eCognition简要介绍.ppt_第1页
eCognition简要介绍.ppt_第2页
eCognition简要介绍.ppt_第3页
eCognition简要介绍.ppt_第4页
eCognition简要介绍.ppt_第5页
已阅读5页,还剩26页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

eCognition 软件特色和应用介绍 exproing the soul of Imagery,讲课大纲,EC软件基本原理 基本概念 面向对象思想 多尺度分割 常用分类特征介绍 EC软件应用 遥感分类植被自动化分类 变化监测泥石流灾害快速评估 EC软件操作实验 面向对象分类(基于规则) 面向对象分类(基于样本),基本概念1,基本概念1,分割 VS 分类 分割:cut the image into pieces for further analysis 分类:label these objects according to their attributes 对象(子对象,父对象,相邻对象) 对象:包含状态(数据)和行为(操作)的集合体,用来描述真实世界的(物理或逻辑概念上的)物体。 尺度 & 尺度分割 宏观:待分析问题粒度大小(待处理对象大小) 微观:区域内像素个数(分辨率)或区域合并的异质性阈值 规则 VS 特征 条例,章法&区别于其他物体的标志,面向对象思想,影像(画图表示) 影像并非由单个像素来代表,而是由包含重要语义信息在内的影像对象以及他们之间的相互关系构成。 抽象性 抽取其本质,核心的东西 封装性 继承性,面向对象思想(抽象性,封装性,继承性)2,Pixel Level,Level 1,Level 2 Level 1的父层 Level 3的子层,Level 3,Scene,网络认知技术(Cognition NetworkTechnology),EC软件中的面向对象,继承性,抽象,封装性,面向对象的主要优势2,分类特征得到扩展 对象完全继承像元的空间、光谱特性,同时带来单个像元所不具备的面状特征及层次关系等对象特有分类特征 运行效率得到提高 从数以万计的像元优化到数千个对象,处理时只需考虑每个对象的平均值,大大提高计算机运行效率 分类精度得到保障 对象能够准确反映地物的真实边界、轮廓信息,从而从根本上减少错分、漏分的几率,同时能有效避免椒盐现象 分割尺度可控 针对不同地物目标的提取需求,可灵活控制分割尺度,满足多尺度分割分类要求,多尺度分割思想3,多尺度分割(异质性最小的区域合并算法4),区域异质性f 光谱异质性x(画图) 形状异质性y(画图),w1为光谱权值,x为光谱异质性,y为形状异质性,w2为紧致度的权重; u为影像区域整体紧致度;v为影像区域边界光滑度;E为影像区域实际的边界长度;N为影像区域的像元总数;L为包含影像区域范围的矩形边界总长度,形状参数(紧致度&光滑度),u为影像区域整体紧致度; v为影像区域边界光滑度; E为影像区域实际的边界长度; N为影像区域的像元总数; L为包含影像区域范围的矩形边界总长度,E为区域A的红色边界的长度 L为青色矩形的周长 N为区域A所包含的像素数 紧致度u衡量区域的饱满程度 光滑度v衡量区域边界的光滑(破碎)程度,合并后的区域异质性计算4,合并区域的异质性f 合并区域的光谱异质性x (画图) 合并区域的形状异质性y(画图),基于异质性最小的多尺度分割算法流程图3,4,易康多尺度分割参数设置,形状权重,紧致度权重,选择基于像素层还是基于对象层,选择自底向上合并(create below)or自顶向下分割 (create above),选择分割算法 (多尺度分割),尺度参数,EC分割参数选择原则5,尽量以最大的可能分割尺度来区分不同的影响区域获得影像对象(在满足必要的精度条件下尽可能使用大尺度) 在满足必要的形状标准的前提下尽可能采用颜色标准。原因是影像数据中最重要的信息是光谱信息,形状标准的权重太高会降低分割结果的质量。 对于边界光滑的地物类型,选择较大的光滑度参数 对于形状紧致的地物类型,选择较大的紧凑度参数 颜色因子一般要占很大的权重,因为颜色是遥感影像信息提取中最重要的参考信息。 形状因子有助于避免由于影像对象形状的不完整对精度产生的影响, 紧凑度参数有利于将结构紧凑与不紧凑的目标区分开来, 而光滑度因子将起到完善边界光滑的影像对象的作用。,常用分类特征介绍3(光谱特征),对象S的均值Mean 对象S的亮度Brightness 对象S的标准差StdDev,#S为对象S所包含的像素个数; ck(x,y)表示第k层影像(x,y)位置的灰度值;,常用分类特征介绍6 (形状特征画图),周长,面积 对象边界的像素个数 对象中所包含的像素个数 近似边界周长 长宽比 长度&宽度 紧致度&光滑度,应用2Exploring the Soul of Imagery,农业:作物分类,农业保险,长势分析,作物估产 林业:植被分类,动态监测,变化提取,小斑区划,树冠统计 国土:土地利用分类,变化监测,快速制图,地图更新 环保:变化监测,环境分析,区域规划 灾害:损毁评估,受灾区域分类,应急响应,遥感分类,特征提取,变化监测,快速制图,EC软件一般操作流程,实验-面向对象分类(基于规则),自底向上合并分割,自顶向下继承分类,L4:100,L3:70,L2:50,L1:40,Pixel Level,有待进一步研究的问题,模糊分类法则 最优尺度分割 合并策略 分类特征的描述,思考?,Whats the soul of Imagery? 面向对象思想的精髓在哪? EC软件的应用价值在哪? 如何运用它解决空间相关问题? EC软件的研究价值在哪?给 你的研究带来哪些启示?,参考资料

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论