我有一张包含6个不同波段的图像。

我已经对图像进行了预处理，以便为模型做好准备，如下所示：

ds1, image = raster.read(imagePath, bands='all')

然后我使用pyrsgis重塑了图像

image = changeDimension(image)

最后，我将其除以255

xTrain = xTrain / 255.0

并重新塑形以与手动标记的类别匹配

image= image.reshape((image.shape[0], 1, image.shape[1]))

我试图将图像通过我用Keras构建的自编码器，该自编码器具有以下结构：

model = keras.Sequential([    keras.layers.Flatten(input_shape=(1, nBands)),    keras.layers.Dense(14, activation='relu'),    keras.layers.Dense(2, activation='relu', activity_regularizer=l1(10e-6)),    keras.layers.Dense(14, activation='relu'),    keras.layers.Dense(6, activation='sigmoid')])

训练效果很好。当我使用 predicted = model.predict(newImg) 时，我得到了形状为 (1391808, 6) 的预测数组。

但问题是，我不知道如何从输出中重建图像，以便最终保存它。

回答：

如果有人遇到相同的问题，这是解决方案

predicted = model.predict(featuresHyderabad)predictedArr = np.zeros(shape = ( nBands, imageHeight, imageWidth ))for i in range(nBands):  prediction = np.reshape(predicted[:,i], (imageHeight, imageWidth))  predictedArr[i] = predictionraster.export(predictedArr, metaData, filename=outFile, dtype='float', bands='all')