【教程】面向对象提取（2）-建设用地

最新推荐文章于 2023-11-21 10:12:14 发布
最新推荐文章于 2023-11-21 10:12:14 发布
阅读量2.6k 收藏 39
点赞数
分类专栏： eCongnition操作 文章标签： 经验分享
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YW_remote/article/details/120062907
版权
本文介绍如何使用eCognition9.0通过面向对象的方法从Landsat8影像中提取建设用地。步骤包括确定影像范围、波段计算、地类提取和结果导出。在地类提取中，涉及植被剔除、基础分割和建设用地的具体提取策略。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本期主要讲述使用Landsat8影像通过面向对象的方法提取建设用地。

 

数据：Landsat8；行列号：122035；时间：20200422；

软件：eCognition9.0（软件获取关注公众号：生态与遥感应用，后台回复易康）

图片

建设用地的提取规则集总共分为4个部分：(1)确定影像范围(2)波段计算(3)地类提取(4)结果导出。

图片

（1）确定影像范围

为了去除背景值，仅对影像区内进行提取，这里首先进行确定影像提取的范围。影像提取范围的确定通过多阈值分割的方法进行，主要是基于影像像元值大于0的特点，通过定义任意波段大于0，即可得到影像作业区。

图片

(2)波段计算

为了方便后续的提取工作，这里对常用的一些阈值方法进行构建成波段的形式。本规则集中主要构建了NDVI、NDWI、亮度以

最低0.47元/天 解锁文章
ENVI_基于NDBI的建筑物提取
提供技术服务、资源分享 429690771
09-04 5419
NDBI=(MIR-NIR)/(MIR+NIR) 一、大气校正 QUAC 二、波段运算 Band Math 三、阈值分割 ROI 四、提取建筑物 Subset 五、着色 Color Table 六、结果
土地二级市场网上交易系统建设技术方案
珞圻的博客
02-29 2989
土地二级市场网上交易系统建设技术方案 目 录 1. 项目概述............................................................................................... 1 1.1. 建设背景.................................................................................... 1 1.2. 建设意义.....
面向对象的高分辨率遥感影像城区建筑物分级提取方法
09-22
利用初提取的建筑物对象和已剔除的非建筑物对象作为样本建立概率模型,根据贝叶斯准则进行建筑物后提取
ENVI5.3高分遥感图像道路房屋提取详细流程
awen
07-17 3万+
首先本处理流程主要针对于高分系列（GF1、GF2）遥感数据展开。每一帧遥感图像下载并解压出来，都会分别得到两个类型的数据，一个是低分率MSS格式的多光谱数据，另一个是高分辨率PAN格式的全色数据图像。 1.图像的预处理 1.1 MSS多光谱图像预处理（GF1）： 1) ENVI操作软件中导入MSS格式的多光谱数据； 找到MSS数据并且文件类型是.xml文件： 2) ...
遥感技术手段提取城乡建筑用地
yuanYW7556的博客
01-06 1万+
数据源介绍 高分一号卫星（GF-1）是国家高分辨率对地观测系统重大专项天基系统中的首发星，“高分专项”于2010年5月全面启动，计划到2020年建成我国自主的陆地、大气和海洋观测系统。该星于2013年4月26日成功发射入轨。突破了高空间分辨率、多光谱与宽覆盖相结合的光学遥感等关键技术，设计寿命5至8年。高分一号卫星发射成功后，能够为国土资源部门、农业部门、环境保护部门提供高精度、宽范围的空间观测服...
遥感影像房屋提取
11-07
基于形态学房屋指数（MBI）的高分辨率遥感影像房屋提取方法，本发明针对高分辨率遥感影像上房屋的亮度大、各向同性、类矩度的特点，基于形态学运算构建形态学房屋指数，采用形态学房屋指数自动提取遥感影像房屋。
一种基于概率神经网络的城市用地高分辨率影像信息提取方法.pdf
09-26
在唐山市路南区的实例中，结合概率神经网络和面向对象的多尺度分割方法，实现了对城市用地类型的高精度提取，包括城市裸地、建设用地、水体、绿地和道路等。总体分类精度达到了86%，Kappa系数为0.78，表明这种方法在...
易康eCognition高级功能探索：面向对象分类的深度剖析
易康eCognition作为一种先进的遥感图像处理工具，其面向对象分类方法在现代地理信息系统中占据重要地位。本文首先概述了eCognition的基本使用，并详细介绍了面向对象分类的理论基础与关键技术，包括多尺度分割算法及...
毕业设计论文 基于遥感影像的道路材质信息提取方法研究
Unnatural_error的博客
06-26 8955
本科毕业论文 基于遥感影像的道路材质信息提取方法研究 姓 名 某某某 学 号 000000000000 院 系 XXXXXXX学院 专 业 XXXXXXX专业 指导教师 某某某 二〇二一年六月三日 学位论文原创性声明 本人所提交的学位论文基于遥感影像的道路材质信息提取方法研究，是在导师的指导下，独立进行研究工作所取得的原创性成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中标明。 本声明的法律后果由本人承担。 论文作者
水线阈值法分割图像
11-14
水线（也称分水岭或流域，watershed）阈值算法可以看成是一种特殊的自适应迭代阈值方法，它的基本思想是：初始时，使用一个较大的阈值将两个目标分开，但目标间的间隙很大；在减小阈值的过程中，两个目标的边界会相向扩张，它们接触前所保留的最后像素集合就给出了目标间的最终边界，此时也就得到了阈值。
一种面向对象的遥感影像多尺度分割方法
04-27
：高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下 进行，而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺 陷．基于区域的面向对象影像分析方法，为高分辨率遥感影像信息提取提供了新的思路，其关键的 核心问题在于实现对高分辨率遥感影像的多尺度分割．本文提出了一种基于相邻影像区域合并异 质性最小的面向对象多尺度分割算法．影像分割试验结果表明：该方法可以根据任意特定尺度下的 影像分析任务或任意感兴趣尺度的地物目标，调整影像分割的尺度参数，从而获得特定尺度下感兴 趣的影像区域(对象)作为后续面向对象影像分析和应用的基础
阈值分割法提取遥感图像水体
05-10
完整的程序和图片数据调用，能阈值分割对遥感图像上水体的提取。
一种简单有效的自动多阈值分割算法
05-10
简单却能够很好的自动选择阈值分割图像，满足实时要求
卫星遥感图像道路提取
01-03
卫星遥感图像道路提取
ENVI掩膜相关操作步骤详述
热门推荐
bailongyang的博客
05-10 3万+
ENVI掩膜相关操作步骤详述 以某一景光谱数据为例，影像中存在着大量的云，影响后续研究，现需要对研究区域进行掩膜，即仅对裸地进行后续处理，云覆盖区不参与运算。 一、打开数据 打开数据，并对第一波段进行高端阈值切割，由于此处数据量较大，为降低运算量，同时便于查看，先对云进行掩膜，再取反。 由上图可看出，对于遥感小白来说，基本的阈值分割+掩膜技术已经能够满足基本的去云处理。 二、建立掩膜文件 1.先将上述的阈值分割结果导出至shp文件 2.建立掩膜 在工具栏中找到ENVI Classic->B
eCognition软件多尺度分割参数设置说明
ganggun的博客
11-21 1231
eCognination自定义参数值对影像进行分割。
eCognition易康操作教程（二）：多尺度分割基于多光谱数据构建规则集，结合DSM高程数据提取建筑物、树木和绿地
蒹葭苍苍
10-07 7484
一、数据 数据来源：教程中的实验数据，共包含RGB三个波段，还有数字地表模型（以下简称DSM）文件。 图一 RGB影像 数据特征：数据范围较小，要素种类少，仅包含较多的建筑和大片的绿地。由于建筑的房顶使用的材料和材料颜色不同，所以建筑的光谱特征没有规律，是不连续的特征。而绿地的光谱特征则十分容易分辨。 但是建筑通常具有规则的形状，而且建筑相比于周围其他要素...
使用面向对象的方法在积雪遥感影像上提取城市道路——以长春市为例
qq_46071146的博客
11-30 6176
使用面向对象的方法在积雪遥感影像上提取城市道路——以长春市为例 目录使用面向对象的方法在积雪遥感影像上提取城市道路——以长春市为例一、引言二、准备工作三、提取道路3.1 阈值3.2 水体掩膜3.3 面向对象A.NDVI规则B.道路规则3.4 分类后处理 一、引言 相信好多同学小时候都做过这样一个游戏，就是拿一个硬币、一根铅笔和一张白纸，将硬币放在白纸下面用铅笔进行简单的涂写，这样硬币的轮廓就慢慢若隐若现的呈现在白纸之上。 我国的东北地区有长达四个月部分地区甚至五个月的冰冻期，一般来说大家选取遥感影像要求色
envi中提取水体的方法
最新发布
03-10
<think>嗯，用户想在ENVI软件中进行水体提取，我得先回忆一下相关的步骤。首先，我记得ENVI通常使用光谱指数法，比如NDWI（归一化水体指数）。用户提到的引用内容里，引用[1]提到了指数法提取水体，步骤类似其他地类提取。所以应该先介绍NDWI的计算方法。 接下来，用户可能需要详细的操作步骤。比如加载Landsat影像，预处理辐射定标和大气校正，这可能是必要的预处理步骤，但用户的问题可能已经假设数据准备好了？或者是否需要包括这些步骤？根据引用[3]提到的是基于Landsat的流程，可能需要先进行预处理，比如辐射定标和FLAASH大气校正。不过用户的问题直接问提取方法，可能预处理步骤需要简要提及，但重点在指数计算和二值化。 然后，计算NDWI的公式，记得用行内数学公式，所以用$...$包裹，比如$(Green - NIR) / (Green + NIR)$。然后阈值分割，这里可能需要用户调整阈值，引用[2]提到颜色切片，可能是在分类后调整显示颜色，方便查看结果。 之后，分类后处理，比如用Classification to Vector工具导出矢量，如引用[3]所述。此外，可能需要提到后处理步骤，比如去除小斑点，使用Majority/Minority分析。这部分是否在用户的引用里有提到？引用[3]提到了导出矢量，所以需要包括这一步。 用户提供的引用中有提到Ecognition面向对象的方法，但当前问题集中在ENVI，所以可能不需要展开。但相关问题里可以提到其他方法，比如面向对象的，作为后续问题。 现在，需要确保步骤符合用户提供的引用内容，并正确标注引用标记。比如在指数法步骤后添加[^1]，在颜色修改部分引用[^2]，在导出矢量时引用[^3]。 然后生成相关问题，可能包括其他指数（如MNDWI）、阈值选择方法、对比面向对象的方法、处理其他地类等。引用[1]提到其他地类的方法相同，所以相关问题可以涉及植被或建设用地的提取。 最后，检查LaTeX格式是否正确，所有数学表达式是否正确使用$或$$，回答结构是否清晰，分步骤说明，并确保引用正确。</think>在ENVI软件中提取水体主要通过光谱指数法实现，以下是详细操作步骤： ### 一、NDWI指数法提取水体 1. **数据准备** - 加载Landsat影像（需包含绿光波段$Green$和近红外波段$NIR$） - 预处理包含辐射定标和FLAASH大气校正 2. **计算NDWI** - 公式：$$NDWI = \frac{Green - NIR}{Green + NIR}$$ - 操作路径：`ENVI工具箱 -> Band Algebra -> Band Math`输入公式`(float(b2)-b4)/(float(b2)+b4)`（假设b2为绿光波段，b4为近红外波段） 3. **阈值分割** - 对NDWI结果设置阈值（通常0.1-0.3），通过`Color Slice`工具将水体标记为红色[^2] - 二值化输出：`Classification -> Threshold Classification` 4. **后处理** - 使用`Classification -> Post Classification -> Majority/Minority Analysis`去除噪点 - 矢量导出：`Classification to Vector`生成EVF文件 ### 二、其他方法拓展 该方法可扩展至MNDWI、NDVI等指数，只需调整波段组合即可应用于植被、建设用地提取[^1]。 ```python # 伪代码示例：NDWI计算逻辑 green_band = image[:, :, 1] # 假设第2波段为绿光 nir_band = image[:, :, 4] # 假设第5波段为近红外 ndwi = (green_band - nir_band) / (green_band + nir_band + 1e-9) ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生态与遥感应用

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值