自适应窗口算法设计

 自从10月末、11月初写了一个有关计算SEVI的小软件，优化、便利化、实时出结果的想法，就一直回旋在脑海。
&emsp；我是这么构思的，下面分优化、心理历程的几个阶段进行阐述：

第一个阶段、初探（10月第四周）

1 思路

 f值的窗口如何选？起初我是暂定以坡度最大值格点为中心格点，以20格20格为初始窗口，也就是600m600m为初始窗口，这样应该可以同时触及到阴阳坡，如果初始窗口过小的话，可能就仅单单会涉及到阴坡或者阳坡。向外以步长为5格，60格为最大扩展半径。开始向外成上下、左右同时扩展

2 实施

具体形成代码如下：

# 注： 已完成了阴阳坡剖分图
[max_hang,max_lie] = np.where(slope == np.max(slope))
max_hang = xi
max_lie = yi
width_pre = 10
height_pre = 10
for add in range(0,61,5):
	width = width_pre+add
	height = height_pre+add
	sum_area = 2*width*2*height
	# -------窗口参数如下--------
       win_up = max_hang-height  
       win_bottom = max_hang+height
       win_left = max_lie-width
       win_right = max_lie+width
       windows = aspect_10[int(win_up):int(win_bottom),int(win_left ):int(win_right)]   
       sum_windows1 = np.sum(windows == 1)
       ind1 = sum_windows1/windows  # 当ind1等于50%时，确认为当前最优窗口

 为什么设置指标-ind1？之前有做过验证，纯阳坡、纯阴坡、阴阳坡混合，第三种用来计算最好。这是因为，根据SEVI的“相关系数法”的计算算法，里面的皮尔逊相关系数涉及到了求累积和、累乘和。与SEVI求共线性相关性的RVI、SVI一个是为阳坡“声张”的量，一个是为阴坡“声张”的量。所以，当阴阳坡面积足够大，且被声张的力量相等时，f值的计算结果才最有意义。
通过使指标1-ind1等于50%，也就是阴阳坡像元数相等，面积相等时，被当做最佳窗口，进行计算。

3 弊端

 （1）未涉及到非矩形不规则边界的问题，如果遥感影像为非矩形，窗口很可能就会扩展到背景值。

 （2）窗口扩展方式很单调，有可能涉及扩不到最佳窗口的问题。假设步长为s，最大长度M，从0步长开始扩展，那么这种扩展方式一共会运算(M/s)次。

第二个阶段、改进（11月第二周及第三周前三天）

1 问题及解决方案

 知识往往都是一个循序渐进的过程，当我11月第二周刚开始感觉渐入佳境的时候，有很多实际的问题，其实都给予我了迎头痛击。
 根据第一个阶段所存在的问题，以及老师所给出的建议。想出了构建第二个指标—ind2，这个指标也是为了判断窗口的可用性，就是是否涉及到了背景值的问题。具体实现代码如下：

# 注： 表观反射率不会存在负值，以及很小可能出现0值。满足这些值就是背景值。
# 用Arcgis剪裁背景值可能会出现-38e+38这个数，是小于-5的
rs_windows = rs[int(win_up):int(win_bottom),int(win_left ):int(win_right)]   
index1 = np.where(rs_windows < 5)[0]   # 小坑，np.where返回的是一个tuple，等于2
index2 = np.where(rs_windows == 0)[0]
ind2 = index1 + index2

2 扩展方式

 左右宽度扩一次，上下高度扩12次，以此循环。假设步长为s，最大长度M，从0步长开始扩展，那么这种扩展方式一共