易康分类特征介绍

附件一：
易康分类特征介绍
一、 对象特征
(一) 图层
? 平均值（mean）
由构成一个影像对象的所有n个像素的图层值计算得到图层平均值。
特征值的范围：[0；根据数据的比特位数来定]，对于8比特的数据来说，值域是[0；255]。
? 亮度（Brightness）
影像对象的图层数量除以包含光谱信息的图层平均值的总和（一个影像对象的光谱平均值的平均值）。使用对话框Define Brightness可以定义哪一个图层提供光谱信息（在Class Hierarchy编辑器中的菜单项Settings>Image Layers for Brightness…）。
特征值的范围：[0；根据数据的比特位数来定]，对于8比特的数据来说，值域是[0；255]。
? 标准差（StdDev）
由构成一个影像对象的所有n个像素的图层值计算得到标准差。
特征值的范围：[0；根据数据的比特位数来定]
? 贡献率（Ratio）
第L层的贡献率是一个影像对象的第L层的平均值除上所有光谱层的平均值的总和。另外，只有包含光谱信息的图层可以使用以获取合理的结果。
特征值范围：[0；1]
(二) 对于邻域（to Neighbors）
? 对于邻域的平均差分（Mean Diff. to Neighbors）
对于每一个相邻的对象，计算图层平均值的差分，根据对象间的边界长度赋予权重（如
果它们是直接相邻的，特征距离=0）或者根据相邻对象的面积赋予权重（如果被讨论的影像对象周围的邻域已用某一范围（像素级）来定义，特征距离>0）。对于直接相邻对象的平均差分如下计算：所关心的影像对象的边界长度 与第i个直接相邻对象共同的边界长度所关心的影像对象的图层平均值 第i个相邻对象的图层平均值相邻对象的数量
如果你用某一个范围内的对象来定义领域（参见特征距离（feature distance），平均差分则计算如下： 所有领域对象的总面积 第i领域对象的面积所关心的影像对象的图层平均值 第i领域对象的图层平均值相邻对象的数量
特征值的范围：[0；根据数据的比特位数来定]
? 对于邻域的平均差分（绝对值）（Mean Diff. to Neighbors（abs）
和对于邻域的平均差分相同，不同是差分使用的是绝对值。
特征值的范围：[0；根据数据的比特位数来定]
? 对于较亮邻域的平均差分（Mean Diff. to brighter Neighbors）
以计算Mean Diff. to Neighbors相同的方式来计算这一特征，但只有图层平均值大于所关心的影像对象的图层平均值的影像对象才予以考虑。
特征值的范围：[0；根据数据的比特位数来定]
? 对于较暗邻域的平均差分（Mean Diff. to darker Neighbors）
以计算Mean Diff. to Neighbors相同的方式来计算这一特征，但只有图层平均值小于所关心的影像对象的图层平均值的影像对象才予以考虑。
特征值的范围：[0；根据数据的比特位数来定]
? 对于较亮邻域的相对边长（Rel. Border to Neighbors）
在所选的图层中与图层平均值较高的影像对象共同拥有的边界和所关心的影像对象的总边界长度之间的比率。
特征值的范围：[0；1]
(三) 与父层对象（to Super Object）
? 对于上层对象的平均平均差分（Mean Diff. to Object）
一个影像对象的第L层图层平均值和它的上层对象的第L层图层平均值之间的差分。通过编辑特征距离（featurd distance）,你可以自己定义选择哪一个层的上层对象
特征值的范围：[0；根据数据的比特位数来定]
? 对于上层对象的比率（Ratio to Super Object）
一个影像对象的第L层图层平均值和它的上层对象的第L层图层平均值之间的比率。通过
通过编辑特征距离（featurd distance）,你可以自己定义选择哪一个层的上层对象。
特征值范围：[0；∞]
(四) 对于整景（to Scene）
? 对于整景的差分（Mean Diff. to Scene）
一个影像对象的第L层图层平均值和整个图层的第L层图层平均值之间的差分。
特征值的范围：[0；根据数据的比特位数来定]
? 对于整景的比率（Mean ratio. to Scene）
一个影像对象的第L层图层平均值和整个图层的第L层图层平均值之间的比率。
特征值的范围：[0；根据数据的比特位数来定]
(五) 形状（Form）
eCognition中提供的许多形状特征是基于构成影像对象的像素的空间分布统计之上的。Ecognition使用协方差矩阵作为统计处理的核心工具。
X=构成影像对象的所有像素的x-坐标
Y=构成影像对象的所有像素的y-坐标
获取影像对象形状信息（尤其是长度和宽度）的另一个常使用的技巧是采用边界框近似。对于每一个影像对象都可以计算这样的边界框，边界框的几何图形作为此影像对象的第一条线索。
边界框提供的主要信息是它的长度a，它的宽度b，它的面积a·b和它的填充度f，即影像对象的面积A除上边界框的总面积a·b。