遥感影像分类实验报告.doc

面向对象分类实验报告

姓名：
学号：
指导老师：

地球科学与环境工程学院
实验目的
面向对
面向对象分类实验报告

姓名：
学号：
指导老师：

地球科学与环境工程学院
实验目的
面向对象法模拟人类大脑认知过程，将图像分割为不同均质的对象，充分利用对象所包含的信息，将知识库转换为规那么特征，从而提取影像信息。因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息，结合各种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。
面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。首先我们要用一定方法对遥感影像进行分割，在提取分割单元〔图像分割后所得到的内部属性相对一致或均质程度较高的图像区域〕的各种特征后，在特征空间中进行对象识别和标识，从而最终完成信息的分类与提取。
实验意义
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；
实验内容
、影像的预处理
利用ERDAS软件将所给的全色影像和多光谱遥感影像进行融合，到达既满足高空间分辨率，又保存光谱信息。Image interperter-> spatial enhancement-> resolution ，完成影像的预处理过程。

图 1 图像融合步骤
图 2 融合后的图像
、使用eCongition 创立工程
a、使用规那么集模式创立工程
图 3 模式选择
b、file->new projection ，翻开Create Project和Import Image Layers两个对话框，将上面的实验数据导入。〔注意，数据以及工程文件保存路径不要有中文〕
图 4 导入数据
c、选择数据修改波段名称,并设置Nodata选项。
图 5 修改波段名称
d、设置波段组合为真彩色，设置如下〔可以添加近红外在绿光通道的显示，以增强植被的显示，看起来会舒服一些〕，并保存工程。
图 6 设置波段组合
、对象生成的多尺度分割
首先在进程数〔规那么集区域〕右击，选择Append New选项，翻开程序编辑对话框，在algorithm框中选择需要的算法。
图 7 新建分割处理
b、在上述的根底上，插入子类，选择多尺度分割算法，分割尺度为20
图 8 插入子类
图 9 分割前后的结果比照
、信息的分类：提取
、植被分类〔阈值分类〕
a、在Class Hierarchy 对话框中新建植被分类，并修改植被颜色
图 10 新建植被分类
b、在Process Tree 中新建的植被分类，并选择assigned classify阈值分类
图 11 新建分割植被分类
c、创立NDVI函数：feature view→object features→customized→create new arithmetic。修改Feature names 为 NDVI , 并编辑算法。
图 12 创立NDVI
d、植被分类阈值设置：NDVI>= R<=320 ,完成植被的分类
图 13 设置NDVI阈值
图 14 设置R阈值
图 15 植被分类
、水体的分类
a、在Class Hierarchy 对话框中新建水体分类，并修改水体颜色
图 16 新建植被分类
c、调出Insert Expression对话框，选择任何一个特征，双击完成，调出成员函数〔Membership Function〕对话框，这里可以选择隶属函数，并设置模糊段的值。
图 17 设置模糊值
c、显示不同波段或者NDVI函数在水体上的差异，删除相近的
图 18 比较差异
图 19 删除差异相近的特征


图 20 完成水体分类
总结
高分辨率遥感影像中丰富的地物目标与空间语义信息必须在多尺度下才能充分表达和描述。多尺度分割算法的目标是：在指定的与感兴趣的地物目标或空间结构特征相对应的尺度下，将影像分割成高同质的、互相连结的不同影像区域，与