我必须开始研究卫星图像分析的应用，以确定一些人造结构。我想为此使用C或Java。
对于卫星我计划使用Google地图数据。
我在这里有三个问题：
这是很多问题，但我希望这里更聪明的人可以帮助我。
答案 0 :(得分：2)
具体来说，请查看Glovis：http://glovis.usgs.gov/
您可以浏览地球，并从多个不同的卫星和传感器下载地图。即使您必须经历虚假的“订购”过程，图像也是免费的。
答案 1 :(得分：2)
过度处理的图像（如Google或Bing地图）是用于执行特征提取或特征识别的可怕的图像源。通常，您希望使用相机模型获得最未经处理的原始形式......当然，如果您无法访问此类数据，则必须使用您拥有的数据。
Google地图/地球图像的一个更重要的考虑因素是您可能违反其许可协议。我建议您在决定将其数据作为图像源之前进行检查。特别是，如果您绕过他们的API，则违反了他们的许可协议。
就图书馆和语言而言，有许多机器视觉库可用。我不能推荐一个，因为我只是他们的结果的下游消费者。我对这个问题的理解是，最大的问题是你如何建立“模型”以进行比较......即你如何给系统一个你所寻找的“例子”。
找到图书馆后，您就可以对该语言做出决定。通常，像Python或Matlab这样的高级语言用于这种原型设计。找到方法后，就可以转换为“更高性能”的语言 - 如有必要。
就个人而言，我可能会使用Python，因为（1）它是免费提供的，（2）在科学和研究领域有一个重要的社区，（3）可以与各种语言和平台互操作。
答案 2 :(得分：1)
您可能会发现USGS（美国地质调查局）网站很有帮助。它们提供GIS信息和各种数据集。
答案 3 :(得分：1)
我同意James Schek的观点。谷歌为您提供RGB图像 - 不是最有用的任务。大多数图像都会有一些额外的通道可能更适合您。不同的渠道显示不同的特征，水，城市区域，树叶类型等。例如，红外线可用于在凉爽的气候中挑选建筑物。如果您联系多个数据提供商，他们可能会建议在其数据中使用最佳渠道。
Ariel图像对于详细的世界数据库来说可能是巨大的，无数的terrabytes。仔细考虑您需要处理多少信息。如果你只做几平方英里的性能不是问题。如果您处理数千平方英里，性能就成了问题。处理数百万，性能是关键任务，必须从第一天开始考虑。
了解您需要处理的渠道数量，性能要求和数据的文件格式，请查看满足您所有要求的库。其中许多都是用C / C ++编写的，所以使用与它们互操作的语言都可以提供帮助
答案 4 :(得分：0)
看看这个演示： Finding Vegetation in a Multispectral Image ， MATLAB 中的图像处理工具箱的一部分。这与您分析卫星图像以找到特定模式的问题有关。
我相信这是一个很好的例子，你可以使用很少的代码轻松地用MATLAB实现这些。