eCognition簡(jiǎn)要介紹講解材料

eCognition軟件特色和應(yīng)用介紹

exproingthesoul

ofImagery

講課大綱EC軟件基本原理基本概念面向?qū)ο笏枷攵喑叨确指畛Ｓ梅诸愄卣鹘榻BEC軟件應(yīng)用遙感分類——植被自動(dòng)化分類變化監(jiān)測(cè)——泥石流災(zāi)害快速評(píng)估EC軟件操作實(shí)驗(yàn)面向?qū)ο蠓诸悾ɑ谝?guī)則）面向?qū)ο蠓诸悾ɑ跇颖荆┗靖拍頪1]面向?qū)ο笏枷胗跋瘢ó媹D表示）影像并非由單個(gè)像素來代表，而是由包含重要語(yǔ)義信息在內(nèi)的影像對(duì)象以及他們之間的相互關(guān)系構(gòu)成。抽象性抽取其本質(zhì)，核心的東西封裝性繼承性面向?qū)ο笏枷耄ǔ橄笮?，封裝性，繼承性）[2]PixelLevelLevel1Level2Level1的父層Level3的子層Level3Scene…..網(wǎng)絡(luò)認(rèn)知技術(shù)（CognitionNetworkTechnology）EC軟件中的面向?qū)ο罄^承性抽象封裝性面向?qū)ο蟮闹饕獌?yōu)勢(shì)[2]分類特征得到擴(kuò)展對(duì)象完全繼承像元的空間、光譜特性，同時(shí)帶來單個(gè)像元所不具備的面狀特征及層次關(guān)系等對(duì)象特有分類特征運(yùn)行效率得到提高從數(shù)以萬計(jì)的像元優(yōu)化到數(shù)千個(gè)對(duì)象，處理時(shí)只需考慮每個(gè)對(duì)象的平均值，大大提高計(jì)算機(jī)運(yùn)行效率分類精度得到保障對(duì)象能夠準(zhǔn)確反映地物的真實(shí)邊界、輪廓信息，從而從根本上減少錯(cuò)分、漏分的幾率，同時(shí)能有效避免椒鹽現(xiàn)象分割尺度可控針對(duì)不同地物目標(biāo)的提取需求，可靈活控制分割尺度，滿足多尺度分割分類要求多尺度分割思想[3]

多尺度分割（異質(zhì)性最小的區(qū)域合并算法[4]）區(qū)域異質(zhì)性f光譜異質(zhì)性x（畫圖）形狀異質(zhì)性y（畫圖）w1為光譜權(quán)值，x為光譜異質(zhì)性，y為形狀異質(zhì)性w2為緊致度的權(quán)重；u為影像區(qū)域整體緊致度；v為影像區(qū)域邊界光滑度；E為影像區(qū)域?qū)嶋H的邊界長(zhǎng)度；N為影像區(qū)域的像元總數(shù)；L為包含影像區(qū)域范圍的矩形邊界總長(zhǎng)度

形狀參數(shù)（緊致度&光滑度）SY_minX_maxY_maxX_minu為影像區(qū)域整體緊致度；v為影像區(qū)域邊界光滑度；E為影像區(qū)域?qū)嶋H的邊界長(zhǎng)度；N為影像區(qū)域的像元總數(shù)；L為包含影像區(qū)域范圍的矩形邊界總長(zhǎng)度E為區(qū)域A的紅色邊界的長(zhǎng)度L為青色矩形的周長(zhǎng)N為區(qū)域A所包含的像素?cái)?shù)緊致度u衡量區(qū)域的飽滿程度光滑度v衡量區(qū)域邊界的光滑（破碎）程度合并后的區(qū)域異質(zhì)性計(jì)算[4]合并區(qū)域的異質(zhì)性f’合并區(qū)域的光譜異質(zhì)性x’（畫圖）合并區(qū)域的形狀異質(zhì)性y’（畫圖）基于異質(zhì)性最小的多尺度分割算法流程圖[3,4]易康多尺度分割參數(shù)設(shè)置形狀權(quán)重緊致度權(quán)重選擇基于像素層還是基于對(duì)象層選擇自底向上合并（createbelow）or自頂向下分割（createabove）選擇分割算法（多尺度分割）尺度參數(shù)EC分割參數(shù)選擇原則[5]盡量以最大的可能分割尺度來區(qū)分不同的影響區(qū)域獲得影像對(duì)象（在滿足必要的精度條件下盡可能使用大尺度）在滿足必要的形狀標(biāo)準(zhǔn)的前提下盡可能采用顏色標(biāo)準(zhǔn)。原因是影像數(shù)據(jù)中最重要的信息是光譜信息，形狀標(biāo)準(zhǔn)的權(quán)重太高會(huì)降低分割結(jié)果的質(zhì)量。對(duì)于邊界光滑的地物類型，選擇較大的光滑度參數(shù)對(duì)于形狀緊致的地物類型，選擇較大的緊湊度參數(shù)顏色因子一般要占很大的權(quán)重，因?yàn)轭伾沁b感影像信息提取中最重要的參考信息。形狀因子有助于避免由于影像對(duì)象形狀的不完整對(duì)精度產(chǎn)生的影響，緊湊度參數(shù)有利于將結(jié)構(gòu)緊湊與不緊湊的目標(biāo)區(qū)分開來，而光滑度因子將起到完善邊界光滑的影像對(duì)象的作用。常用分類特征介紹[3]（光譜特征）對(duì)象S的均值Mean對(duì)象S的亮度Brightness對(duì)象S的標(biāo)準(zhǔn)差StdDev#S為對(duì)象S所包含的像素個(gè)數(shù)；ck(x,y)表示第k層影像(x,y)位置的灰度值；常用分類特征介紹[6]（形狀特征—畫圖）周長(zhǎng)，面積對(duì)象邊界的像素個(gè)數(shù)對(duì)象中所包含的像素個(gè)數(shù)近似邊界周長(zhǎng)長(zhǎng)寬比長(zhǎng)度&寬度緊致度&光滑度應(yīng)用[2]——ExploringtheSoulofImagery農(nóng)業(yè)：作物分類，農(nóng)業(yè)保險(xiǎn)，長(zhǎng)勢(shì)分析，作物估產(chǎn)……林業(yè)：植被分類，動(dòng)態(tài)監(jiān)測(cè)，變化提取，小斑區(qū)劃，樹冠統(tǒng)計(jì)……國(guó)土：土地利用分類，變化監(jiān)測(cè)，快速制圖，地圖更新……環(huán)保：變化監(jiān)測(cè)，環(huán)境分析，區(qū)域規(guī)劃……災(zāi)害：損毀評(píng)估，受災(zāi)區(qū)域分類，應(yīng)急響應(yīng)……遙感分類特征提取變化監(jiān)測(cè)快速制圖……EC軟件一般操作流程分類特征確定高分辨率影像預(yù)處理（幾何校正，影像增強(qiáng)）遙感影像判讀尺度分割分割效果是否最佳形狀和顏色權(quán)重、平滑度和緊致度權(quán)重參數(shù)調(diào)整自動(dòng)分類定義類層次結(jié)構(gòu)選擇樣本量輸出結(jié)果分類效果是否最佳否否光譜形態(tài)紋理層次背景……矢量實(shí)驗(yàn)--面向?qū)ο蠓诸悾ɑ谝?guī)則）Scene(MeanLayer3)人工>80非人工<=80草地湖泊房屋道路人工1(Length/width)房屋1<=6道路1>6非人工1(MeanLayer1)草地1>=36湖泊1<36自底向上合并分割自頂向下繼承分類L4:100L3:70L2:50L1:40PixelLevel有待進(jìn)一步研究的問題模糊分類法則最優(yōu)尺度分割合并策略分類特征的描述思考？What’sthesoulofImagery?面向?qū)ο笏枷氲木柙谀?？EC軟件的應(yīng)用價(jià)值在哪？如何運(yùn)用它解決空間相關(guān)問題？EC軟件的研究?jī)r(jià)值在哪？給你的研究帶來哪些啟示？參考資料