影像分割就是把影像分成若干个特定、具有独特性质区域的技术和过程,是面向对象分类的重要基础。
下面介绍几种GEE中自带的影像分割的算法。具体的算法原理,在这里不多介绍,主要还是展示算法的应用。
使用例子的原始图像如下:
1.GMeans算法
主要参数如下:
image:待处理影像。
numlterations:迭代次数。
pValue:正态检验的显著性水平。相当于阈值,值越小,分割的越精细,影像被分割成的块数就越多。
neighborhoodSize:领域的尺寸,一般取256
gridSize:网格尺寸。通常不设置。
实例代码如下:
var imputGMeans={image:image, numIterations:5, pValue:200, neighborhoodSize:0}
var Gmeans=ee.Algorithms.Image.Segmentation.GMeans(imputGMeans)
Map.addLayer(Gmeans.select(0).randomVisualizer(),{},'Gmeans')
运行代码结果如下
2.KMeans算法
主要参数如下:
image:待处理影像。
numClusters:分割成集群的数量
numlterations:迭代次数。
neighborhoodSize:领域的尺寸,一般取256
gridSize:网格尺寸。通常不设置。
实例代码如下:
var imputkmeans={image:image, numClusters:10, numIterations:10,neighborhoodSize:256}
var Kmeans=ee.