《eCognition的概论 1.docx》由会员分享，可在线阅读，更多相关《eCognition的概论 1.docx（5页珍藏版）》请在金锄头文库上搜索。
1、eCognition的概论eCognition是北京天目创新科技有限公司代理的德国DefiniensImaging公司的遥感影像分析软件，它是人类大脑认知原理与计算机超级处理能力有机结合的产物，即计算机自动分类的速度+人工判读解译的精度，更智能，更精确，更高效地将对地观测遥感影像数据转化为空间地理信息。eCognition突破了传统影像分类方法的局限性，提出了革命性的分类技术面向对象分类。eCognition分类针对的是对象而不是传统意义上的像素，充分利用了对象信息（色调，形状，纹理，层次），类间信息（与邻近对象，子对象，父对象的相关特征）。eCognition基于Windows操作系统，界面
2、友好简单。与其他遥感，地理信息软件互操作性强，广泛应用于：自然资源和环境调查，农业，林业，土地利用，国防，管线管理，电信城市规划，制图，自然灾害监测，海岸带和海洋制图，地矿等方面。 面向影像对象：面向像素的解算模式将像元孤立化分析，解译精度较低且斑点噪声难以消除；利用影像分割技术把影像分解成具有一定相似特征的像元的集合影像对象；影像对象和像元相比，具有多元特征：颜色、大小、形状、匀质性等；基于对象属性特点：- 颜色信息丰富 - 形状接近真实地物- 大小区分明显- 纹理信息突出 - 上下文关系明确基于像素属性特点:- 基本上只以颜色信息来区分主要分类过程介绍： 采用eCognition软件对影像
3、进行分类操作非常简单，可以主要以三个步骤来形容如下：1.分割 分割是面向对象分类的前提，多尺度分割是影像对象提取的专利技术，可以根据目标任务和所用影像数据的不同以任意选定的尺度分割出有意义的影像对象原型。2.分类 多尺度分割的结果是影像对象层次网络，每一层是一次分割的结果，影像对象层次网络在不同的尺度同时表征影像信息 。3.导出 导出分类结果 。 eCognition提供的专业分类工具包括 * 多源数据融合* 多尺度分割* 基于样本的监督分类* 基于知识的模糊分类* 人工分类* 自动分类 多源数据融合工具： 可用来融合不同分辨率的对地观测影像数据和GIS数据，如Landsat,Spot,IRS
4、,IKONOS, QuickBird,SAR,航空影像，LIDAR等，不同类型的影像数据和矢量数据同时参与分类。 多尺度影像分割工具： 可用来将任何类型的全色或多光谱数据以选定尺度分割为均质影像对象，形成影像对象层次网络。在对象层次机构中，小对象是大对象的子对象，每一个对象都有他的上下文，邻居，字对象和父对象，由此来定义对象之间的关系，影像对象的属性和对象之间的关系可用于进一步的分类。 基于样本的监督分类工具：是一个简单，快速强大的分类工具，影像对象是通过点击训练样本来定义，形成地称为 “一点就分 Click and Classify” 基于知识的分类工具：用户运用继承机制，模糊逻辑概念和方法
5、以及语义模型可以建立用于分类的知识库。 eCognition可以进行基于样本的监督分类或基于知识的模糊分类，二者结合分类以及人工分类，影像对象和分类结果易于导出常用GIS数据格式，可用于集成或更新GIS数据库。易康(eCognition)的特点: 特的面向对象分类方法模拟人类大脑认知过程将计算机自动分类和人工信息提取相结合可以分析纹理和低对比度数据针对不同的影像数据和分类任务，进行不同尺度的影像分割快速简单地监督分类容易表达和分析复杂的语义任务模糊逻辑分类算法易康(eCognition)的优点：1.以提供一整套基本工具进行自动影像分析为特色的综合性系统；2.对纹理或者低反差数据的分析，例如VH
6、R-卫星影像、航空或雷达数据；3.容易调节影像目标精度到指定影像数据和指定任务；4.透明的、可调节的模糊逻辑分类；5.非常容易和有效的最近邻知识训练基础：击键与分类；6.模型化和复杂语意的分析，分析上下关联的信息和对土地利用进行分类；7.对任意数量层的分析；8.多源数据整合：同时对任意数据类型的分析，例如不同精度、GIS层、高程数据等；9.整合进入或者更新GIS数据库的专题栅格层的输出；10.直观的操作；11.不同的透明度和可访问的界面用来显示关于影像目标的信息、特征和每个单步分类；12.纯粹的影像分析软件；13.面向分割（同质区）；14.基于模糊逻辑的分类知识；15.不同的分割级别；16.基
7、于栅格；17.使用成员函数与/或采样进行分类，上下文特征、分割特征（如形状）等等可用于分类；18.分辨率合并；19.NDVI；20.GIS数据用于街区；21.PAN（漫游）；它涉及到几个的概念：影像集 ：亦可以叫做影像数据集，定位角度不一样，包含了所有的数据，栅格、矢量、专题图、元数据，从集合的观点来看，它是我们一个工程用到的所有数据的集合。包含了最为基础的数据信息。二维数据集，就是一幅栅格影像三维数据集就是由一批被分层的二维影像层所构成四维数据集，就是三维数据集按时间顺序的排列时间序列数据集，就是按时间顺序排列的一组二维数据集，通常称为“影片”，影像对象：影像分割后的数据最小单元，一个对象单
8、元包含了相同语义的像素集。对于导入的一幅图像而言，多尺度分割后产生的对象表现为不同的分辨率大小。他的上限是整个图像作为一个对象，下限是像素单元。影像对象有光谱、形状和层次结构特征，这些特征是作为定义分类影像对象的包含或排除参数的信息源来使用的。对象特征：对象特征是通过评价影像对象本身，以及影像对象层次结构中的嵌入计算出来的。当一个对象包含较大图像范围时，我们会明显感觉到软件在计算特征属性时有一定的延迟效果，它们由如下几项组成：Customized 特征是用户创建的，表示一些自定义的对象属性特征，也相应地分为两种，算术特征和相关特征，如NDVI ,NDWI。Type 特征是指一个影像对象空间位置
9、。 Geometry 特征评价一个影像对象的形状。Position 特征是指一个影像对象相对于场景的位置。Texture 特征是基于层和形状的纹理值。也可以得到 Haralick 后的纹理。Haralick 就是灰度共生矩阵，几个方向的统计值。Object Variables 是个别影像对象的局部变量。Hierarchy 特征提供关于影像对象层次结构中一个影像对象的嵌入的信息。Thematic attribute 特征是用来描述一个使用专题层提供信息的影像对象。他需要一个描述属性信息的字段选入。类相关特征：类相关特征依靠图像对象特征，将指定的类到影像对象层次结构中的影像对象的特征。对于父对象和
10、子对象，这个位置被指定为分隔它们的层。对于邻接影像对象，该位置被指定为空间距离。这两个距离都是可以编辑的。类相关特征由如下几项组成： Relations to Neighbor Objects 特征用来描述一个影像对象与它旁边的其他影像对象的关系，而其他影像对象是与该影像对象相同的影像对象层上的相邻影像对象。相邻有两种：一种是直接相邻，还有一种是利用权重表示的相邻，但二者并不是直观意义上的相邻。Relations to Sub-Objects特征用来描述一个影像对象与它旁边的其他影像对象的关系，这些其他影像对象在影像对象层次结构中的一个较低（下层影像层）的影像对象层上。Relations to
11、 Superobjects 特征与Relations to Sub-Objects相似，描述与父层的对象特征关系。Relations to Classification 特征是用来找出一个影像对象当前或潜在分类的。关联对象特征：关联对象特征是评价关联对象来计算的。场景特征：场景特征返回整个场景或地图的属性。它们是全局特征，因为它们与个别的影像对象无关，其组成如下：Variables是在一个工程中只出现一次的全局变量。它们是独立于当前影像对象的。Class-Related场景特征提供每个地图给定类别的所有影像对象的信息。Scene-Related特征提供关于场景的信息。进程相关特征：一个进程相关
12、特征是指在进程层次结构中，一个影像对象与一个给定进程距离的父进程对象（parent process object-PPO）的关系。它是基于开发规则集提出来的，与类相关特征具有相似性，但是这个表现得更加局部，通常使用的进程相关特征包括：Border to PPO：一个影像对象与它的父进程对象之间的共有的绝对边界。Distance to PPO：两个父进程对象之间的距离。Elliptic dist. from PPO是一个影像对象到它的父进程对象（PPO）的椭圆距离。Same super object as PPO检查是否一个影像对象和它的父进程对象（PPO）有相同父对象的部分。Rel. bord
13、er to PPO是一个和影像对象的父进程对象共有的边界长度与该影像对象的总边界长度之间的比值。区域特征：区域特征返回一个给定区域的属性。它们是全局特征，因为他们与个别的影像对象不相关，当你输入相应的坐标范围时，相应的数据表示了该区域的特征，它们的组成如下：Region-related特征提供关于一个给定区域的信息。Layer-related区域特征评价一个区域像元值的第一和第二统计矩（平均值、标准差）Class-related区域特征提供关于每个区域一个给定类的所有影像对象的信息。元数据：许多影像对象格式包含元数据或有单独元数据的文件，它们都提供附加的影像信息。元数据条目可用来作为规则集开发
14、的一个特征。特征变量：表示了前面所选特征的一个符号，两者在数据意义上是一致的，只不过名字不同而已。特征距离：特征距离表示两个相关对象之间的距离，相关的对象包含层父子对象，相邻对象，进程父子对象，因此在对象相关中，涉及到相邻，父子关系时，常常要指定特征距离。它包含有： 层距离代表影像对象层次结构中不同层中的两个影像对象之间的层次结构距离。它是从当前影像对象层起始的，层距离表征包含各个影像对象（子对象或父对象）的影像对象层的层次结构距离。即为层父子关系。空间距离用来分析影像对象层次结构中相同影像对象层上的两个影像对象之间的相邻关系。它代表两个影像对象集合中心之间的选定特征单位的空间距离。其（默认）值0是一个特值，因为它与两个影像对象集合中心的距离无关；仅仅计算有一个公共边界的邻接对象。进程距离代表进程树中层次结构层的一个进程与其父进程之间的向上距离。就是Process tree上的层次关系。
