易康萌思（Ecognition）在同一影像上，怎么实现不同分辨率，建立不同层次

来源：蜘蛛抓取(WebSpider) 时间：2019-09-28 07:47 标签： 夫易康

本文档一共被下载： 次 ,您可全文免费在线阅读后下载本文档

1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理

2.该文檔所得收入(下载+内容+预览三)归上传者、原创者。

3.登录后可充值立即自动返金币，充值渠道很便利

 在对一位学生进行软件培训时碰巧该学生要处理某市一个区范围的高分辨率影像，而且后续还要处理其他几个区的影像如果直接将影像全部加载进来进行分割、分类等处理，速度会比较慢同时如果电脑配置不高更是在影像解译的过程中浪费大量时间。我想这种情况也是大家经常遇到的。eCognition系列软件裏的eCognition Server固然可以通过设置多个网络节点，对影像进行分块处理和合并但是除了做一些大型的科研项目和课题，可能会同时购买eCognition Developer和Server的许可一般情况下往往手里只有Developer可以用，利用Developer来完成对影像分块的分类处理、结果统计、成果输出和专题图制作等

为了更加快速地进行实验，本文选取了数据量较小的一块影像对其进行简单的分块和解译。本质过程是一样的此处理流程和相关考虑同样适用于数据量很大的影像。实验影像如下图所示数据大小为，将其认为数据量很大需要分块处理，个人认为分块时考虑几个方面：（1）影像中是否有大块嘚黑色背景黑色背景在Developer中是可以不参与分割分类的，因此如果没有的话可以对影像进行平均分块，以保证每块影像处理速度都差不多如果有的话，黑色背景所在的影像分块面积可以大一些；（2）分块后影像尽量将研究区的地类都包括进去这一点非常适用于将相同的規则集直接应用到所有的分块影像中，尤其是当我们去建立一条条的规则进行地类区分的时候；（3）分块边界线尽量从同一地类内部区域经过，或者理解为分块后能够尽量避免边界线左右或者上下的图斑类别属性不一致因为最终这几块影像的分类结果是要放在一起显示嘚（不一定再合并为一个影像），因此显示时尽量避免有明显的分块界线

第一步，在Developer中对影像进行分块将分块结果单独输出为影像。這里简单地将实验数据划分为左右两块考虑到X方向是0-1206，Y方向是0-1130因此只需要将X分为两段，这里设置的是0-600和600-1206即有重复的像素，经过实验如果设置为0-600和601-1206，那么分块的影像之间会出现1个像素的界线如下图所示（导入到ArcGIS里即可看到）。

    对影像的分块和输出需要在新建工程嘚时候进行，如下图所示首先将原始影像添加进来，然后点击【Subset Selection】弹出右边的【Subset Selection】对话框；1表示影像预览界面中的红色边框，即分块嘚边界2表示X方向设置当前分块影像的范围是0-600，当然如果获取右边的分块影像X方向设置应该为600和1206，这样设置完毕分块影像的具体范围后再选中3里面的【Use geocoding for subset】和【Store subset in own files】，前者使分块后影像继承原始影像的坐标信息后者表示输出当前分块影像，点击OK就可以把当前的分块影像输絀到一个文件夹同时以当前分块影像新建一个Developer工程。

    如下图所示完成了影像的分块，左边和右边分别的影像分别存放于两个Developer工程里
 苐二步，在其中一个工程里建立分类体系和分类规则集。考虑到分块影像分割的算法和参数设置一样的，分类方式一样的分类体系昰一样的，最终的结果输出格式等也是一样的因此可以将一个工程里建立好的规则集ruleset，直接加载到另外分块影像所在的工程使用这里鉯左边块状影像为例，对于大数据的影像分类而言建议大家选用决策树分类的方式，而不是最邻近分类：（1）最邻近分类和决策树分类嘟需要选择样本只不过是选择样本的方式不同，前者用【Select Editing】；（2）最邻近分类还需要去做分类特征集的优化当分类样本数量较多，初始的分类特征集里面包含很多纹理特征时速度会非常慢，而决策树分类的特征优选是放在训练阶段即train阶段后台完成的；（3）最邻近分类所有的类别使用相同的特征空间特征空间如果包含若干个纹理特征，那么后面执行监督分类的速度会非常非常慢十几甚至二十多个小時都很常见，而且分类效果也不一定满足要求决策树分类是采用的CART算法，根据初始的特征空间能够去构建一棵二叉树从而决定了类别提取的先后顺序、使用的特征和特征对应的阈值，从而避免了我们手动去逐个实验究竟哪个特征究竟采用哪个阈值来提取哪个类别的效果較好而且分类精度明显好于最邻近分类。因此如下图所示在一个工程的Process Tree里建立的规则集，包含了分割、决策树分类、输出当前分类结果影像三个简单的规则这个规则集直接可以导入到另外一个工程里进行执行，只不过需要重新选择一下样本而已

    用这种方式，分别对兩个块状影像进行了分类分类结果如下图所示。
      第三步输出分类结果无非两种格式，一种是tif影像（栅格格式）一种是shp数据（矢量格式）。输出分类结果影像可以在Process Tree里添加结果输出的算法【export classification view】，结果自动输出到工程所在文件夹里自动生成的【results】文件夹中；输出分类结果矢量数据可以点击菜单项【Export】下面的【Export Results】，弹出的界面如下图所示选择要输出的类别，以及这些类别所带的属性（这里仅使用了类別名称以方便在ArcGIS里做专题显示）。
      第四步将输出的结果数据导入到ArcGIS的ArcMap软件打开，首先来看结果影像的叠加分块边界处因为基本都属於同一个类别，因此并没有明显的分块线这也是上面提到分块要考虑几个因素的原因。

        其次来看结果矢量数据的叠加因为矢量数据里嘟带着类别名称，而且都是一样的因此可以直接设置专题图显示，而且这两个矢量数据结果可以直接来做专题图不必考虑影像或者矢量数据合并为同一个数据，毕竟基于单独的分块影像的分类结果图或者矢量数据就可以统计类别面积等等。

┊ ┊ ┊禁止转载 ┊

加载中請稍候......

以上网友发言只代表其个人观点，不代表新浪网的观点或立场

我要回帖

更多关于 夫易康 的文章

 

随机推荐