eCognition基於對象影像分析教程

前言

理論篇

第1章 引言 3
1.1 基於物件影像分析 3
1.2 高解析度影像分析需求 4
1.3 空間地理資訊快速更新需求 5
1.4 常用基於物件影像分析軟體 6

第2章 遙感影像分析 15
2.1 遙感影像分析層次 15
2.2 遙感影像分析本質 16
2.3 遙感影像分析框架 18

第3章 eCognition 基於物件影像分析 25
3.1 模擬人類認知過程 25
3.2 多來源資料融合 27
3.3 知識表達體系 28
3.4 演算法概述 33
3.5 影像分割 38
3.6 特徵概述 44
3.7 對象分類 50
3.8 對象修整 64
3.9 向量處理 65
3.10 精度評價 67

基礎篇

第4章 規則集開發介面 73
4.1 介面視圖 73
4.2 常用工具列 74
4.3 常用視圖 75

第5章 影像分割 77
5.1 創建工程 77
5.2 創建分割進程 79
5.3 保存規則集和工程 92

第6章 閾值分類 93
6.1 創建工程 93
6.2 影像分割 95
6.3 區分水體和非水體 95
6.4 區分植被和非植被 100
6.5 合併同類對象 103
6.6 去除小圖斑 104
6.7 平滑 105

第7章 隸屬度分類 109
7.1 創建工程 109
7.2 影像分割 110
7.3 區分水體和非水體 110
7.4 區分植被和非植被 113
7.5 閾值分類和隸屬度分類比較 117

第8章 最鄰近分類 119
8.1 創建工程 119
8.2 影像分割 120
8.3 樣本選擇 120
8.4 最鄰近分類 124

第9章 機器學習分類器 127
9.1 創建工程 127
9.2 影像分割 128
9.3 查看樣本檔 129
9.4 向量轉化為樣本 129
9.5 使用CART 分類器分類 131

第10章 精度評價 135
10.1 創建工程 135
10.2 結合向量分割 136
10.3 驗證點轉化為樣本 137
10.4 精度評價與結果匯出 140

不錯篇

第11章 簡單建築物提取 145
11.1 規則集開發過程 145
11.2 項目分析 148
11.3 創建工程 149
11.4 評估資料內容 149
11.5 創建影像物件 150
11.6 分類具有高度的物件 151
11.7 基於DSM 的細化 153
11.8 基於光譜資訊的細化 155
11.9 基於上下文的細化 156
11.10 基於形狀的細化 158

第12章 複雜建築物提取 160
12.1 項目分析 160
12.2 創建工程 161
12.3 濾波技術挖掘DSM 資料的深層資訊 161
12.4 創建影像物件 164
12.5 分類陡坡 166
12.6 分類地面 167
12.7 分類建築 170
12.8 精細化建築分類 172
12.9 清理陡坡物件 173
12.10 清理建築物件 182
12.11 準備匯出 185
12.12 匯出向量檔 187

第13章 城市地表不透水區製圖 189
13.1 項目分析 189
13.2 創建工程 190
13.3 結合地塊向量的分割 190
13.4 地塊分類 191
13.5 不透水區分類 192
13.6 地塊不透水區占比分析 196
13.7 統計資料匯出 197
13.8 向量數據匯出 200
13.9 提高效率和改善品質 201

第14章 種子增長法提取水體邊界 206
14.1 水體的種子物件分類 207
14.2 為種子物件創建候選對象緩衝區 209
14.3 使用Mean Difference to 特徵增長水體 212
14.4 整理分類結果和消除尺寸過小的對象 215
14.5 使用變數改善規則集的可攜性 216
14.6 自動化處理 219

第15章 基於卷積神經網路的十字符號提取 223
15.1 卷積神經網路 223
15.2 從分類熱度圖到精度評價 229

第16章 變化檢測 233
16.1 創建工程 234
16.2 複製地圖 234
16.3 分別分類 236
16.4 同步地圖 241
16.5 變化檢測 245

第17章 對象形狀修整 248
17.1 區域增長 248
17.2 基於圖元的物件修整：邊界平滑和規整化 250
17.3 基於圖元的物件修整：光譜特徵規整化 255
17.4 影像物件融合 257

參考文獻 260
附錄1 獲取更多説明和資訊 262
附錄2 基本概念和術語 263