易康分类特征介绍

《易康分类特征介绍》由会员分享，可在线阅读，更多相关《易康分类特征介绍（16页珍藏版）》请在金锄头文库上搜索。

1、附件一：附件一： 易康分类特征介绍易康分类特征介绍 一、 对象特征一、 对象特征 (一一) 图层图层 ? 平均值（平均值（mean） 由构成一个影像对象的所有 n 个像素的图层值计算得到图层平均值。 特征值的范围：0；根据数据的比特位数来定，对于 8 比特的数据来说，值域是0；255。 ? 亮度（亮度（Brightness） 影像对象的图层数量除以包含光谱信息的图层平均值的总和（一个影像对象的光谱平均值的平均值） 。 使用对话框 Define Brightness 可以定义哪一个图层提供光谱信息（在 Class Hierarchy 编辑器中的菜单项SettingsImage Layers fo

2、r Brightness） 。 特征值的范围： 0； 根据数据的比特位数来定， 对于 8 比特的数据来说， 值域是0； 255。 ? 标准差（标准差（StdDev） 由构成一个影像对象的所有 n 个像素的图层值计算得到标准差。 特征值的范围：0；根据数据的比特位数来定 ? 贡献率（贡献率（Ratio） 第 L 层的贡献率是一个影像对象的第 L 层的平均值除上所有光谱层的平均值的总和。另外，只有包含光谱信息的图层可以使用以获取合理的结果。 特征值范围：0；1 (二二) 对于邻域（对于邻域（to Neighbors） ? 对于邻域的平均差分（对于邻域的平均差分（Mean Diff. to Neig

3、hbors） 对于每一个相邻的对象，计算图层平均值的差分，根据对象间的边界长度赋予权重（如果它们是直接相邻的，特征距离=0）或者根据相邻对象的面积赋予权重（如果被讨论的影像对象周围的邻域已用某一范围（像素级）来定义，特征距离0） 。 对于直接相邻对象的平均差分如下计算：所关心的影像对象的边界长度 与第 i 个直接相邻对象共同的边界长度 所关心的影像对象的图层平均值 第 i 个相邻对象的图层平均值 相邻对象的数量 如果你用某一个范围内的对象来定义领域（参见特征距离（feature distance） ，平均差分则计算如下： 所有领域对象的总面积 第 i 领域对象的面积 所关心的影像对象的图层平均

4、值 第 i 领域对象的图层平均值 相邻对象的数量 特征值的范围：0；根据数据的比特位数来定 ? 对于邻域的平均差分（绝对值） （对于邻域的平均差分（绝对值） （Mean Diff. to Neighbors（abs） 和对于邻域的平均差分相同，不同是差分使用的是绝对值。 特征值的范围：0；根据数据的比特位数来定 ? 对于较亮邻域的平均差分（对于较亮邻域的平均差分（Mean Diff. to brighter Neighbors） 以计算 Mean Diff. to Neighbors 相同的方式来计算这一特征，但只有图层平均值大于所关心的影像对象的图层平均值的影像对象才予以考虑。 特征值的范围

5、：0；根据数据的比特位数来定 ? 对于较暗邻域的平均差分（对于较暗邻域的平均差分（Mean Diff. to darker Neighbors） 以计算 Mean Diff. to Neighbors 相同的方式来计算这一特征，但只有图层平均值小于所关心的影像对象的图层平均值的影像对象才予以考虑。 特征值的范围：0；根据数据的比特位数来定 ? 对于较亮邻域的相对边长（对于较亮邻域的相对边长（Rel. Border to Neighbors） 在所选的图层中与图层平均值较高的影像对象共同拥有的边界和所关心的影像对象的总边界长度之间的比率。 特征值的范围：0；1 (三三) 与父层对象（与父层对象（

6、to Super Object） ? 对于上层对象的平均平均差分（对于上层对象的平均平均差分（Mean Diff. to Object） 一个影像对象的第 L 层图层平均值和它的上层对象的第 L 层图层平均值之间的差分。 通过编辑特征距离（featurd distance）,你可以自己定义选择哪一个层的上层对象 特征值的范围：0；根据数据的比特位数来定 ? 对于上层对象的比率（对于上层对象的比率（Ratio to Super Object） 一个影像对象的第 L 层图层平均值和它的上层对象的第 L 层图层平均值之间的比率。 通过 通过编辑特征距离（featurd distance）,你可以自己

7、定义选择哪一个层的上层对象。 特征值范围：0； (四四) 对于整景（对于整景（to Scene） ? 对于整景的差分（对于整景的差分（Mean Diff. to Scene） 一个影像对象的第 L 层图层平均值和整个图层的第 L 层图层平均值之间的差分。 特征值的范围：0；根据数据的比特位数来定 ? 对于整景的比率（对于整景的比率（Mean ratio. to Scene） 一个影像对象的第 L 层图层平均值和整个图层的第 L 层图层平均值之间的比率。 特征值的范围：0；根据数据的比特位数来定 (五五) 形状（形状（Form） eCognition 中提供的许多形状特征是基于构成影像对象的像素

8、的空间分布统计之上的。Ecognition 使用协方差矩阵作为统计处理的核心工具。 X=构成影像对象的所有像素的 x-坐标 Y=构成影像对象的所有像素的 y-坐标 获取影像对象形状信息 （尤其是长度和宽度） 的另一个常使用的技巧是采用边界框近似。对于每一个影像对象都可以计算这样的边界框， 边界框的几何图形作为此影像对象的第一条线索。 边界框提供的主要信息是它的长度 a，它的宽度 b，它的面积 ab 和它的填充度 f，即影像对象的面积 A 除上边界框的总面积 ab。 使用边界框近似的方法能很好地适用于那些并不呈曲线的影像对象。对于长形的或曲线的影像对象来说， 使用子对象的方法则更好， 因为子对象

9、提供了延着一条中心线反复穿过上层对象的可能性。 通过延着中心线添加单个子对象之间的距离， 你可以获得影像对象长度很好的近似。然而，对于更为紧致的影像对象，很难确定这样一条中心线，这就是为什么对于这些对象使用边界框近似是更好的方法。 ? 面积（面积（Area） 对于没有地理参考的数据，单个像素的面积为 1。其结果是一个影像对象的面积就是构成它的像素的数量。 如果影像数据是有地理参考的， 一个影像对象的面积就是一个像素覆盖的真实面积乘以构成这一影像对象的像素数量。 特征值的范围：0；图幅的大小 ? 长度长度/宽度（宽度（Length/Width） 计算影像对象的长度/宽度比率有两种方法： a. 长

10、宽比等于协方差矩阵的特征值的比值，较大的特征值是分数的分子。 b. 长宽比也可以用边界框来近似。 eCognition 中使用这两种方法来计算，取两者中较小的结果作为特征值。 特征值范围：0；1 ? 长度（长度（Length） 长度也可以用从边界框近似中计算得到的长宽比来计算。它可以做以下的近似计算： 对于曲折的影像对象另一种可能更好的方法是基于影像对象的子对象来计算它的长度。 特征值范围：0；根据影像对象的形状决定 ? 宽度（宽度（Width） 影像对象的宽度也可以用长宽比来近似计算。在 eCognition 中宽度可以做以下的近似计算： 另外，对于曲折的影像对象使用子对象来计算是更好的方法

11、。 特征值范围：0；根据影像对象的形状决定 ? 边界长度（边界长度（Border Length） 一个影像对象和其他影像对象共同拥有边界或在整幅图像的边缘上，它的边界长度 e 定义为此影像对象的边界总和。没有地理参考的数据，一个像素边缘的长度是 1。 特征值范围：4；根据影像对象的形状决定 ? 形状指数（形状指数（Shape Index） 数学上形状指数是影像对象的边界长度除上它的面积的平方根的 4 倍。 使用形状指 s 以描述影像对象边界的光滑度。影像对象越破碎，则它的形状指数越大。 特征值范围：1；根据影像对象的形状决定 ? 密度（密度（Density） 密度 d 可以表示为影像对象面积除

12、上它的半径。ECognition 中使用下面的工具，这里 n是构成影像对象的像素数量，半径采用协方差矩阵来近似计算。 使用密度来描述影像对象的紧致程度。在像素栅格的图形中理想的紧致形状是一个正方形。一个影像对象的形状越接近正方形，它的密度就越高。 特征值范围：0；根据影像对象的形状决定 ? 主要方向（主要方向（Main Direction） 在 eCognition 中， 一个影像对象的主方向是此影像对象的空间分布的协方差矩阵两个特征值中较大的那一个特征值相对应的特征向量的主要方向。 特征值范围：0；180 ? 不对称性（不对称性（Asymmetry） 一个影像对象越长，它的不对称性越高。对于

13、一个影像对象来说，可近似与一个椭圆。 不对称性可表示为椭圆的短轴和长轴的长度比。随着不对称性的增加而特征值增加。 特征值范围：0；1 二、 基于子对象的线状特征（二、 基于子对象的线状特征（Line Feature based on sub objects） 一个影像对象的形状也可以从子对象提供的信息中获得。你可以从本章的关于子对象生成中找到有关内容（Basic ConceptsMultiresolution Segmentation of Image Objects 和Functional GuideImage Object Generation I：Multiresolution Segm

14、entation） 。 如果你想提取狭长的和曲折的影像对象的特征时，正如上面所提及的，此方法比边界框近似更好些（例如，影像对象表达的是河流或道路） 。 ? 线状子对象：长度（线状子对象：长度（Line SO:Length） 已知所关心的影像对象的中心点。在所有子对象中已检测到两个距离中心点最远的子对象。从一端到另一端，相邻子对象中心点之间的距离可以被相加在一起（红线） 。末端的对象半径也要被考虑，以完成近似（绿） 。 特征值范围：0；根据影像对象的形状决定 ? 线状子对象：宽度（线状子对象：宽度（Line SO:Width） 基于子对象计算的影像对象宽度是影像对象的（以像素表示的）面积除上从子

15、对象分析所得的长度。 特征值范围：0；根据影像对象的形状决定 ? 线状子层对象：长宽比（线状子层对象：长宽比（Line SO:Length/Width） 基于子对象分析的长宽比是从子对象分析中获得的长度平方除上影像对象的面积（以像素表示） 。 特征值范围：0；1 ? 线状子对象：曲率与长度比（线状子对象：曲率与长度比（Line SO:Curvature/Length） 影像对象的曲度除上它的长度。曲率和长度都是基于子对象分析的。曲率是从两端的子对象穿过子对象到达离所关心的影像对象中心最靠近的子对象所有在方向上的变化（绝对值）总和。 曲率如下计算： 特征值范围：0；根据影像对象的形状决定 ? 线

16、状子对象：标准差曲率（线状子对象：标准差曲率（Line SO:StdDev. Curvature） 从两端的子对象穿过所有子对象到达离所关心的影像对象中心最靠近的子对象的过程中所有在方向上的变化（）的标准差。如果一个影像对象可以用较高的曲率标准差刻画，这就意味着当穿过子对象时在方向上有很大的变化。 另一方面， 一个影像对象可能表现得更为弯曲，但它如果遵循弧线，它的曲率标准差将会很小，由于当穿过子对象时方向上的变化或多或少是一致的。 特征值范围：0；180 三、 位置（三、 位置（Position） 所有接下来的特征都指的是一个影像对象相对于整个图幅的位置。当使用有地理参考的数据时，影像对象可以用它们的地理位置来描述，这些特征是空间上所感兴趣的。 ? X-Center 影像对象的中心点的X-方位（重心、所有X坐标的平均值） 特征值范围：0；栅格图层的列数或根据地理参考 ? Y