【学习教程】“Python+”集成技术高光谱遥感数据处理与机器学习深度应用

课程深入探讨了高光谱遥感数据处理技术，涵盖了基本概念、成像原理、数据处理和分析方法，以及运用机器学习和深度学习模型提取和应用高光谱信息的技术。此外，通过Python实践练习，课程帮助学员巩固所学知识，使其得以深入理解与实践。

这门课程适合对高光谱技术感兴趣，并希望通过Python进行实践的任何人。

培训方式

视频课程+导师群辅助

教学特色

1、原理深入浅出的讲解；   

2、技巧方法讲解，提供所有案例数据及代码；

3、与项目案例相结合讲解实现方法，对接实际工作应用 ；

4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；

5、专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑； 

证书及学时

   参加培训的学员可以获得《高光谱遥感技术应用》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com

注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员。

发票开具

培训费、会议费、资料费、技术咨询费，配有盖章文件，用于参会人员报销使用；

培训费用

培训费用：3580元

Ai尚研修会员费用：参见会员政策文件 

【优惠活动】：

1：学生凭学生证有效证件参会可享受85折优惠。

2：分享朋友圈设置公开集赞20枚立减100元。

课程安排

第一章、高光谱数据处理基础

第一课：高光谱遥感基本概念

01)高光谱遥感

02)光的波长

03)光谱分辨率

04)高光谱遥感的历史和发展

第二课：高光谱传感器与数据获取

01)高光谱遥感成像原理与传感器

02)卫星高光谱数据获取

03)机载（无人机）高光谱数据获取

04)地面光谱数据获取

05)构建光谱库

第三课：高光谱数据预处理

01)图像的物理意义

02)数字量化图像（DN值）

03)辐射亮度数据

04)反射率

05)辐射定标

06)大气校正

练习1:

资源02D高光谱卫星数据辐射定标与大气校正

第四课：高光谱分析

01)光谱特征分析

02)高光谱图像分类

03)高光谱地物识别

04)高光谱混合像元分解

练习2

（1）使用DISPEC 对光谱库数据进行光谱吸收特征分析

（2）使用ENVI的沙漏程序对资源02D高光谱卫星数据进行混合像元分解

第二章、高光谱开发基础（Python）

第一课：Python编程介绍

01)Python简介

02)变量和数据类型

03)控制结构

04)功能和模块

05)文件、包、环境

练习3

（1）python基础语法练习

（2）文件读写练习

（3）包的创建导入练习

（4）numpy\pandas 练习

第二课：Python空间数据处理

01)空间数据Python处理介绍

02)矢量数据处理

03)栅格数据处理

练习4

（1）python矢量数据处理练习

（2）python栅格处理练习

第三课：python 高光谱数据处理

01)数据读取

02)数据预处理

辐射定标、6S大气校正

03)光谱特征提取

吸收特征提取

04)混合像元分解

PPI、NFINDER端元光谱提取

UCLS、NNLS、FCLS最小二乘端元丰度计算

练习5

（1）高光谱数据读取

（2）高光谱数据预处理

（3）光谱特征提取

（4）混合像元分解

第三章、高光谱机器学习技术（python）

第一课：机器学习概述与python实践

01)机器学习与sciki learn 介绍

02)数据和算法选择

03)通用学习流程

04)数据准备

05)模型性能评估

06)机器学习模型

练习6

机器学习sciki learn练习

第二课：深度学习概述与python实践

01)深度学习概述

02)深度学习框架

03)pytorch开发基础-张量

04)pytorch开发基础-神经网络

05)卷积神经网络

06)手写数据识别

07)图像识别

练习7

（1）深度学习pytorch基础练习

（2）手写数字识别与图像分类练习

第三课：高光谱深度学习机器学习实践

01)基于scklearn高光谱机器学习

02)使用自己的数据进行机器学习（envi标注数据）

03)高光谱深度学习框架

04)高光谱卷积网络构建

05）使用自己的数据进行深度学习

练习8

（1）高光谱数据分类练习

（2）高光谱深度学习练习

（3）使用自己数据测试

第四章、典型案例操作实践

第一课：矿物填图案例

01)岩矿光谱机理

02)基于光谱特征的分析方法

03)混合像元分解的分析方法

练习9

（1）矿物高光谱特征分析习

（2）基于混合像元分解矿物填图

第二课：农业应用案例

01)植被光谱机理

02)农作物病虫害分类

03)农作物分类深度学习实践

练习10

（1）农作物病虫害机器学习分类

（2）农作物分类深度学习练习

第三课：土壤质量评估案例

01)土壤光谱机理

02)土壤质量调查

03)土壤含水量光谱评估方法

04)土壤有机质含量评估与制图

练习11

（1）基于9种机器学习模型的土壤水分含量回归

（2）土壤有机质含量回归与制图

第四课：木材含水率评估案例

01)高光谱无损检测

02)木材无损检测

03)高光谱木材含水量评估

练习12

木材含水量评估和制图

总结与答疑

课程回顾与总结

交流答疑

最新技术介绍和讨论

注：请提前自备电脑及安装所需软件。

报名方式

详细报名流程，请联系课程负责人

李莎：158-3333-2534（微电）

QQ咨询：422573623