遥感影像分类实验报告.docx
《遥感影像分类实验报告.docx》由会员分享，可在线阅读，更多相关《遥感影像分类实验报告.docx（15页珍藏版）》请在冰豆网上搜索。
遥感影像分类实验报告
面向对象分类试验汇报
姓名:
学号:
指导老师:
地球科学与环境工程学院
一、试验目
面向对象法模拟人类大脑认知过程,将图像分割为不一样均质对象,充足利用对象所包含信息,将知识库转换为规则特征,从而提取影像信息。
因为分析是对象而不是像元,所以我们能够利用对象丰富语义信息,结合多种地学概念,如面积、距离、光谱、尺度、纹理等进行分析。
面向对象遥感影像分析方法与传统面向像元影像分析方法不一样。
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（图像分割后所得到内部属性相对一致或均质程度较高图像区域）多种特征后,在特征空间中进行对象识别和标识,从而最终完成信息分类与提取。
二、试验意义
1、使用eCognition进行面向对象影像分类步骤;
2、体见面向对象思想内涵,学会将大脑认知过程转变为机器语言;
三、试验内容
3.1、影像预处理
利用ERDAS软件将所给全色影像和多光谱遥感影像进行融合,达成既满足高空间分辨率,又保留光谱信息。
Imageinterperter->spatialenhancement->resolutionmerge.输入融合前两幅影像,完成影像预处理过程。
图1图像融合步骤
图2融合后图像
3.2、使用eCongition创建工程
a、使用规则集模式创建工程
图3模式选择
b、file->newprojection,打开CreateProject和ImportImageLayers两个对话框,将上面试验数据导入。
（注意,数据以及工程文件保留路径不要有汉字）
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,设置以下（能够添加近红外在绿光通道显示,以增强植被显示,看起来会舒适部分）,并保留工程。
图6设置波段组合
3.3、对象生成多尺度分割
a、首先在进程数（规则集区域）右击,选择AppendNew选项,打开程序编辑对话框,在algorithm框中选择需要算法。
图7新建分割处理
b、在上述基础上,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分割前后结果对比
3.3、信息分类:
提取
3.3.1、植被分类（阈值分类）
a、在ClassHierarchy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ProcessTree中新建植被分类,并选择assignedclassify阈值分类
图11新建分割植被分类
c、创建NDVI函数:
featureview→objectfeatures→customized→createnewarithmetic。
修改Featurenames为NDVI,并编辑算法。
图12创建NDVI
d、植被分类阈值设置:
NDVI>=0.12R<=320,完成植被分类
图13设置NDVI阈值
图14设置R阈值
图15植被分类
3.3.2、水体分类
a、在ClassHierarchy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InsertExpression对话框,选择任何一个特征,双击完成,调出组员函数（MembershipFunction）对话框,这里能够选择隶属函数,并设置模糊段值。
图17设置模糊值
c、显示不一样波段或者NDVI函数在水体上差异,删除相近
图18比较差异
图19删除差异相近特征
图20完成水体分类
四、总结
高分辨率遥感影像中丰富地物目标与空间语义信息必需在多尺度下才能充足表示和描述。
多尺度分割算法目标是:
在指定与感爱好地物目标或空间结构特征相对应尺度下,将影像分割成高同质、相互连结不一样影像区域,与感爱好地物目标或空间结构特征相对应。
本试验采取面向对象方法对融合后影像（高分辨率全色影像和多光谱影像进行数据融合）进行有效分割。
面向对象分类技术关键分成两部分过程:
影像对象构建和对象分类。
影像对象构建关键用了影像分割技术,常见分割方法包含基于多尺度、基于灰度、纹理、基于知识及基于分水岭等分割算法。
比较常见就是多尺度分割算法;影像对象分类,现在常见方法是“监督分类”和“基于知识分类”。
试验中采取创建NDVI函数,经过设置不一样分类阈值参数可分辨出对应地物类别（水体、陆地、植被、裸图、建筑物、道路和阴影）,并生成总体分类图。
经过此次试验,对面向对象分类思想有了比较深刻了解,尤其是经过直接软件操作,设置不一样尺度参数,会显示不一样类型分割图像,调整不一样创建NDVI函数以及其她阀值设置,能够显示突出不一样类型地物,不过在分类过程中也会有错分地物,所以需要小心设置参数,而且只有数次设置才能达成正确分类结果。
升级会员 