面向对象的信息提取主要针对高分辨率遥感数据,面向对象的分类方法首先对遥感影像进行分割,得到同质对象,再根据遥感分类或目标地物提取的具体要求,检测和提取地物的多种特征(如光谱、形状、纹理、阴影、空间位置、相关布局等),利用模糊分类方法以达到对遥感影像进行分类和目标地物提取的目的。面向对象方法使得影像分类的结果更合理,也更适合于高分辨率遥感影像的分类。面向对象的高分辨率遥感影像分类,相对于传统分类技术具有很高的优越性,是今后高分辨率遥感影像分类的发展方向。
当前面向对象的遥感信息提取软件主要为eCognition(易康),德国 Definiens 公司的 eCognition 平台所提供的多尺度分割技术(Multiresolution segmentation)充分利用对象特征和类间关系等信息被认为是世界上首屈一指的面向对象处理软件。Meinel 和 Neubert 在对 eCognition、ENVI、SPRING、Image Segmentation for Erdas Imagine 等软件比较分析的基础上得出了 eCognition 具有更佳性能的结论(注:Definiens 公司4.0版本的产品名称为 eCognition而5.0版本更名为 Definiens Professional8.0版本后重新恢复 eCognition 名称)。
基于面向对象的遥感影像信息提取实现路径由以下四步实现。
一、影像分割
影像分割决定后续分类的精度,选择最优分割尺度是面向对象的遥感信息提取的基础。目前最优分割尺度确定有分割评价指数、经验模型、ESP最优尺度评价工具和RMAS模型,本文实现路径选择ESP最优尺度评价工具与RMAS模型确定最优分割尺度。
1.1 下载ESP插件
链接:https://pan.baidu.com/s/18DTONGp6D_n1aI8ZYgNKlw
提取码:d3vo
1.2 打开eCognition软件,创建工作空间并导入影像
1.3 加载和运行ESP 2工具
加载:【process】-【load rule set】加载规则集
“ESP2_Estimation_Scale_Parameter_2.dcp”(ESP存储路径)
运行:ESP 2
Selectmap:(选择要应用ESP2的地图;默认情况下,ESP2将在主地图分割)
Use the Herarchy: 使用层次结构 (0=每个尺度参数基于像素级别独立生成;1=每个尺度级别是在层次结构中生成的,以自上而下或自下而上的方法)
Hierarchy: TopDown=0 or BottomUp=1 ? : BottomUp从最小级别开始,合并对象以获得较高级别;TopDown从较粗级别开始,分割对象以获得较小的级别;默认情况下,等于1
**Starting scale_Level **: 开始处理的三个级别的最小比例参
数;默认情况下,所有开始比例= 1
Step size_Level 1:逐步分割处理的比例参数的增量,默认为1, 10, 100…
'Shape’ and ‘Compactness’:在多尺度分割中实现的同质性准则的组成;默认值分别为0.1和0.5
Produce LV Graph’: 0=不生成一个LV.txt文件;1=生成一个带有LV值的txt文件,文件在ESP_Estimation_Scale_Parameter_Chart的帮助下以图形方式虚拟化。
number of loops: 循环数,如果要生成LV图需要设置,要生成的比例等级的数量。
设置完参数点击Excute即可运行,如果影像较大需要较长时间运行。
结果查看:根据ESP评价结果图,ROC曲线呈现峰值变化,峰值所对应的横坐标即为最优分割尺度。
RMAS模型:分割对象与相邻差分绝对值越大,说明分割对象与相邻像元之间的异质性越大;分割标准差越小,说明分割对象内部异质性越小,分割效果越好。
运行结果如下
二、分割对象类型筛选并运行
2.1 添加对象属性:Class Hierarchy—Insert class—类型属性名称—OK
2.2 选择属性对象与运行:Toolbars—Manual Editing—属性对象选择(分割对象图层中)—Classify selection— OK。
三、分类特征选择
Process Tree—Apply New Process—Algorithm: nearest neighbour configuration—Active classes(选择分类属性类型)—Features(自定义特征、光谱特征、纹理特征等)—Execute
四、样本训练
Process Tree—Apply New Process—Algorithm: classifier—Domain: image object level—Class filter(选择分类属性类型)—Operation:Train—Configuration:cart—Features(自定义特征、光谱特征、纹理特征等)—Classifier Type(分类器选择)—Execute
五、执行分类
Process Tree—Apply New Process—Algorithm: classifier—Domain: execute—Operation:Apply—Execute
六、结果导出
Export—Export Results—Classes: all—Features—Class Related features—Name—Execute