叉,且DIF拐头向上} C2:=MACD.DIF>=MACD.DEA AND MACD.DIF>REF(MACD.DIF,); 选股: C1 AND C2;

目录 前言 实现过程 总结 一.前言        上一篇文章介绍了如何使用Geotrellis渲染单波段的栅格数据,已然很是头疼,这几天不懈努力之后工作又进了一步,整清楚了如何使用Geotrellis将多个(3个)波段的栅格数据渲染成真彩色,废话不多说,进入正题. 二.实现过程        其实基本延续上一篇文章的思路,多波段真彩色就是要将三个波段数据分别作为rgb组合起来得到rgb值进行真彩色渲染.所以与单波段不同的是需要提前获取三个波段的整体信息,以及对波段进行rgb合并. 2.1 获取

目录 前言 复杂原因及思路分析 实现过程 总结 一.前言        今天我们来研究一下这个看似简单的问题,在地理信息系统中颜色渲染应当是最基本的操作和功能,比如我们将一幅Landsat数据拖拽到Arcgis或者QGis等软件中,软件会自动为我们呈现出漂亮的图案,一切看似来的那么容易,但是在分布式海量空间数据的情况下实现色彩渲染操作实在也是要了命的.今天我们就接着上一篇文章中的数据处理(权且将色彩渲染归结到数据处理中)来介绍一下如何在Geotrellis中为栅格数据渲染漂亮的色彩. 二.复杂原

GDAL原生支持超过100种栅格数据类型,涵盖所有主流GIS与RS数据格式,包括•  ArcInfo grids, ArcSDE raster, Imagine, Idrisi, ENVI, GRASS, GeoTIFF •  HDF4, HDF5•  USGS DOQ, USGS DEM •  ECW, MrSID •  TIFF, JPEG, JPEG2000, PNG, GIF, BMP 完整的支持列表可以参考http://www.gdal.org/formats_list.html 导入

一 RPC正射校正的原理 影像正射校正的方法有很多,主要包含两大类:一类是严格的几何纠正模型,另一类是近似几何纠正模型.当遥感影像的成像模型和有关参数已知时,可以根据严格的成像模型来校正图像,这种方法属于严格几何纠正,最具代表的是共线方程法.当传感器成像模型未知或者无法获取相关的辅助参数时,可以用假定的数学模型模拟成像模型,对影像实现校正,这种方法属于近似几何纠正,主要有:几何多项式纠正.有理函数法.局部区域校正等模型.本文将主要对RPC正射校正模型进行展开讨论. RPC模型将像点坐标d(lin