高分辨影像分类实验报告.doc

高分辨影像分类实验报告
姓 名：
学 号：
专 业：
指导老师：
目录
一、实践目的 3
二、实验内容 3

高分辨影像分类实验报告
姓 名：
学 号：
专 业：
指导老师：
目录
一、实践目的 3
二、实验内容 3
3
使用 eCognition 创建工程 3
对象的生成：分割 5
信息的提取：分类 7
三、总结 17
一、实践目的
1、使用eCognition进行面向对象的影像分类的流程;
2、体会面向对象思想的内涵，学会将大脑认知过程转变为机器语言;
二、实验内容

首先，我们使用的数据是QuickBird影像，包括4个多光谱波段以及一个全色波段。QuickBird影像星下点分辨率: m， m。而对于面向对象影像分类来说，越高的高空间分辨率越好;但在对对象进行分类是，光谱信息同样重要，所以怎样可以既保留光谱信息、又能提高多光谱波段的分辨率呢?这是分类之前数据预处理需要解决的问题之一。
其次，影像分割算法是在亮度值的基本特征基础上建立起来的，其中包括一致性和不连续性。影像分割过程中，灰度差异较小但分属不同地物类型的相邻像元，分割后易被合并为一个对象，造成目标错提、漏提。为此须对原始影像进行预处理，增大提取目标与背景的反差，以取得更好的分割效果。这是数据预处理需要解决的第二个问题。
使用 eCognition 创建工程
打开 eCognition，选择规则集模式。点击 Create New Project，打开 Create Project 和 Import Image Layers 两个对话框，导航到实验数据。（注意，数据以及工程文件保存路径不要有中文）
你可以选择多个数据，选择需要的波段，在处理时也可以针对某一特定的波段来进行。比如你可以分开选择 RGB 和红外波段；而在处理时，你可以只对全色波段处理，而不处理其他波段。
选择数据后，更改波段名字。并且设置 Nodata 选项。设置 Nodata 选项是为了让没有数据的区域不参与处理。另外，在这一窗口还可以看到数据的其他信息，如坐标系、分辨率等。同时，如果有专题数据还可以添加专题数据（比如 shape 文件、高程数据等），以增加分类精度。
对象的生成：分割
影像分割就是把影像划分为不同的分离区域。分割的好坏将直接影响后面的分类效果，但
影像分割却一直是图像处理和计算机视觉中的重点和难点之一。所以很多学者都在这块做了大量的研究，出现了上千种分割算法，比如匹配法、区域生长法、合并分裂法、马尔可夫随机场模型法、多尺度法等，这里我们不做深入研究。
首先在进程数（规则集区域）右击，选择 Append New选项，打开程序编辑对话框，在 algorithm 框中选择需要的算法。（eCognition 中的所有程序都是通过这样的程序进行的，很规范，程序都是模块，像编程一样，直接调用，这也可以说是一种面向对象的思想吧。）
信息的提取：分类
在 eCognition 中，最常用的分类方法是模糊分类（classification）和阈值分类（assign class）。在程序编辑对话窗口中的 algorithm 栏选择分类的算法，则可调出相应的分类模块。当然这之前最好先把需要分的类别定义好（如右图），需要定义名称、颜色。
接下来选择水体：
先创建水体图层，
三、总结
通过实验上机学习，使得我们学习并了解了这款新的遥感影像数据处理软件，对于知识的广度有了一个比较好的拓展，在这次实验课中，让我们了解到怎样去进行影像分割，植被提取，水系提取以及道路提取等，对于基本操作有了比较好的理解，但从中也体会到了些许不足，主要对于提取步骤细节不太明确，未深入了解提取的技巧以及提取错误位置的修改办法，但总的来说基本了解了此款软件的基本功能，在以后还需要进一步深入学习和实验才能更好的掌握操作技能。