- 博客(7)
- 收藏
- 关注
RSS订阅原创 Ecognition之Image Object Fusion算法讲解
种子对象优化的实例如图7所示，我们选择最佳拟合，并选定某拟合函数，设定的阈值为700。这里明显只需要候选对象大于种子对象即可（全拟合的效果如图13所示），其实在实际应用中，我们往往希望种子对象与候选对象的差异较小的时候进行合并也就是趋近于0，所以需要设置两个条件。最后满足条件的区域为绿色区域，但是我们选择的是最佳拟合，所以它的最终合并效果如图5所示。解释：也就是目标对象的权重值为1，其他权重值为0后期的合并效果完全取决于目标对象的值，通过控制目标对象的值，达到自己理想的合并状态。选择要优化的条件的特征。
2024-09-03 22:28:51
781
原创 Ecognition之Merge region、Grow Region算法讲解。
通过将图像对象与参数中指定候选对象合并。生长区域算法，简单来说就是我们先指定一个种子类，然后指定一个候选类（也可以是候选条件），然后执行该算法就会使得种子类向候选类生长，可以按需要设置循环次数，也可以一直执行直到没有生长的对象。
2024-08-30 11:01:00
370
原创 Ecognition之Shape Split (Prototype)算法介绍
该算法主要是根据图像对象的形状，通过设置Maximum Border Ratio、Maximum Cut Point Distance、Maximum Border Length三参数来分割图像对象，可用于细小物体分割调整。
2024-08-25 11:14:59
220
原创 Ecognition之Remove Objects算法讲解
合并图像对象域中的图像对象。每个图像对象被合并到具有最大公共边界的相邻图像对象中。该算法对去除细小破碎对象特别有帮助。
2024-08-23 12:49:44
413
原创 学习易康中踩过的坑
问题：Error loading image data: Layer 0 of file INGEE\chengdu2.tif has an unsupported data type. I:NGEE\chengdu2.tif。如上图，分割效果很差，结合其他博主建议，原来是没有在ENVI中进行线性拉伸，拉伸后即可得到较为理想的分割效果，但是具体参数还需按需要进行调整。二、将下载处理后的影像导入易康软件后直接进行多尺度分割，分割效果不佳。
2024-03-10 12:19:02
578
14
易康econgnition精度验证
2024-05-08
TA创建的收藏夹 TA关注的收藏夹
TA关注的人