eCognition基本操作流程.docx

1、eCognition基本操作流程eCognition基本操作流程一、基本流程影像分割 特征选择和特征视图 影像分类 输出分类结果二、实例演示（一）新建工程打开易康软件后，会提示两种模式，一种是【Quick Map Mode】，称之为快速制图模式，另一种是【Rule Set Mode】，称之为规则开发模式。前者主要针对于临时使用软件和基于样本影像分析的用户，能够极大地简化工作流程如一些面向对象影像分析基本步骤的限制，但是提供的功能有限，而且不能建立规则集；因此这里选择规则开发模式，如图所示。点击【OK】后进入软件的主界面，如下图所示红色边框里是四种视图类型，这里选中的是第四种【Developer

2、 Rulesets】 点击【Create New Project】，弹出如下图所示的界面，选择需要处理的遥感影像：选中影像后点击【OK】，用户将能看到【Create Project】对话框，在该对话框中【Project Name】使用英文名称命名工程，【Map】里能够看到当前打开的影像的坐标系统、空间分辨率、影像大小等信息，【Map】下面显示的是影像波段的别名【Image Layer Alias】、位置等信息，然后再往下【Thematic Layer Alias】用于插入一些辅助分类的专题数据，例如我们常用的矢量数据。我们可以将整幅影像加载进来，也可以只处理一部分影像，这时需要点击【Subse

3、t Selection】，然后会弹出对话框，可以用鼠标对感兴趣的区域进行框选。这里我们默认将整幅影像导入到易康中，如果你想对已经新建立的工程进行一些修改，例如再导入其他波段或影像，可以点击【File】-【Modify Open Object】。工程建立好后如下图所示：建立好工程后，可以改变影像的显示方式，包括波段组合和影像缩放操作，如图所示为易康提供的影像显示的工具栏，红色边框选中的工具为编辑波段组合，该工 具前面的四种工具是各种波段组合显示的快捷工具，例如第一个是单波段显示即灰度显示，第二个是按顺序给定三种波段组合显示效果，第三个是前一种波段组合显 示效果，第四个是后一种波段组合显示效果。红

4、色边框选中工具后面的图标就不再详述，分别是鼠标选择、鼠标漫游、鼠标缩放、缩小、放大、视图比例和全幅显 示。如图所示为影像显示的波段组合编辑对话框，这里用户可以定义影像显示的方式（真彩色、假彩色）和影像初始显示设置（如线性拉伸设置等）（二）影像分割在主界面右边的【Process Tree】里，右键然后选择【Apeend New】，在弹出的【Edit Process】对话框里，如图红色边框设置，然后点击【OK】，在【Process Tree】里会出现Segmentation这一条规则（当做处理流程的标签）此时选中Segmentation，然后右键选择【Insert Child】，也会弹出【Edit

5、 Process】对话框，此时可以添加具体的分割规则，例如选择的分割算法、分割的参数设置信息等，这里我们使用的是多尺度分割的方式，即在 【execute child processes】下面找到【Segmentation】算法里面的【multiresolution segmentation】这里将分割尺度设置为100。此时，如果点击【OK的话，将不会执行规则，而仅仅是在【Process Tree】添加了一条规则标签而已，因此需要点击【Execute】来执行分割这条规则，此时【Process Tree】和主界面会发生变化。此时我们可以利用工具栏上的【Show or Hide Outlines】来

6、控制分割边界是否显示；此时可以利用多个视图来显示分割前后的影像，选择【Window】菜单下的【Split】、【Split Horizonally】、【Split Vertically】这三种功能，来设置影像的显示方式，例如这里选择【Split Vertically】，显示效果如图所示，这种显示方式两个窗口之间是独立的，因此是【Independent View】；如果两个窗口之间分割对象是联动显示的，那么是【Side by Side View】。（三）特征视图与特征计算易康的【Feature View】提供了大量的特征。这里结合使用的实验数据，简单选择几种特征进行介绍。如图所示，这里双击【Mea

7、n】特征下的“Layer 5”，表示计算的是影像近红外波段的均值。双击之后取消选中【Show or Hide Outlines】，那么主界面将会显示特征视图，如图所示，白色的表示特征值较大的对象，黑色的表示特征值较小的对象。结合实验影像中的地类，黑色的区域主要类别是水体，白色区域主要类别是植被，而建筑物则介于中间。任意选中一个对象，在【Image Object Information】里显示该对象对应的特征信息，这里显示的特征信息，可以通过在【Image Object Information】里右键选择【Select Features to Display】来编辑，如图中所示这里只选择了对La

8、yer 5即近红外波段的均值进行显示，如红色边框选中的两个地方。以上介绍的只是查询一个分割对象的特征信息，我们在分类的时候需要明确某一个类别的特征值的取值范围，这样才能够建立一条类别提取的规则。那么这时候就需 要利用到【Feature View】中的查看范围特征值的功能，如图中下面的绿色边框选中的区域。在利用范围特征值显示之前，以实验影像中的植被为例，我们需要首先来估计一下植 被的近红外波段均值的取值范围，这时我们可以在影像中点击一些分割后的植被对象，来查看它们对应的近红外波段均值，然后将最大值和最小值记录下来，作为我们判断植被的一个初始的阈值范围。比如这里这些植被对象的最小近红外波段均值为1

9、8800。判断完毕后，此时呢可以选中【Feature View】里最下面的特征范围，然后输入特征的最小值（左）和最大值（右），如下图中红色边框选中的区域，符合这一阈值范围的对象呈现出蓝色和绿色。此时对照多波段影像和被选出的区域，那么就能够很明显的看出类别的特征范围是不是准确；当然如果此时觉得特征范围需要修改，那么继续修改右下角【Feature View】的阈值范围直到结果满意为止，记下最小值最为分类植被的规则。得到植被分类的规则后，开始选取水体的分类规则。这里需要用到的是自定义特征的使用，用以区分水体的归一化差异水体指数NDWI，其计算公式为NDWI=(G-Nir)/(G+Nir)，在【Fea

10、ture View】里选择【Customized】的“Create new Arithmetic Feature”，弹出自定义特征编辑的对话框，如下图所示编辑NDWI的计算公式。重复选取规则的步骤直到选取出符合水体分类规则，比如这里的NDWI最小值为-0.06.（四）分类在分类之前首先我们要明确目标，即针对当前影像建立类别体系，在【Class Hierarchy】界面右键然后选择【Insert Class】，在弹出的【Class Description】对话框里设置类别的名称和颜色，这里的类别名称使用英文。如图所示，将实验影像中的类别定义为vegetation（植被）、water（水体）和ot

11、hers（其他）。在上文中已经建立了三种类别的提取规则，当然这只是一种简单的试验，一个类别的精确提取往往需要多条规则、多个特征的综合。此时在【Process Tree】界面里添加一条名规则，内容为Classification，也可以理解为父进程，但是它仅作为一个标签，和Segmentation类似。在这里请注意Process Tree的逻辑顺序，Classification与Segmentation是同等的父进程，请不要将Classification作为Segmentation的子进程插入。前文已选取好的分类规则：（1）植被提取的规则：近红外波段均值18800；（2）水体提取的规则：归一化差异

12、水体指数-0.06；（3）其他的规则：剩余的未分类对象归为该类。右键Classification选择【Insert Child】，为vegetation类别建立提取规则，具体的参数设置界面如下图所示：设置完毕后点击【Execute】，会发现影像中分割边界的颜色会有部分变成vegetation类别的颜色，取消选中【Show or Hide Outlines】，点击【View Classification】则会出现vegetation类别的提取结果，如图所示。按照同样的方式，分别添加water和others两个类别的提取规则并且执行，需要注意的是最后将剩余的未分类对象赋给others类别时，【Threshold condition】不需要设置任何条件.最终的分类规则集和分类结果如图所示：（五） 分类结果输出将分类结果导出为矢量数据（shp）在ArcGIS中打开,需要注意的是在输出的特征集里只有选择了类别名称这一特征，矢量数据的属性表里才会有对应的类别字段.