摘要：
基于光谱的影像的分类可分为监督与非监督分类，这类分类方法适合于中低分辨率的数据，根据其原理有基于传统统计分析的、基于神经网络的、基于模式识别的等。 本专题以ENVI5.3及以上版本的监督与非监督分类的实际操作为例，介绍这两种分类方法的流程和相关知识。有以下内容组成： 监督分类 非监督分类 分类后处理 阅读全文
摘要：
本文利用ENVI深度学习工具和ENVI精准农业工具从8.59cm分辨率航空影像上提取椰子树信息。ENVI深度学习工具获取椰树的CAM类激活图，CAM图像为灰度图（0~1范围），其DN值代表该像素属于目标的概率。为了得到椰子树的林冠半径，利用ENVI精准农业工具包的作物计数工具从CAM图像上提取椰树信 阅读全文
摘要：
软件试用：https://www.cnblogs.com/enviidl/p/16275745.html 计算机环境要求：https://www.cnblogs.com/enviidl/p/16309506.html 教程下载链接：https://pan.baidu.com/s/15D3c6MXTA 阅读全文
摘要：
ENVI Deep Learning 1.1 Tech Preveiw目前已经发布，仅在内部测试。迫不及待的要跟大家分享一下新的功能，应该跟1.1正式版没有太大区别。 此版本包含了几个关键改进和新功能： 多要素/多类别支持。 新增项目管理功能，用于管理训练图像和ROIs。 训练过程中的状态信息显示改 阅读全文
摘要：
为扬尘治理和保护环境，城市的裸露地表、易扬尘物料等要求覆盖防尘网。防尘网一般由聚乙烯材料制作的网状物，颜色主要为黑色和绿色。 本文介绍利用遥感影像和ENVI深度学习工具快速提取防尘网覆盖信息，数据和处理环境如下： 数据源：标准景高分二号3.8米4波段多光谱数据，16bit 处理软件：ENVI5.5. 阅读全文
摘要：
ENVI 深度学习工具基于 TensorFlow 构建，要求显卡是英伟达芯片（NVIDIA GPU Card） ，并且显卡的 CUDA® Compute Capability（运算能力）为 3.5 或者更高，可通过 https://developer.nvidia.com/cuda-gpus 网站查 阅读全文
摘要：
1 概述 图片是一张扫描件，3波段图像。我们的任务是定位/计数一个特定的符号。目标符号的颜色和地图上的许多其他特征类似，所以我们不能仅仅依靠光谱（RGB值）来处理。 要寻找的符号 我们需要训练一个深度学习模型，然后进行目标提取。 2 选择训练样本 首先从原图裁剪出一小块图像作用样本选择和模型训练的输 阅读全文
摘要：
软件试用：https://www.cnblogs.com/enviidl/p/16275745.html 使用的数据是高分一号融合结果，空间分辨率为2米。 影像覆盖区为山东省寿光市。 下面介绍处理流程。 1、图像裁剪 在绘制样本时，只需在一小块典型区域绘制即可，然后用于训练模型。不需要在整景图像上绘 阅读全文
摘要：
Jason Wolfe Monday, April 22, 2019 随着ENVI深度学习模块的发布，遥感用户从图像中提取特征变得更加简单。这种简单性的一部分原因是：ENVI的预处理和光谱工具提供了创建标记数据集的能力。当我们可以半自动化的标记图像时，不再需要花费无数个小时来乏味地纯手工绘制ROI。 阅读全文
摘要：
软件试用：https://www.cnblogs.com/enviidl/p/16275745.html SuperView-1 全色分辨率0.5 米，多光谱分辨率2 米，轨道高度530 公里，幅宽12 公里，过境时间为上午10:30。由于SuperView-1 卫星具有很高的敏捷性，可设定拍摄连续 阅读全文
摘要：
注：产品于4月份正式发布，试用请浏览：https://www.cnblogs.com/enviidl/p/16275745.html ENVI发布新的产品：ENVI Deep Learning Module，即ENVI深度学习模块。ENVI Deep Learning Module是面向空间信息从业 阅读全文