eo-learn 从卫星图像中提取有价值的信息

github链接：https://github.com/sentinel-hub/eo-learn

通过哥白尼和陆地卫星计划获得的地球观测数据是许多地球观测应用的史无前例的资源，包括海洋和土地利用、土地覆盖监测、灾害控制、紧急服务和人道主义救援。考虑到高重访频率下的大量高空间分辨率数据，需要能够自动提取这些时空数据中复杂图案的技术。
eo-learn是一个开源python包的集合，它已经开发出来，可以无缝地访问和处理任何卫星舰队及时自动获取的时空图像序列。eo-learn易于使用，它的设计模块化，并鼓励协作——在典型的eo值提取工作流中共享和重用特定任务，如云屏蔽、图像联合注册、特征提取、分类等。每个人都可以自由使用任何可用任务，并鼓励改进、开发新任务。与社区其他人分享。
EO-Learn使得从卫星图像中提取有价值的信息变得与定义卫星图像上要执行的一系列操作一样容易。下图说明了一个处理链，该处理链通过对用户指定感兴趣区域的归一化差水指数阈值来映射卫星图像中的水。

EO学习库是地球观测/遥感领域与python生态系统之间的桥梁，用于数据科学和机器学习。这个库是用python编写的，使用numpy数组来存储和处理遥感数据。其目的是让非专家一方面更容易进入遥感领域，并将python生态系统中现有的最先进的计算机视觉、机器学习和深度学习工具带给遥感专家。

Package Overview

eo-learn根据不同的功能和外部包依赖性分为几个子包。因此，用户不需要安装整个软件包，只需要安装他需要的部分。
目前有以下子包：

• eo-learn-core:实现基本构建块（eopatch、eotask和eoworkflow）和常用功能的主要子包。
• eo-learn-coregistration:处理图像共同注册的子包。
• eo-learn-features:用于提取数据属性和功能操作的实用程序集合。
• eo-learn-geometry:用于几何转换和矢量和光栅数据之间转换的几何子包。
• eo-learn-io:输入/输出子包，用于从Sentinel集线器服务获取数据或在本地保存和加载数据。
• eo-learn-mask:用于屏蔽数据和计算云屏蔽的子包。
• eo-learn-ml-tools:可以在机器学习过程之前或之后使用的各种工具。
• eo-learn-visualization:用于EO学习核心元素的可视化工具。

Installation

python版本>=3.5

pip install eo-learn

也可以分别安装各个子包：
pip install eo-learn-core
pip install eo-learn-coregistration
pip install eo-learn-features
pip install eo-learn-geometry
pip install eo-learn-io
pip install eo-learn-mask
pip install eo-learn-ml-tools
pip install eo-learn-visualization

在安装eo-learn之前，也要安装：

gdal
rasterio
shapely
fiona

eo-learn-mask的依赖项之一是lightgbm包。在Windows上，它需要64位的python发行版。如果安装过程中出现问题，请查看LightGBM安装指南。
eo-learn-visualization子包的一部分需要额外的依赖项，默认情况下不会安装这些依赖项。这些可以安装在

pip install eo-learn-visualization[FULL]

Blog posts and papers

• Introducing eo-learn (by Devis Peressutti)
• Land Cover Classification with eo-learn: Part 1 - Mastering Satellite Image Data in an Open-Source Python Environment(by Matic Lubej)
• Land Cover Classification with eo-learn: Part 2 - Going from Data to Predictions in the Comfort of Your Laptop (by Matic Lubej)
• Land Cover Classification with eo-learn: Part 3 - Pushing Beyond the Point of “Good Enough” (by Matic Lubej)
• Innovations in satellite measurements for development
• Use eo-learn with AWS SageMaker (by Drew Bollinger)
• Spatio-Temporal Deep Learning: An Application to Land Cover Classification(by Anze Zupanc)
• Tree Cover Prediction with Deep Learning(by Daniel Moraite)

标签：eo,learn,python,子包,install,图像,pip
来源： https://blog.csdn.net/qq_40636100/article/details/94354948