高分辨影像分类实验报告.docx

高分辨影像分类实验报告.docx

《高分辨影像分类实验报告.docx》由会员分享，可在线阅读，更多相关《高分辨影像分类实验报告.docx（17页珍藏版）》请在冰豆网上搜索。

高分辨影像分类实验报告

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

2.1影像预处理3

2.2使用eCognition创建工程3

2.3对象的生成：

分割5

2.4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

2.1影像预处理

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:

全色为0.61m，多光谱为2.44m。

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。

2.2使用eCognition创建工程

打开eCognition，选择规则集模式。

点击CreateNewProject，打开CreateProject和ImportImageLayers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。

2.3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AppendNew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。

）

2.4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（assignclass）。

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。