基于tensorflow的遥感影像分类

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import os
import scipy.io as scio
import cv2
import datetimetime

os.environ[“CUDA_VISIBLE_DEVICES“] = ‘01‘

def discrete_matshow（data labels_names=[] title=““）:
    # get discrete colormap
    cmap = plt.get_cmap（‘Paired‘ np.max（data） - np.min（data） + 1）
    # set limits .5 outside true range
    mat = plt.matshow（data
                      cmap=cmap
                      vmin=np.min（data） - .5
                      vmax=np.max（data） + .5）
    # tell the colorbar to tick at integers
    cax = plt.colorbar（mat
                       ticks=np.arange（np.min（data） np.max（data） + 1））

    # The names to be printed aside the colorbar
    if labels_names:
        cax.ax.set_yticklabels（labels_names）



    if title:
        plt.suptitle（title fontsize=14 fontweight=‘bold‘）


def next_batch（image ii h）:
    j = 14
    temp = []
    while j < h - 14:
        rgb = image[ii - 14:ii + 14 j - 14:j + 14 :]
        temp.append（rgb）
        j += 1
    temp = np.array（temp）
    # print（temp.shape）
    # assert temp.shape[0] == 3972
    # print（temp.shape）
    return temp

img = cv2.imread（‘jimo_resize_2000.tif‘）
img = cv2.cvtColor（img cv2.COLOR_BGR2RGB）
img = np.multiply（img 1.0/255.0）
print（img.shape）
m = img.shape[0]
n = img.shape[1]

print（‘load the model....‘）
vgg_saver = tf.train.import_meta_graph（‘2017.09.11-03.31.ckpt.meta‘）
vgg_graph = tf.get_default_graph（）

# for n in tf.get_default_graph（）.as_graph_def（）.node:
#     print（n.name）

x = tf.get_default_graph（）.get_tensor_by_name（‘Placeholder:0‘）
z = tf.get_default_graph（）.get_tensor_by_name（‘Placeholder_1:0‘）



feature = vgg_graph.get_tensor_by_name（“D_conv_mnist/fully_connected_2/BiasAdd:0“）
print（feature）
pred = tf.nn.softmax（feature）
print（‘extract jimo image feature...‘）
result = []

start_time = datetime.datetime.now（）
with tf.Session（） as sess:
    vgg_saver.restore（sess ‘./2017.09.11-03.31.ckpt‘）
    i = 14
    segmentation_ = []
    z_sample