基于ecognition的地表覆盖自动提取

基于eCognition的地表覆盖自动解译方法与操作流程,四川省第一次全国地理国情普查领导小组办公室,2013年12月,四川省测绘地理信息局,基于eCognition的地表覆盖自动提取,eCognition简要介绍,地理国情地表覆盖解译方案,目录,解译操作流程介绍,操作演示,eCognition简要介绍,目前国内外主要自动解译软件介绍,FeatureAnalyst,面向对象自动解译软件独立软件应用：医学、地理学领域,eCognition,面向对象自动解译软件基于ArcGIS、Erdas平台应用：NGA、USDA,FeatureStation,测绘科学研究院自主研发独立软件是针对地理国情普查研制的地表覆盖分类数据和地理国情要素数据生产系统,eCognition简要介绍,目前国内外主要自动解译软件介绍,eCognition简要介绍,eCognition关键技术一：数据合成,eCognition简要介绍,eCognition关键技术二：面向对象的影像分析技术,面向对象分析技术,采用人的感知方式,从不同尺度分析,eCognition关键技术三：动态影像分析,eCognition简要介绍,栅格,矢量,高程信息,辅助理解,分割,分类,输入,栅格,矢量,点云,输出,报告,融合提取,由规则集控制,手段：分割/分类、迭代依据：操作者自身的知识水平（规则库），是难点也是优点。,eCognition分割、分类技术方法,eCognition简要介绍,图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。图像分割算法有上千种，目前最常见的分割方法：阈值分割、区域增长算法、纹理分割算法、基于知识的分割算法、分水岭算法、分形网络演化法（FNEA，fractalnetevolutionapproach)、分水岭法；,图像分割,棋盘分割：分割整景影像或者感兴趣的区域为较小的相同尺度的方形。分割速度最快。,eCognition简要介绍,eCognition简要介绍,四叉树分割：和棋盘分割比较像似，但创建的正方形大小是在不同的尺寸。同质的区域生成典型的较大的正方形，而异质的区域则生成较小的正方形，四叉树分割占用较少的系统资源。,eCognition简要介绍,多尺度分割：对影像对象本身的同质异质度标准进行测量，同时考虑原始对象和将进行合并对象的颜色和形状属性，连续的合并像素或者已有的影像对象。,eCognition简要介绍,a对象等级结构,b对象层次,采用不同的尺度，进行多次分割，形成网络层次结构，每一个分割都利用低一层的影像对象作为原料，这些原料随之在新分割中进行合并。,eCognition简要介绍,空间异质度,关键,多尺度分割参数设置,eCognition简要介绍,分类是把具有相近关系的影像对象归为一类的过程，而一个类所描述的是在层次结构中具有相同语义的影像对象，所有类都是来自隶属层次结构层中的影像对象，它们所构成的关系结构就称为类层次结构。,分类,eCognition简要介绍,.对象:,颜色形状大小纹理上下文,遥感图像中含有丰富的地物信息，如地物的色调或色彩、形状、大小、阴影、纹理、图案、位置和布局等众多遥感图像特征，将这些特征用金字塔的形式表现出来。,遥感图像中的特征,eCognition简要介绍,分类中用到了什么？,特征,自定义特征,光谱特征,几何特征,纹理特征,类相关特征,全局统计特征,eCognition简要介绍,监督分类算法（Bayes、KNN、SVM、DecisionTree）,基于特征的分类,基于eCognition的地表覆盖自动提取,eCognition简要介绍,地理国情地表覆盖解译方案,目录,解译操作流程介绍,操作演示,地理国情地表覆盖解译方案,地理国情信息普查是在基础地理信息数据的基础上，收集多方专业资料，充分利用高分辨率的遥感影像，开展以下工作：高分辨率影像处理DEM数据精细化处理地理国情普查信息采集地表覆盖分类地理要素信息提取,地表覆盖分类,地理国情地表覆盖解译方案,针对的是高分辨率影像,区域地形地貌特点不同，造成解译知识的无法重复利用如西南地区局部地区地表破碎,地理国情地表覆盖解译方案,自动解译+人工解译,基于最新遥感正射影像，首先利用道路（缓冲区）和房屋数据参与易康软件自动分割，再结合国情要素中的道路（缓冲区）、水体和房屋区（群）参与影像分类，经过人工判读和干预得到地表覆盖（10大类）初步成果并赋地类代码，外业调绘核查、内业数据整理，质量检查得到地表覆盖数据。,技术路线,地理国情地表覆盖解译方案,地理国情地表覆盖解译方案,基于eCognition内业分类与识别方法介绍,面向对象自动解译,以基础地理信息数据为参考，在对影像进行多尺度分割基础上进行面向对象分类；充分利用DEM等辅助数据参与分类，提高自动分类的准确度。利用规则集把易分的先分出来，然后利用基于样本的临近分类法对分类效果不好的地类进行再次分类，将其作为规则集分类的一个有效的补充。,地理国情地表覆盖解译方案,基于eCognition交互式解译流程图,地理国情地表覆盖解译方案,封装成快速模式,规则集与动作模块的关联,建立规则集,如基础地理信息数据现势性不好或内容不详细，可在影像分割的基础上，选择样本进行监督分类，使各地类的一级分类基本都能提取出来，二三级分类需要人机交互解译。,监督分类,地理国情地表覆盖解译方案,基于eCognition内业分类与识别方法介绍,基于eCognition的地表覆盖自动提取,eCognition简要介绍,地理国情地表覆盖解译方案,目录,解译操作流程介绍,操作演示,地理国情地表覆盖解译方案,准备工作,确定分类体系,地理国情地表覆盖解译方案,影像理解（解译样本学习）,准备工作,水田,园地,地理国情地表覆盖解译方案,基于eCognition解译步骤,建立工程,导入影像及能够应用到的专题数据（DLG、DEM）,地理国情地表覆盖解译方案,建立分割规则,采用2m分辨率的多光谱影像和0.5m全色影像边缘提取结果进行多尺度分割，注意形状和颜色、紧致度与平滑度的设置比例，由于边缘信息比重要，权重设为10。初次分割主要分大类，尺度设置可稍大，一般100以上，如120、150。分割算法较多，比较常用的有多尺度分割、棋盘分割，多种分割算法可组合使用。,地理国情地表覆盖解译方案,建立分类规则,地理国情地表覆盖解译方案,a）删除黑边及基于DLG初分，删除影像周围的黑边，利用道路、房屋建筑的矢量数据首先提取道路、房屋建筑区等一级类数据，将园林、林地、耕地和草地暂统一为“植被”一大类。b）水体分类，基于NDWI指数提取水系，对DLG初分结果直接进行调整，无法确定为水系的，放到“未分类”，参与后期所有分类。c）植被分类，基于NDVI指数处理植被，对DLG初分结果进行适当调整，无法确定为植被的，放到“临时类”。,一级分类,地理国情地表覆盖解译方案,d）人工交互（植被）对“临时类”进行人工核查，确定为植被类别的，人工归为“植被”；无法确定为植被的，放到“未分类”，参与后期所有分类。f）构筑物和荒漠与裸露地表提取在DLG初分结果基础上，对“未分类”进行归类；根据构筑物中部分硬化平地分布在房屋建筑区附近的特征，提取构筑物；根据荒漠与裸露地表（DLG中的岸滩等）与水系的位置关系特性提取荒漠与裸露地表。,一级分类,地理国情地表覆盖解译方案,二、三级分类,针对一级分类结果，利用影像和矢量数据各要素的属性，获得二、三级分类结果。如下图，将植被进一步分到耕地的二级类旱地、水田和人工草地