|||
矢量边界裁剪栅格数据往往有两种基本情况:其一,栅格数据范围大于矢量边界(图 1),裁剪过程中将背景值设置为有效值域之外的数值即可,如NDVI数据值域在[-1.0,1.0],背景值可设为1.1,这样达到很好的区分效果。
图 1
其二,矢量边缘可能包含栅格数据的背景(无效)值。如图 2,栅格数据的有效值域[-1.0,1.0],左边设定裁剪背景值是0.0,右边为1.1,图3表示右边红十字线处的Z Profile,显示其6个波段都是0.0,再考虑裁剪前栅格数据的背景值就是0.0,那么就可以确定裁剪结果中包含了原数据的背景值(波段越多,越肯定)。
图 2
图 3
问题:剔除矢量裁剪结果中包含的原数据背景值,用新背景值(有效值域外数值)将其填充,得到真实的矢量边界内的有效数据集?
方法:裁剪过程的背景值仍与原数据背景值一致,最大程度的保证识别的精度。
方案一,决策树方法识别背景范围。在决策树Node中输入节点表达式,Band1 eq 0.0,得到背景和有效区域的二值分类图像。不过,若有效范围内的像元等于背景值,这个方法也会将该像元视为背景,从而造成有效范围内的“空洞”,这可以使用分类修改功能改回“有效”范围。
图 4
方案二,IDL代码。各波段对应像元数值均为背景值,就可以认定该像元是背景,但不包括有效范围内的“空洞”。如图 5,加入各波段的背景值判断后提取的背景和有效区域,波段越多分类的精度越好。
图 5
附上练习数据及代码(Practice.rar)。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-5-21 22:40
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社