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。