《面向对象分类实验资料课件.ppt》由会员分享，可在线阅读，更多相关《面向对象分类实验资料课件.ppt（26页珍藏版）》请在三一办公上搜索。
1、遥感数据图像处理之面向对象分类实验,易康（eCognition8.0）软件（破解版）的安装,1、安装前将系统时间改为2010年1月10日（软件的可用期限是2010年1月10日-1月7日，用的时候要保证系统时间是这个时间段，安装包里附了一个Cracklock工具，安装后可以不用反复改系统的时间） 2、安装路径最好是英文的 3、先安装License Server V8.0.0.exe，再装Setup.exe,象元VS对象,象元是单个的像素，每一个像素对应一个光谱特征 对象包含多个像素，不仅具有光谱值，同时还具有形状、纹理、空间位置等的特征（比如说一个房屋对应着一个对象，除了它房顶的颜色外，它的形状
2、、周边的阴影等都可以作为识别这个房屋的特征值）,面向对象分类的大致过程,输入影像 创建对象 创建类 对象特征的选择 分类 精度检验 输出,启动软件,启动eCognition Developer，这里选择进入Rule Set Mode,快速制图模式,自设定规则模式,输入工程名,影像相关信息（参考坐标系统、像素数、分辨率、影像坐标范围）,每个波段作为一个图层,添加图层移除图层编辑图层,专题图层（辅助分类图层）,添加图层移除图层编辑图层,元数据,新建工程,打开方式：File菜单|New Project或从工具栏点击,是否使用地理编码,注：如果在新建工程时，有信息需要添加或者修改，选择File|Mod
3、ify Open project,进程树窗口分类过程中的各种操作过程运行的创建于执行,类层次窗口用于类的创建于管理,样本编辑窗口类样本对象的选择以及所选样本特征值的查看,特征值域所选对象特征值的查看，要查看的特征可以自定义,常用到的窗口,创建对象（分割）,在process tree窗口 右键append new,棋盘分割：最快的分割算法，但对感兴趣对象的特征描述并不有效。分割产生相同大小的对象。四叉树分割：四叉树分割速度很快，可以产生多种尺度大小的对象。直接产生的对象没什么意义，但对后续光谱差异分割和多尺度分割区域生长算法有用。对比分裂多尺度分割：用得最多、最有效、速度最慢的一种分割方式光谱差
4、异分割：影像对象域只能为对象。多阙值分割：当需要基于绝对的像素值进行分割时使用这个算法。对比过滤,eCognition 中的分割算法,多尺度分割,选择算法,操作的对象,创建对象层,分割的参数，其中分割尺度用于控制对象内象元的光谱差异阈值，下面的两个用来控制对象的形状特征,影像对象层,不同的分割尺度对应不同的对象层，从1到3，分割尺度逐渐增大，对象层之间可以相互传递和继承,影像层最底层的对象层,对象层是由易康(eCognition)软件分割的多个影像对象组成，而多个影像对象可以按照一定的尺度参数合并或分割成分别由上下组成的一个新的对象层。,分割结果,影像分割过程中对应着有一个最优分割尺度选择的问
5、题，不同的影像，不同的区域以及不同的地物都对应的不同的分割尺度，需要经过多次尝试后才能确定,分类特征的选择,一个特征是目标对象的相关信息的表述。 在Image Object Information 窗口中单击右键，选择select displayed Feature(你要查看的对象的特征),对象特征,类相关特征,同时也可以自定义特征，如NDVI、A/P等（见下张PPT）,特征选好后，选择一个对象，既可以看到对象信息窗口中这个对象对应的特征值,自定义分类特征,在Customized下选择create new arithmetic feature,实验数据为SPOT5，1、2、3、4波段，NIR对
6、应Layer3,Red对应Layer2,如图所示，特征窗口常用的对象特征,纹理特征的使用在面向对象分类中比较常用，但它的处理时间比较长（也不是特别特别的长），选之前需要相应的心理准备，上面截出了几种常用的纹理特征,创建类,在Class Hierachy窗口中单击右键，Insert Class,类的属性定义，即定义识别这个类的特征空间，类的继承等，添加时，在and(min)上单击右键，选择特征以及对应的特征值函数即可。,分类方法,eCognition中最常用的两种分类方法：成员函数法（通过定义类的特征隶属函数，以隶属度的方式将对象归类） 最邻近分类法（基于样本的以及样本特征空间的监督分类）（两者
7、最大的差别在于成员函数法需要确定特征的阈值建立隶属函数）,练习：基于SPOT6影像的地物提取,一、新建工程，打开影像 实验区域二、多尺度分割(scale parameter设置为80，shape和compactness分别设置为0.2和0.5),三、创建分类体系在Class Hierarch中建立如图所示的分类体系,四、引入自定义的特征值NDVI、NDWI五、针对每个地类选取一定量的样本,六、定义类的特征空间通过对比样本类特征的重叠性，选择可以区别类的特征及其阈值，并选择合适的隶属度函数如在Sample Editor中比较水体和植被两者之间的识别特征，可以单击右键选择显示的特征值，查看特征区间
8、和重叠度。,从右图每个特征的对应的Overlap可以看出，NDVI、NDWI、以及Ratio Layer4可以很好的将两者区分，水体的NDWI值的范围在0.16-0.404之间，据此，我们可以确定出水体的特征空间为NDWI0.12（可对值域稍作调整）,根据上一步的分析，在Class Hierarchy窗口中给水体添加类的隶属度函数,在and(min)右键 insert new expression,在Object Features下的找到NDWI，双击,这里可以考虑选择第一个函数，设置最小值和最大值即可，即完成了一个类的成员函数的定义,道路的成员函数可以参考Brightness290,440D
9、ensity0,1.5NDWI0.01,0.31,1、其它的地类特征空间有兴趣的大家可以自行研究琢磨一下由于水体和阴影的区分比较麻烦，本次实验暂不考虑。2、高分影像中建筑物的形态各异，提取前需要实现对其目视分类，分别提取后合并类3、耕地、林地以及草地的在NDVI的基础，通常会涉及到纹理等的特征,依此分别定义你要提取的类的成员函数（与之相对应的是定义类的最近邻空间）七、执行分类（以提取单个水体类为例）在process tree窗口 右键append new选择algorithm 中选择classification,在active classes中选择水体(可以多选)，Execute.八、精度检验
10、Tools-Accuracy Assessment,选择基于样本的混淆矩阵，选择要评价的类后，show statistics即可查看分类的精度,九、分类结果的导出 结果导出前要先新建一个class name,然后进行结果导出：exportexport results,选择所要导出的类，fetures中选择新建的classname,十、小功告成,由于面向对象分类过程中涉及的内容比较多，时间和个人能力的关系，这里只做了相对简单的介绍，有兴趣有时间的时间可以继续探讨！,课程考核汇报,1、与自己的选题和参与的项目相关；2、要结合遥感数据处理与分析；3、论文要完整，规范；4、3000字以上，图文并茂。实验完后的下周确定时间，一次性完成汇报,
