遥感图像云检测数据集CHLandsat8

CHLandsat8数据集

数据集存储地址：https://pan.baidu.com/s/1dwKOuq-kDVAXebV8jy-DaQ?pwd=91jn
裁剪和拼接程序：https://github.com/HaiLei-Fly/CHLandsat8

CHLandsat8 数据集： 本文创建的一个中国Landsat 8 高分辨率云检测数据集，其中包含了 2021年 1 月至 2021 年 12 月 Landsat 8 卫星从中国不同地区采集的 64 个全场景。据我们所知，CHLandsat8 可能是从 Landsat 8 卫星最早收集中国地区的遥感图像云检测数据集。而且与以往的数据集相比，CHLandsat8 中的场景更加复杂多样，实现高精度的云检测更具挑战性。 该数据集覆盖中国西北地区、 北方地区、 青藏地区和南方地区， 包含各种土地覆盖类
型，包括城市、冰雪、草原、山川、森林、海洋和沙漠。数据集是自然彩色图像，尺寸大约为 8000*8000像素。此外，数据集的参考云 mask 已进行标注，并可在网上查阅。我们相信，开放的 CHLandsat8 数据集有助于促进云检测的研究。
在建立数据集的过程中，专家手动逐个像素地标记云在图像中的位置，并通过分别用 1 和 0 标记云和背景的像素值来创建参考 mask。为了确保标签的准确性，参考 mask 已经过迭代检查和校正。在实验中，本文从数据集中随机选取 44 幅图像作为训练集 CHLandsat8-TR ， 20 幅 图 像 作 为 测 试 集CHLandsat8-TE。
由于 GPU 的内存有限，数据集不同场景图像被裁剪成 352×352 大小，详细数据如表所示。

DatasetSceneImageTrain/Test
CHLandsat8-TR4422616Train
CHLandsat8-TE2010080Test

图像裁剪和拼接

图像裁剪程序：

python"># -*- coding:utf-8 -*-
import os
import matplotlib.pyplot as plt
import cv2
import numpy as np
import math
import glob

"""
输入：图片路径(path+filename)，裁剪获得小图片的列数、行数（也即宽、高）
输出：无
"""
def crop_one_picture(path,filename,cols,rows):
    img=cv2.imread(path+filename,1)##读取彩色图像，图像的透明度(alpha通道)被忽略，默认参数;灰度图像;读取原始图像，包括alpha通道;可以用1，0，-1来表示
    # img=cv2.imread(path+filename,-1) # mask
    # img= cv2.copyMakeBorder(img, top=97, bottom=98, left=152, right=153,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 1
    # img= cv2.copyMakeBorder(img, top=87, bottom=88, left=147, right=148,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 2
    # img= cv2.copyMakeBorder(img, top=137, bottom=138, left=36, right=37,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 3
    # img= cv2.copyMakeBorder(img, top=132, bottom=133, left=31, right=32,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 4
    # img= cv2.copyMakeBorder(img, top=12, bottom=13, left=62, right=63,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 5
    # img= cv2.copyMakeBorder(img, top=107, bottom=108, left=6, right=7,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 6
    # img= cv2.copyMakeBorder(img, top=107, bottom=108, left=167, right=168,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 7
    # img= cv2.copyMakeBorder(img, top=97, bottom=98, left=162, right=163,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 8
    # img= cv2.copyMakeBorder(img, top=82, bottom=83, left=152, right=153,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 9
    # img= cv2.copyMakeBorder(img, top=57, bottom=58, left=122, right=123,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 10
    # img= cv2.copyMakeBorder(img, top=6, bottom=7, left=81, right=82,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 11
    # img= cv2.copyMakeBorder(img, top=62, bottom=63, left=112, right=113,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 12
    # img= cv2.copyMakeBorder(img, top=22, bottom=23, left=67, right=68,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 13
    # img= cv2.copyMakeBorder(img, top=127, bottom=128, left=16, right=17,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 14
    # img= cv2.copyMakeBorder(img, top=21, bottom=22, left=101, right=102,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 15
    # img= cv2.copyMakeBorder(img, top=158, bottom=159, left=27, right=28,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 16
    # img= cv2.copyMakeBorder(img, top=31, bottom=32, left=106, right=107,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 17
    # img= cv2.copyMakeBorder(img, top=97, bottom=98, left=152, right=153,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 18
    # img= cv2.copyMakeBorder(img, top=152, bottom=153, left=51, right=52,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 19
    # img= cv2.copyMakeBorder(img, top=142, bottom=143, left=51, right=52,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 20
    img= cv2.copyMakeBorder(img, top=167, bottom=168, left=61, right=62,
                        borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 21
    # img= cv2.copyMakeBorder(img, top=132, bottom=133, left=31, right=32,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 22
    # img= cv2.copyMakeBorder(img, top=152, bottom=153, left=41, right=42,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 23
    # img= cv2.copyMakeBorder(img, top=82, bottom=83, left=147, right=148,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 24
    # img= cv2.copyMakeBorder(img, top=16, bottom=17, left=91, right=92,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 25
    # img= cv2.copyMakeBorder(img, top=57, bottom=58, left=122, right=123,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 26
    # img= cv2.copyMakeBorder(img, top=82, bottom=83, left=147, right=148,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 27
    # img= cv2.copyMakeBorder(img, top=52, bottom=53, left=117, right=118,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 28
    # img= cv2.copyMakeBorder(img, top=137, bottom=138, left=36, right=37,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 29
    # img= cv2.copyMakeBorder(img, top=132, bottom=133, left=26, right=27,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 30
    # img= cv2.copyMakeBorder(img, top=47, bottom=48, left=102, right=103,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 31
    # img= cv2.copyMakeBorder(img, top=172, bottom=173, left=66, right=67,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 32
    # img= cv2.copyMakeBorder(img, top=1, bottom=2, left=61, right=62,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 33
    # img= cv2.copyMakeBorder(img, top=16, bottom=17, left=91, right=92,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 34
    # img= cv2.copyMakeBorder(img, top=152, bottom=153, left=51, right=52,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 35
    # img= cv2.copyMakeBorder(img, top=107, bottom=108, left=172, right=173,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 36
    # img= cv2.copyMakeBorder(img, top=112, bottom=113, left=167, right=168,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 37
    # img= cv2.copyMakeBorder(img, top=92, bottom=93, left=147, right=148,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 38
    # img= cv2.copyMakeBorder(img, top=87, bottom=88, left=147, right=148,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 39
    # img= cv2.copyMakeBorder(img, top=12, bottom=13, left=72, right=73,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 40
    # img= cv2.copyMakeBorder(img, top=127, bottom=128, left=11, right=12,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 41
    # img= cv2.copyMakeBorder(img, top=112, bottom=113, left=1, right=2,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 42
    # img= cv2.copyMakeBorder(img, top=11, bottom=12, left=76, right=77,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 43
    # img= cv2.copyMakeBorder(img, top=157, bottom=158, left=51, right=52,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 44
    ####### Test
    # img= cv2.copyMakeBorder(img, top=142, bottom=143, left=46, right=47,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 1
    # img= cv2.copyMakeBorder(img, top=67, bottom=68, left=127, right=128,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 2
    # img= cv2.copyMakeBorder(img, top=132, bottom=133, left=36, right=37,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 3
    # img= cv2.copyMakeBorder(img, top=127, bottom=128, left=16, right=17,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 4
    # img= cv2.copyMakeBorder(img, top=21, bottom=22, left=106, right=107,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 5
    # img= cv2.copyMakeBorder(img, top=127, bottom=128, left=11, right=12,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 6
    # img= cv2.copyMakeBorder(img, top=102, bottom=103, left=167, right=168,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 7
    # img= cv2.copyMakeBorder(img, top=97, bottom=98, left=162, right=163,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 8
    # img= cv2.copyMakeBorder(img, top=132, bottom=133, left=16, right=17,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 9
    # img= cv2.copyMakeBorder(img, top=107, bottom=108, left=1, right=2,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 10
    # img= cv2.copyMakeBorder(img, top=31, bottom=32, left=111, right=112,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 11
    # img= cv2.copyMakeBorder(img, top=107, bottom=108, left=1, right=2,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 12
    # img= cv2.copyMakeBorder(img, top=21, bottom=22, left=96, right=97,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 13
    # img= cv2.copyMakeBorder(img, top=6, bottom=7, left=76, right=77,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 14
    # img= cv2.copyMakeBorder(img, top=152, bottom=153, left=46, right=47,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 15
    # img= cv2.copyMakeBorder(img, top=92, bottom=93, left=152, right=153,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 16
    # img= cv2.copyMakeBorder(img, top=6, bottom=7, left=81, right=82,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 17
    # img= cv2.copyMakeBorder(img, top=162, bottom=163, left=51, right=52,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 18
    # img= cv2.copyMakeBorder(img, top=162, bottom=163, left=61, right=62,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 19
    # img= cv2.copyMakeBorder(img, top=1, bottom=2, left=66, right=67,
    #                     borderType=cv2.BORDER_CONSTANT, value=[0, 0, 0]) # 20
    
    sum_rows=img.shape[0]   #高度
    sum_cols=img.shape[1]    #宽度
    save_path=path+"\\crop{0}_{1}\\".format(cols,rows)  #保存的路径
    if not os.path.exists(save_path):
        os.makedirs(save_path)
    print("裁剪所得{0}列图片，{1}行图片.".format(int(sum_cols/cols),int(sum_rows/rows))) 
    k = 0
    for i in range(int(sum_rows/rows)):
        for j in range(int(sum_cols/cols)):
            k += 1
            # cv2.imwrite(save_path+'patch_{}_{}_by_{}_'.format(k, i+1, j+1)+ filename.split('.')[0] + os.path.splitext(filename)[1],img[i*cols:(i+1)*cols,j*rows:(j+1)*rows,:]) # L image
            cv2.imwrite(save_path+'patch_{}_{}_by_{}_'.format(k, i+1, j+1)+ filename.split('.')[0] + os.path.splitext(filename)[1],img[i*cols:(i+1)*cols,j*rows:(j+1)*rows]) # mask
    print("裁剪完成，得到{0}张图片.".format(int(sum_cols/cols)*int(sum_rows/rows)))
    print("文件保存在{0}".format(save_path))
    
if __name__ == '__main__':

    path='G:\\CHLandsat8\\LandsatNC\\Train\\patch\\'   #要裁剪的图片所在的文件夹
    picture_names = sorted(glob.glob(path  + '*.png'))
    num = 0
    for picture_name in picture_names:
        print(picture_name)
        name = picture_name.split('\\')[5] 
        print(name)
        crop_one_picture(path,name,352,352)

图像拼接程序：

python">from cv2 import cv2
import numpy as np
import os
# 分割后的图片的文件夹，以及拼接后要保存的文件夹
pic_path = 'H:/FAANet/Pre/CHLandsat8/joint/'
pic_target = 'H:/FAANet/Pre/38_Cloud_Train/CHLandsat8-joint/'
# 数组保存分割后图片的列数和行数，注意分割后图片的格式为x_x.jpg，x从1开始
num_width_list = []
num_lenght_list = []
# 读取文件夹下所有图片的名称
picture_names = os.listdir(pic_path)
if len(picture_names)==0:
    print("没有文件")
else:
    # 获取分割后图片的尺寸
    img_1_1 = cv2.imread(pic_path + 'patch_1_1_by_1_LC08_L1TP_117040_20210625_20210630_01_T1.png')
    (width, length, depth) = img_1_1.shape
    # 分割名字获得行数和列数，通过数组保存分割后图片的列数和行数
    for picture_name in picture_names:
        num_width_list.append(int(picture_name.split("_")[-10]))
        num_lenght_list.append(int((picture_name.split("_")[-8])))
    # 取其中的最大值
    num_width = max(num_width_list)
    num_length = max(num_lenght_list)
    # 预生成拼接后的图片
    splicing_pic = np.zeros((num_width*width, num_length*length, depth))
    # 循环复制
    for idx in range(0, 1):
        k = 0
        splicing_pic = np.zeros((num_width*width, num_length*length, depth))
        for i in range(1, num_width+1):
            for j in range(1, num_length+1):
                    k += 1
                    img_part = cv2.imread(pic_path + 'patch_{}_{}_by_{}_LC08_L1TP_117040_20210625_20210630_01_T1.png'.format(k, i, j),1)         
                    splicing_pic[ width*(i-1) : width*i, length*(j-1) : length*j, :] = img_part
                    print(splicing_pic.shape)
        cv2.imwrite(pic_target + 'LC08_L1TP_' + picture_names[idx].split("_")[-5] + '_' +  picture_names[idx].split("_")[-4] + '_'  +  picture_names[idx].split("_")[-3]  + '_01_T1.png', splicing_pic)
    print("done!!!")

数据集图像示例

彩色图像示例

在这里插入图片描述
彩色图像裁剪示例

在这里插入图片描述
GT图像示例

在这里插入图片描述
GT图像裁剪示例

在这里插入图片描述
希望本文对大家有帮助，上文若有不妥之处，欢迎指正

分享决定高度，学习拉开差距


http://www.niftyadmin.cn/n/755375.html

相关文章

SQLyog常用快捷键 - 转载

SQLyog常用快捷键 - 转载

SQLyog常用快捷键 1. SQL格式化 F12 格式化当前行所在的SQL CtrlF12 格式化选中的SQL 2. 窗口操作 CtrlT 打开一个新的查询窗口 AltL 关闭当前查询窗口 CtrlShiftC 将选中行注释 CtrlShiftR 去除选中行注释 CtrlEnter 代码补全 3. 查询执行操作 F8 执行当前行SQL…
阅读更多...
黑马程序员最全SSM框架用户角色案例(SSM整合版)

黑马程序员最全SSM框架用户角色案例(SSM整合版)

SSM框架用户角色案例 学习视频链接: 黑马程序员最全SSM框架教程|SpringSpringMVCMyBatis全套教程(springspringmvcmybatis) 完整代码链接： https://github.com/HaiLei-Fly/SSM_Test 1、原生JavaWeb对应MVC架构 MVC全名是Model View Controller，是模型…
阅读更多...
localstorage和vue结合使用2

localstorage和vue结合使用2

html 1 <template>2 <div class"hello">3 <div class"page-top">4 <div class"page-content">5 <h2>任务计划列表</h2>6 </div>7 </div>8 <div …
阅读更多...
黑马程序员SpringBoot基础篇SSMP整合案例

黑马程序员SpringBoot基础篇SSMP整合案例

SSMP整合案例 学习视频链接: 黑马程序员SpringBoot2全套视频教程&#xff0c;springboot零基础到项目实战 完整代码链接&#xff1a; https://github.com/HaiLei-Fly/SpringBoot_ssmp 1、功能介绍 1.1 案例功能 实体类开发— —使用Lombok快速制作实体类Dao开发— —整合M…
阅读更多...
C++学习--点滴记录006

C++学习--点滴记录006

6 函数 6.1 概述 作用&#xff1a; 将一段经常使用的代码封装起来&#xff0c;减少重复代码 6.2 函数的定义 函数的定义一般主要有5个要求&#xff1a; 1、返回值类型 2、函数名 3、参数表列 4、函数体语句 5、return 表达式 语法&#xff1a; 返回值类型 函数名 &a…
阅读更多...
TensorFlow滑动平均值

TensorFlow滑动平均值

在采用梯度下降法训练的神经网络中&#xff0c;使用滑动平均模型都可以提高神经网络在测试模型中的表现。 TensorFlow 提供了tf.train.ExponentialMovingAverage来实现滑动平均值模型。 在初始化滑动平均模型是&#xff0c;要传入一个衰减率参数&#xff0c;这个衰减率用来控制…
阅读更多...
C++学习--点滴记录007

C++学习--点滴记录007

7 指针 7.1 指针的基本概念 指针的作用&#xff1a; 可以通过指针间接访问内存 内存编号是从0开始记录的&#xff0c;一般用十六进制数字表示 可以利用指针变量保存地址 7.2 指针变量的定义和使用 指针变量定义语法&#xff1a; 数据类型 * 变量名&#xff1b; 示例&…
阅读更多...
Java Script 学习笔记 (一) 基础

Java Script 学习笔记 (一) 基础

1. 设置变量 const: 赋常量&#xff0c;不可更改。 let :设置可更改变量。 ES6 中推荐使用let 而不是var. Let 和var的区别 : let 将变量的作用域限定在当前{}中&#xff0c; var 定义的变量可作用于{}外。例: 1 //let定义变量2 let i100;3 for (let i 0;i<9;i){4 cons…
阅读更多...
最新文章

Copyright @ 2022~2023