遥感作业 2016.11.14 - 图文

5、熟悉了MERIS文件后，开始对影像的处理练习，目的是将影像中水域部分处理出来。

从图上看到水域部分范围较大，形状复杂，因此直接绘制感兴趣区的方式就被排除掉了。我首先尝试了依据像元值范围掩膜的方式进行了提取。 方法一：依像元值掩膜

通过密度分割的手段，确定了band9上水域的像元值范围大致在9379-12505之间，接着双击image窗口，沿边界修正这一范围，确定在9500-14800左右，依这一数据创建掩膜，得到结果。

方法二：神经网络法

由于我想提取的地物范围大而复杂，因此考虑到之前学习的神经网络和支持向量机这两种经验关系算法，这两种方法恰好可以满足这种提取要求。但是在之前的学习中我已经尝试过用

经验关系算法处理单一地物提取，得到的效果会由于对应关系不明确而出现整幅影像都被覆盖的情况，因此我除针对单一的水域外还将其他地物统一规定为其他，绘制了另一个感兴趣区，避免了规则不明确的问题。

绘制两个感兴趣区，水域为红色，其他为绿色。

根据绘制的感兴趣区建立规则，通过神经网络运算，提取出水域。

支持向量机法与此类似。 方法三：波段运算

打开z profile图像观察地物波段特征，发现在水域上band9的像元值比band10的要大，而其他地物显示出的特征则相反，因此输入运算式b1-b2，定义b1为band9，b2为band10，运算得出结果，再根据结果创建掩膜，即可提取出地物。

总结：通过上述练习，我对提取地物方法有了更熟练的掌握，可以看出不同手段的优缺点也不同，对于这种大范围的地物，我认为波段运算的手段最为精确，但在确定运算式时仍有一定困难；神经网络法在确定规则时为保证精准度需要建立足够多的关系；而密度分割后直接依像元值掩膜的手段相比较而言比较简单，但精准度不高，在后面的练习中如何针对不同地物进行不同手段提取也是我需要练习的。