使用 Python 进行基于对象的土地利用分类

        航空图像以不同的空间和时间分辨率覆盖整个地球。从航空图像中及时提取信息需要进行自动分析，以训练计算机识别人眼立即识别的内容。基于对象的图像分析 (OBIA) 通过实施图像分割算法将像素组组合成对象（片段），从而减少图像中的信息量，从而提高处理效率。本文介绍如何使用开源Python包对航空图像进行图像分割和土地覆盖分类。具体来说，我将演示基于地理对象的图像分析 (GeOBIA) 的过程，分 5 个步骤执行监督土地覆盖分类。

1. 图像分割
2. 量化段光谱特性
3. 真实数据
4. 土地覆盖分类
5. 准确性评估

1. 图像分割

上图是美国农业部 (USDA) 在国家农业影像计划 (NAIP) 下收集的航拍照片的一部分。水平图像分辨率为1米。我们的第一个任务是将相似的像素分组为片段。分割有效地减少了图像中需要分类的元素数量。这可以将 100 万像素的图像减少到 50,000 个片段，这更易于管理。

有多种分割算法可用。我们不会在本文中详细讨论细节。我将向您展示两种不同算法的结果，以及如何使用skimage.

下面的代码演示了使用 SLIC（简单线性迭代聚类）和 Quickshi