Ecognition之Remove Objects算法讲解

一、基本介绍：

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。

二、理论学习：

该算法对于消除杂乱特别有帮助可以选择形状合并或是颜色合并。形状合并的默认设置，意味着它要合并到与他共享最长边界的图像对象中，同时还可以设置最小公共边界阈值。另一种是通过颜色合并，可以通过颜色阈值控制合并效果只有色差值小于阈值才会对其进行合并。

三、举例说明：

 图1

     现在我们想通过像素块的面积大小来优化黄色对象，例如将像素块小于等于4的对象转为灰色类对象。那么就可以像以下操作： 

 图2

      得到如下效果图： 

 图3

如果情况稍微复杂一点多了一个橙色类，并且我们的目标类为橙色和灰色对象，现在本文希望将像素块小于等于10的黄色对象合并为灰色或橙色对象：

 图4

 具体如何操作与图2类似只需要修改像素面积和目标类。其结果如下：

图5 

虽然我们的目标类是灰色和橙色但是被圈出来的区域仍然被合并到了灰色其原因在于灰色对象与黄色对象共享边界更多。但是如果我们将形状修改为颜色，结果看起来就会有所不同。

图6 

其原因在于从光谱信息上来看黄色与橙色更加的接近。

图7 

如果我们想合并小于等于10像素的黄色类到橙色类中这种情况是不成立的，因为上图中黄色类和橙色类是没有邻接关系的。

四、实例练习

此处以成都市2020年30m遥感影像局部截图为例。

图8 

 

分类体系与结果如下：

图9 

 1、基于形状合并

         可以看到部分不透水地面内存有少量农用地，现在我们希望将面积小于等于10个像素块的农用地合并到不透水面中，此时我们就可以利用remove object算法。具体步骤如下：

图10 

图11 

       可以清晰的看到面积小于10个像素块的农田被合并到了不透水面（具有最大邻接边）当中。

2、基于颜色合并

       以上算法基于形状，那么我们看看基于颜色阈值会有什么不同的地方。

图12 

图13 

       执行算法后可以发现小块的1个像素块的农用地合并为了不透水面，稍大且与其他类邻近的农用地合并为了其他类，其原因在于光谱的相似性更强。当然那些没有与其他类相邻的农用地即便光谱与其他类相似也无法合并到其他类。

图14