大卫星图像处理

Question

我正在尝试在双时相 RapidEye 多光谱图像上运行 Mort Canty 的 http://mcanty.homepage.t-online.de/ Python iMAD 实现。它基本上计算了两个图像的典型相关，然后减去它们。我遇到的问题是 图像的大小为 5000 x 5000 x 5（条带）像素。如果我尝试运行它 整个图像我得到一个内存错误。

使用 pyTables 之类的东西对我有帮助吗？

Mort Canty 的代码试图做的是它使用 gdal 加载图像然后存储它们 在 10 x 25,000,000 数组中。

    # initial weights
    wt = ones(cols*rows)      
    # data array (transposed so observations are columns)
    dm = zeros((2*bands,cols*rows))
    k = 0
    for b in pos:
    band1 = inDataset1.GetRasterBand(b+1)
    band1 = band1.ReadAsArray(x0,y0,cols,rows).astype(float)
    dm[k,:] = ravel(band1)
    band2 = inDataset2.GetRasterBand(b+1)
    band2 = band2.ReadAsArray(x0,y0,cols,rows).astype(float)        
    dm[bands+k,:] = ravel(band2)
    k += 1

即使只是创建一个 10 x 25,000,000 的 numpy 浮点数组也会引发内存错误。任何人都知道如何解决这个问题？这是我的第一篇文章，所以也欢迎任何关于如何发帖的建议。

问候

Answer 1

numpy 默认使用 float64，因此您的 dm-array 占用 2GB 内存 (8*10*25000000)，其他阵列可能每个大约 200MB (~8*5000*5000)。

astype(float) 返回一个新数组，因此您也需要内存 - 甚至可能不需要内存，因为在将数据复制到结果数组时会隐式转换类型。

何时释放 for 循环中使用的内存取决于垃圾回收。而且这里没有考虑GetRasterBand、ReadAsArray的内存开销。

您确定您的输入数据使用 64 位浮点数吗？如果它使用 32 位浮点数，您可以通过在数组上指定 dtype='f' 轻松将内存使用量减半。