参考7.案例分析

1、最邻分类法LIDAR&Aerialphoto最邻分类法LIDAR&Aerialphoto QB_Change_Detection 变W监3案例最邻分案例最邻分类法da_e 对于这个程，建议按以Q的p骤进行操作学习 执行stree 窗口中的对影像进行最邻法的分类新建程，FileNew Project，入 dessau_blue_Subset.bmp, dessau_green_Subset.bmp, dessau_red_Subset.bmp, dessau_nir_Subset.bmp 影像 , 4第二p对影像进行分第二p对影像进行分s tree 中单右键如Q图选框(如图)，修改5 框中命为在

2、sTree中选中 r 框6osos框命General，并选择颜色2理创建Grassland General，Waterbodies，Woodland General 7别在菜单栏的空白处点右键选择 le别在菜单栏的空白处点右键选择 lelesleeditor的作栏中active class 选择前激活的类，如水体1植被等，在影像P双想要选择为本的8象象 9feature 空白处选择需要添加的特征，选择相应的levelo案feature 空白处选择需要添加的特征，选择相应的levelo案例默level 1点 组合结果据用户选择本的O会P案例截图有入asstree s tree 中点鼠标右键，选择

3、append new算法选classification，设置如Q图所示2单execute 执行，得到分类结果ss案例LIDAR&Aerialphoto案例LIDAR&Aerialphoto和RGBaerialh新建程文件 Lidar_Denmark.dpr,检视数据在执行并按p骤解释 level2 的过程新建程，FileNewProject，odense.tifheight.asc影像点ok2执行一Qp骤得到Q图P方窗口所示的图像选择 Window Split Horizontally Window Side by Side View p骤 2Level1 Classification分类s

4、Tree 空白处点鼠标右键选择 Appendp骤 2Level1 Classification分类s Tree 空白处点鼠标右键选择 Append New，修改框选中Denmark_ysis点右键选择InsertChild命为Level1，点ok关闭对 Multiresolution，参数设定如Q图所示2点Execute执行算法查看多边形的轮廓线Show or Hide 选择5 :0.3compct.:0.5creatingLevel1点Append命为Classificationbased on image layer values，点ClassHierarchy空白处点右键选择 Inser

5、t Class，命Class如图，点 27. FeatureViewLayerValuesMeanBrightness，双Brightness7. FeatureViewLayerValuesMeanBrightness，双Brightness选h ues 228. o时，影域是接阈值Q限的区域2自阈值时，按照彩色部分P所选地的吻合程度适调整阈值范参数范围9. 11789择 Append New，算法选择 Classification分别创建 ion building 类和分ionObjectfeaturesLayer ValuesPixel-basedRatio创建Ratiogreen，bu

6、ildingObjectfeaturesLayer只有 building shadow 的述无法在 Pros Tree 窗口中查看2因为它含有两个条件，这两个条件需要在Class Description 窗口中设定2按照p6buildingshadow 类，按照p8阈值FeatureViewRelations) buildingshadowClassDescription窗 P168o2Relborderto算法详P建筑相邻的阴影是建筑物阴影ProcseeTreeClassificationbasedon image layer values，点右键选择 AppendNew，命Contextc

7、lassification，点2ProcseeTree Context classification，点Insert Child，选择算法 Classification，参数设定如Q图所示对building shadow 的分类过程，点 execute15. 在Procsee Tree 中选中P一p15. 在Procsee Tree 中选中P一pshadowevel1:buildingshadow，点右键选择 u2是结合高程信息，将误分到buildingshadow类中的building新分类rbdnp骤3Level2& Refinement & Export融合，p骤3Level2& Ref

8、inement & Export融合，优W，输对象的合并及输 Level1的影像对象连分类copyLevel2中. 参数设定如Q图所示，点execute2evel1:copycreatingLevel2above，点右Append选择算法 mergeregion, 参数设定如Q图所示，合并所有相邻的建筑物影像对象，点sexecute5. 在building5. 在buildingunclassified为什N？别忘了s们的目的 点execute 执行2最，以多边形 sh最，以多边形 shs Tree 中选中 参数设定如Q图所示，点execute2案例3QuickbirdJapanYokosuk

9、a这个程有关于 Definiens 案例3QuickbirdJapanYokosuka这个程有关于 Definiens Developers 的影像分析方法2程基于全色波段和水体掩膜2打开QB_Japan_Ships.dpr, 检视数据stree按p骤解译执行p骤1: 打开程显示数打开程 影像数据Quickbird影像，影像分类目标提取水P目标对, Yokosuka横须贺p骤2: 按p骤解s分类9.Q3个分割的p骤经应用在数据P原始数据o 基于 GIS 图层分类陆地区域对未分类的区域港口区域s 点预分类，基于特征8Meanpan259划分水P对象这些对象_类为8es92分类基于Cass rel

10、ated feature类相关特征 Relations to neighbor becs相邻对象关联特征 Mean difference to pan for class water在9接Q来将所有的水体接Q来将所有的水体对象合并以最小W影像对象数量在所有余Q的对象被分类为 9sip船只2接Q来，将8test9to 分类为 通过距离的察发， 通过距离的察发，一些小的圆形物体浮标被错分为船只通过 8a9特征将这些错分的对象新分类的影像对象_类8es的影像对象_类8es98s9类可以命为 ys 浮标案例4: Quickbird Japan Yokosuka 这个程案例4: Quickbird Ja

11、pan Yokosuka 这个程有关于 DefiniensDevelopers的影像分析方法2程基于全色波段和水体掩膜打开QB_Japan_Water.dpr, 检视数据stree按p骤解译执行p骤 1: 打开程显示数打开程 影像数据Quickbird影像，, Yokosuka横须贺p骤2:按p骤解ssp骤2:按p骤解ssTreeOn Tiles，然简单浏览 Pros Tree 窗口中的p骤. s 点F5).按分类的深色点是对水分类的 2Waer8Brightness亮度9和 8Standarddeviation标准差9(另外，1 1 o首Y所有未被分类的影像对象，基于相邻对象的条件特征，划分

12、类别_.然，这个缓冲区被延伸oo缓冲区域(class 在被进一p1 个像素的尺度99.显示全景图像o循过程: evel1:-_Temp01Meandiff.topan,_Temp02modifyopenprojectp骤 2: Q图可以看Landcover2002 Landcover2004，是对两年的影像分别进行分割以及地物 年的分类p骤 3: 变W监2002 2004 年的对象按类别进行合并 ion的类述，首Y在继栏 中为baresoil类别2w次在bare soil to vegeion自身的类别述中，加入了在level2004中为vege心条件是 Existenceof super/sub 2相较的 level 拷贝一个新的 level将分类结果移除，作为变W监测用的图层2 在类述中对变W用Existence of super/sub object进行述，在 pro案例6: 对于o案例，建议按照以Q的p骤学习这个案例r, 检视数据案例6: 对于o案例，建议按照以Q的p骤学习这个案例r, 检视数据 p骤 1: 打开程显示数r影像数据Quickb