ecognition软件_eCognition多尺度分割最优分割尺度的选择（1）

【均值方差法】

1.基本原理：

均值是指某个对象内所有像元灰度值的均值,均值方差是指整幅影像中所有对象像元灰度值均值的方差。影像层中纯对象增多,与相邻对象之间的光谱变异增大,则对象的均值方差增大;相反,混合对象增多时,与相邻对象之间的光谱变异降低,对象的均值方差就变小,当均值方差达到最大时所对应的分割尺度为最优。

2.公式：

   其中C_Li为第L波段中对象内第i个像元的亮度值，n为对象中像元的个数，C_L为单个影像对象在第L波段的亮度均值。C_L上加横表示影像中所有对象在第L波段的亮度均值，m为影像中对象个数的总和，S2表示方差。

3.在eCognition中的实现方法：

    可以在eCognition导出特征值，Layer1导出的就直接时对象在1波段上的像元灰度值C_L，然后在ArcGIS中计算其他指标进行统计。

4.该方法的缺点：

  对分割结果质量的评价只考虑了单波段的信息,而没有充分利用遥感影像多波段的特点，分割结果的评价没有与分割过程建立联系, 并且在均值方差曲线上的最优尺度是一个值, 而不是一个范围。

ESP插件其实就是该方法的演化

---

【EPS工作原理】

1.计算一个波段内不同对象的局部方差(local variance (LV) graphs)→计算多个波段局部方差的均值 

 ,

  2.如果分割尺度比场景中的物体要大得多，分割得到的大部分对象之间高度相关，局部方差的测量值将会很低，如果分割尺度近似目标对象的大小，则对象间的差异性将增大，局部方差增大。统计不同分割尺度上的局部方差，随着分割尺度的增加，局部方差就会增大，直到其与真实的地物相匹配，局部方差就达到最大值，同一对象内部同质化最大，各对象间差异最大，局部方差最大的尺度被定义为最优分割尺度。

3.为了评估从一个对象级别到另一个对象级别的LV的动态，ESP使用一种称为变化率的度量

L代表目标层的局部方差；L-1代表将L目标层当作基准的下一层的局部方差

当ROC曲线达到极大值时，该尺度为最优分割尺度

  4.同时ESP使用三个层次的不同增量值对SP进行优化，以取代通过自动程序对LV图进行人工解释而选择的多尺度层次，默认的起始分割尺度为1，三层的尺度增量分别为1，10，100.如下图c所示，SP(分割尺度)=81时的LV值小于或等于SP=80时的LV值，所以尺度80为第一个最优分割尺度。同样的分析，以10(图B)和100(图A)的增量进行，可以平滑细节，使图C中两个突出的峰值分别用SP值为181(图B)和901(图A)时的近似基台值所代替。其中起始分割尺度、尺度增量、形状和精致度因子是指让ESP插件遍历分割的策略，可以进行不断的尝试。

【安装步骤】

1．解压之后包含以下文件

 

2．ZedGraph为dll应用程序拓展文件，把它放在易康安装目录下的D:\Program Files (x86)\eCognition Developer 64 8.9\bin\plugins

3．打开ecognition软件，建立工作区，导入影像，在Process菜单的Load Rule Set导入ESP_estimation_scale_parameter.dcp， 点击OK后完成。

4．在在Process菜单下打开Process Tree，在Process Tree窗体空白处右键Append New。

5．在Algorithm算法一栏中选择ESP插件。

6．ESP2是2014年最新版，ESP是2010版。

【参数解析】

  生成的LV图将自动保存到影像所在的路径，文件名为“XX.Hierarchy_BU.txt”的文件；将其放入安装包里边的ESP_Estimation_Scale_Parameter_Chart.exe程序

有的同学设置ESP2算法后，虽然跑出了txt文件，但在Chart工具中计算后，未看到峰值，而是平滑的或陡峭的曲线。这种情况很常见，个人感觉是各层分割的起始尺度设置不合适引起的，不必烦恼，可以从20开始尝试，20、50、80，不怎么复杂就能试出起始尺度为多少时才会出峰值。另外，为了节约时间，还建议大家用小块地物相对丰富的研究区影像做实验，核心是因为大块影像和小块影像的最优尺度结果是相同的，亲测。

   另外，ESP执行完之后会自动生成三个分割层，这三个分割层只是尺度估计的默认层数，并不是你最终的分割层数.

---

【参考文献】

    1. Woodcock C E , Strahler A H . The factor of scale in remote sensing[J]. Remote Sensing of Environment, 1987, 21(3):311-332.

2. Drǎguţ L , Tiede, D., Levick, S., 2010. ESP: a tool to estimate scale parameters for multiresolution image segmentation of remotely sensed data. Int. J. Geogr. Inf. Sci. 24 (6), 859–871.

3. Drǎguţ L , Eisank, C., 2012. Automated object-based classifification of topography from SRTM data. Geomorphology 141–142, 21–33.

4.  Drǎguţ L , Csillik O , Eisank C , et al. 2014.Automated parameterisation for multi-scale image segmentation on multiple layers[J]. Isprs Journal of Photogrammetry & Remote Sensing. 88:119-127.

        5.  ESP 2_User Guide