eCognition Developer軟件常用算法與特征

1、 智能影像分析專家eCognition Developer 軟件常用算法與特征一、常用算法1. 分割1多尺度分割 multiresolution segmentation多尺度影像分割從任一個(gè)像元開始 , 采用自下而上的區(qū)域合并方法形成對象。小的對象 可以經(jīng)過若干步驟合并成大的對象 , 每一對象大小的調(diào)整都必須確保合并后對象的異質(zhì)性 小于給定的閾值。因此 , 多尺度影像分割可以理解為一個(gè)局部優(yōu)化過程 , 而異質(zhì)性則是由對 象的光譜 (spectral 和形狀 (shape 差異確定的 , 形狀的異質(zhì)性則由其光滑度和緊湊度來衡量。 顯然 , 設(shè)定了較大的分割尺度 , 則對應(yīng)著較多的像元被合并 ,

2、 因而產(chǎn)生較大面積的對象。多尺度分割2棋盤分割 chessboard segmentation棋盤分割是最簡單的分割算法。 它把整幅或特定的影像對象裁剪成一個(gè)給定大小的相等 正方形。置 各 波 重否 使 用 矢 尺度參數(shù)形狀因子 緊致度因子 智能影像分析專家 棋盤分割因?yàn)槠灞P分割算法產(chǎn)生簡單的正方形對象,所以它經(jīng)常用來細(xì)分影像與影像對象。3四叉樹分割四叉樹分割與棋盤分割類似,但是它要?jiǎng)?chuàng)建出不同大小的正方形。您可以使用 Scale Parameter 定義每個(gè)正方形內(nèi)的顏色差異上限。在裁剪出一個(gè)初始的正方形網(wǎng)格后,四叉樹 分割繼續(xù)如下:如果不符合同質(zhì)性標(biāo)準(zhǔn), 那么把每個(gè)正方形裁剪成四個(gè)較小的正方

3、形。 例如:正方形對象中最大的顏色差異要比定義的尺度值大。 重復(fù)以上過程直到在每個(gè)正方形中都符 合同質(zhì)性標(biāo)準(zhǔn)。四叉樹分割尺度參數(shù)是否使用矢 量參與分割 2. 分類1 assign Class 根據(jù)限制條件將對象分為指定類別,一次只能分一類。 是否使用矢 量參與分割 設(shè) 置 各 波 段權(quán) 重 尺度參數(shù) 2 C lassification 可以一次對多個(gè)類進(jìn)行分類。3 assign class by thematic layer 使用矢量進(jìn)行分類。 分類類別分類類別, 可以是多個(gè) 類別算法作用范圍 算法作用范圍 根據(jù)矢量層 屬性表的某 個(gè)屬性進(jìn)行 分類4 remove classification

4、 擦除指定分類結(jié)果。是否擦除規(guī)則集分類結(jié)果 是否擦除手動(dòng)分類結(jié)果 3. 分類后處理1 merge region 合并是否融合父對象 是否使用矢量2 find enclosed by class 找 出 被 某 個(gè) 類 別 包 含 的 對 象 , 并 對 其 進(jìn) 行 分 類 3 remove objects 一般用來合并或去掉面積比較小的對象4 pixel-based objects resizing 用來對地物形狀進(jìn)行規(guī)范化處理 外面包含的類別將里面被包含的類別分 為哪個(gè)類別里面被包含的類別,可以是一個(gè)也可以是多個(gè)將小對象指定分為某個(gè)類 別,或者根據(jù)其與相鄰對 象相對邊界最大的對象確 定其類別

5、 (none的情況下 4. 輸出export vector layer 輸出矢量數(shù)據(jù) 這 里 有 三 種 模 式 可 選 : Growing 、 Shrinking 、 Coating 5. 地圖、層相關(guān) 1 copy map 復(fù)制地圖 添 加 要 輸 出的屬性 復(fù) 制 的 影 像 波 段 層及矢量層2 copy image object level 復(fù)制影像對象層(只能在同一地圖下用復(fù) 制 之 后 的 影 像 對 象 層 放 在 源 層 的上面或下面3 synchronize map 同步地圖, 用于將一個(gè)地圖下某個(gè)層的分類結(jié)果同步到另一個(gè)地圖下的 智能影像分析專家某個(gè)層上。二、各地物類別分

6、類時(shí)常用特征下面以 worldview 數(shù)據(jù)為例, Layer1、 Layer2、 Layer3、 Layer4分別對應(yīng)藍(lán) blue 、 綠 green 、 紅 red 、近紅外 nir 四個(gè)波段。1. 水體水體在近紅外波段反射率較低,在影像上常表現(xiàn)為暗色調(diào),因此分類水體時(shí)常采用與 近紅外波段有關(guān)的特征:如近紅外波段均值、植被指數(shù) NDVI 、水體指數(shù) NDWI 等。 是否同步完整的 層次結(jié)構(gòu)智能影像分析專家 近紅外波段均值 創(chuàng)建自定義特征 植被指數(shù) NDVI=(nir-red /(nir+red 水體指數(shù) NDWI=(green-nir /(green+nir2. 植被(耕地、園地、林地、草

7、地對植被進(jìn)行分類時(shí)常用的特征是植被指數(shù) NDVI 。 各植被類別之間的區(qū)分的常用特征有:綠波段比率、近紅外波段標(biāo)準(zhǔn)差、紋理特征等。智能影像分析專家 綠波段比率 近紅外波段標(biāo)準(zhǔn)差智能影像分析專家 紋理特征 3.道路 道路在影像上表現(xiàn)為長條帶狀，提取時(shí)可使用形狀特征，如邊界指數(shù) Border index、密 度 Density 等，也可使用長寬比 Length/Width 特征，同時(shí)可結(jié)合使用亮度值 Brightness、各 波段均值等進(jìn)行分類。 智能影像分析專家 形狀特征 長寬比 4.房屋建筑 房屋建筑物各波段反射率較高，在影像上一般表現(xiàn)為亮色調(diào)，建筑群體表面較為粗糙， 各波段標(biāo)準(zhǔn)差比較大，分類時(shí)可使用亮度值、各波段均值及各波段標(biāo)準(zhǔn)差。 亮度值、各