想做深度学习修复遥感图像，现在先试一下广泛使用的遥感专业软件envi的条带修复效果。方便以后实现不同方法的对比。

整体步骤： 1、地理空间数据云下载免费的遥感图像 2、用landsat7 slc+off 的掩膜和landsat7 slc+on的图像文件生成新的条带图像 3、envi插件修复，输出栅格tif文件 4、用arcgis将tif转换为jpg 5、计算PSNR和SSIM指标

详细解释：

1

经过了解，网上方便下载landsat7图像的地方有中科院国际科学数据服务平台和地理空间数据云，后者的数据应该也是从前者下载过来整合的，但是不知是特殊时期还是没有权限，国科平台的数据页面进不去，其网站提供的两种在线数据恢复方法也没法用。只能在后者下载数据。

2

下载的每景图像中，包含该卫星每个波段的图和每个波段的掩膜文件。因为后面要对修复的图像作PSNR和SSIM两个指标评价，需要有groundtruth，但是landsat7slc+off是没有的，所以我下载了03年之前传感器未损坏的图像。使用损坏图像的掩膜和完好图像自己制作了缺失条带图像。这里有个问题是即使都是landsat7卫星，但每一景的大小都不通，因此是不能直接拿损坏图像一个波段的掩膜和完好图像作融合，他们大小不匹配，matlab会报错。况且每张卫星图非常大，直接对其处理不方便，因此我取中间的750*600像素块来进行后续的计算的研究。

裁切后的groundtruth： 添加掩膜后的自制条带图像： 对于landsat7卫星来说，其图像一共有9个波段，查资料得知，其3、2、1波段分别赋红、绿、蓝合成后会生成自然状态下的真彩色，正是我们的需求，因此上面所有的图都是3、2、1波段按顺序合成的真彩色图。

3

ENVI插件修复方法基本有两种，两个插件分别是landsat_gapfill.sav和tm_destripe.sav 下载地址

https://blog.csdn.net/dou3516/article/details/71547274

两种方法使用上略微有点不同，具体操作很多人的博客都有说，不再赘述。 有一点需要注意：如果envi版本比较新，是没有basic tools这个窗口的，我5.3的版本是在右侧的toolbox。网上很多人说的插件放在envi安装目录下的save_add文件夹中即可，使用路径 Basic Tools -> Preprocessing -> Data-Specific Utilities ->Landsat TM -> Landsat gapfill，注意这是经典版的，我5.3版本是在这。 这两个插件效果差别很大，这是tm_destripe修复效果： 这是landsat_gapfill修复效果： 很明显后者要好很多，因此后面不再关注第一种方法。由于我要与深度学习的方法作比较，此两种方法均为传统方法，其具体实现原理暂不做深入探究，仅比较他们的修复效果。

4

在探索过程中，我发现用envi修复的图像只能保存为TIF或者其他不认识，不熟悉的文件格式。并不能保存常见的jpg图片格式，这或许会给后面的使用带来很多问题，所以我用另一款专业软件arcgis10.2将栅格TIF转换成JPG格式。因为某些原因，以前装的不能用了，需要重新安装，但要注意，在非首次安装时，一定要先把上次装的清理干净，特别是系统注册表那些卸载软件很容易忽略的，不然会一直安装失败。另外很多人在安装arcgis manager时，提示缺少一个文件，那应该是下载的安装包不完整。： 这里推荐一个教程链接，下载安装都有，很好用

5

利用landsat_gapfill.sav插件修复的图像效果如下： 与前面groundtruth对法发现，其修复的视觉效果是还不错的，计算其峰值信噪比和结构相似度：此处借鉴此博客方法 到此，得到一组传统方法修复遥感条带图像的指标。