基于eCognition的遥感图像面向对象分类方法研究

随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。

面向对象的eCognition遥感影像分类识别技术应用

以位于印度尼西亚Kalimantan热带雨林地区的1幅具有3个通道的雷达图像为研究对象,利用面向对象方法对高分辨率遥感影像的水体进行提取,在分割的基础上,经过分层分类,充分利用影像的光谱信息、拓扑信息、形状特征等构建知识库进行分类,实验结果理想,相对传统基于像素的图像分类分析方法结果图斑完整,提高了分类精度。

基于eCognition的面向对象的土地覆被分类研究——以云南大学呈贡校区为例

以云南大学呈贡校区作为研究区,使用高分辨率的GeoEye-1数据,利用智能化影像分析软件eCognition,采用多尺度分割方法和最邻近法,探索性的进行面向对象的土地覆被分类研究。研究成果显示使用这种面向对象的土地分类方法得到的土地覆被类型判识精确度高达90%,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、总体分类精度达到90%以上。同时研究成果还为呈贡校区的土地绿化建设和重点部署提供了技术支撑。

利用面向对象的分类方法从IKONOS全色影像中提取河流和道路

传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困难。本研究利用面向对象的影像分析方法对IKONOS全色影像进行了河流与道路的分类,包括利用影像对象的光谱特征的初次分类和利用子目标对象的线特征的二次分类两个过程;其中初次分类由于仅依据光谱信息,不能很好地将河流或道路与其他光谱特征相似的地物区分开,而通过引入子目标的形状特征进行二次分类,就可以准确地将河流与道路提取出来。试验结果表明,面向对象的分类方法能够满足高分辨率或纹理影像的分类需要,具有很大的应用潜力。

面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例

SPOT5图像的空间分辨率高,局部异质性较大,采用基于像元的传统方法分类精度低,难以满足实际应用的需要。以北京市海淀区SPOT5图像为例,应用面向对象方法对其进行分类试验,并将该方法与传统基于像元方法的分类结果进行对比分析。结果表明:利用面向对象方法对SPOT5遥感图像进行分类,不仅使分类结果具有丰富的语义信息,有效抑制“椒盐现象”的发生,还可以显著提高分类精度。

基于面向对象分类方法在SPOT影像中的地物信息提取

利用基于面向对象分类方法的eCognition软件,以桂林寨底地区为研究区,对影像中各类地物设置不同的分割参数,即初始分割尺度为30,形状因子为0.1,光谱因子为0.9,紧凑度为0.7,光滑度为0.3,能够比较准确地分割出水体、植被、非植被3类地物。根据建立的类层次结构,继续对植被和非植被2个大类进行细分,结果表明当分别选定分割尺度为80和50时效果较理想。利用eCogni-tion对完成分割的地类进行分类,并结合最后的手动修改,取得了较高的分类精度,即总的分类精度达到96.28%,Kappa系数为0.9523。与传统的分类方法进行对比,面向对象分类方法在高分辨率影像分类工作中具有较大的优势。

基于eCognition面向对象技术的高分辨率遥感影像土地利用分类——以福州琅岐岛为例

该文采用eCognition软件平台,运用面向对象的多尺度分割方法,对研究区SPOT6影像进行土地利用分类。综合利用光谱、形状与纹理等特征,快速、有效地区分地类。研究结果表明,该软件平台分类效果较好,总体精度达到了88.25%,KAPPA系数为0.8560,与传统的分类方法相比,在提高分类精度的同时,能够有效避免"椒盐现象"的产生。

基于地形因子分割、分类的面向对象滑坡快速识别方法

由地震诱发的滑坡灾害具有数量多、分布面积广、危害大的特点。传统的高精度的专家手动解译不能满足大范围发生的滑坡灾后快速评估的要求,基于计算机的滑坡识别技术具有快速、准确的优势。随着灾后影像数据分辨率的不断提高,面向对象技术比基于像素的技术更具优势。但是在滑坡对象分割、分类中对影像光谱、纹理信息的过度依赖造成了分割不够客观、分类算法复杂等问题。基于震后Worldview 2m分辨率的多光谱数据,提出了一种考虑地形因子的滑坡分割、分类算法。这种算法基于简单的规则集并充分考虑了滑坡发生的机理特点进行分割、分类,具有快速、简便的特点,而且能达到很高的分类精度(98.14%)。这种方法较以往仅考虑影像光谱、纹理信息的面向对象滑坡识别技术具有很大的提高,可以在实际灾害发生时用于大面积、大数量的山地滑坡灾害的快速损失评估。

基于eCognition的混合对象分类方法研究

一、引言遥感影像的自动解译一直是研究的热点,也是难点。目前,主流的遥感影像处理软件如eCognition(易康)、ERDAS、ENVI都能够提供遥感影像自动解译功能。其中eCognition是由德国Definiens Imaging公司开发的智能化影像分析软件,提供面向对象的遥感信息提取功能,具有独特的多尺度分割技术。遥感影像的自动解译包括分割和分类两个步骤,其中分割是分类的基础。

利用面向对象分类技术的大尺度土地覆被调查方法

以HJ-CCD为实验数据,采用面向对象分类技术,对地形复杂、类型多样的湖南省进行土地覆盖类型的自动提取.着重研究在大尺度上的土地覆被调查中应用HJA/B遥感影像和面向对象技术获取土地覆被信息的一整套技术方法.将多尺度分割、邻域推移分类法以及野外调查、专家知识有机结合起来,并用野外采样点进行精度检验.湖南省土地覆被调查结果的总体精度84.99%,Kappa系数为82.79%.结果证明了以HJ-CCD影像为遥感数据源,利用面向对象技术进行大尺度的土地覆被调查的可行性和有效性.

基于特征增强技术的面向对象分类方法

针对传统基于像元的分类方法不能满足对高分辨率影像（HRI）进行分类的矛盾,提出了基于特征增强技术的面向对象分类方法（FETCOOCA）。并以北京市海淀区的SPOT5影像为例,考虑到影像中植被、水体和建筑物等地物之间的特征差异,对影像中地物的光谱、形状、纹理等信息进行特征增强处理,并结合面向对象的分类方法对其进行分类。最后,对FETCOOCA与传统基于像元的分类方法进行了对比分析。结果表明：提出的FET-COOCA明显优于传统分类方法,它可以大幅度提高HRI的分类精度,有效抑制椒盐现象的发生,使分类后的图像含有更为丰富的语义信息。

基于特征增强技术的面向对象分类方法

针对传统基于像元的分类方法不能满足对高分辨率影像(HRI)进行分类的矛盾,提出基于特征增强技术的面向对象分类方法(FETCOOCA)。并以北京市海淀区的SPOT5影像为例,考虑到影像中植被、水体和建筑物等地物之间的特征差异,对影像中地物的光谱、形状、纹理等信息进行特征增强处理,并结合面向对象的分类方法对其进行分类。最后,对FETCOOCA与传统基于像元的分类方法进行对比分析。结果表明:提出的FETCOOCA明显优于传统分类方法,它可以大幅度提高HRI的分类精度,有效抑制椒盐现象的发生,使分类后的图像含有更为丰富的语义信息。

基于MODIS时序数据的Landsat8影像选取及面向对象分类方法的农作物分类

利用遥感技术进行农作物分类,可近实时地获取各种农作物种植的空间分布状况,对于农业生产管理和农业政策制定等都具有十分重要的意义。为避免单时相遥感影像存在同物异谱、同谱异物的现象,提高以往基于MODIS数据提取农作物分布方法的精度,改善传统分类方法存在椒盐噪声及分类效率低的缺点,本文基于MODIS NDVI时间序列曲线,确定作物识别的最佳时段,结合辐射分辨率较高的多时相Landsat8 OLI影像,采用面向对象的分类方法,充分利用物候特征及光谱信息区分作物类别,并在黑龙江省重点产粮区-北安市进行应用,获得北安市各类农作物的空间分布信息。地面调查验证结果表明,该农作物类别识别方法分类效果较好,总体精度达90.7%,kappa系数为0.88。研究结果说明,基于多时相Landsat 8 OLI影像及面向对象分类的方法,并结合MODIS时间序列数据,可以高效、精确地提取农作物信息,应用潜力巨大。

基于面向对象方法和SPOT5的丘陵山区林地分类研究

采用4种面向对象分类方法 (最邻近法、隶属度函数法、决策树和支持向量机),利用SPOT5影像对湖南省会同县部分地区进行林地类型提取。结合研究区林地类型,将分类提取6种林地类型、6种非林地类型,并相应地构建分类层次结构。通过比较4种面向对象方法的分类结果,发现最邻近法擅长提取对象特征相近的地物类型,更适合于丘陵地区的林地信息提取。其在南方丘陵山区进行林地信息提取精度显著高于其他3种方法,其总体分类精度可达76.12%(分12类),Kappa系数为0.73(分12类)。

基于面向对象分类的建筑物倒塌率计算方法研究

建筑物倒塌是造成地震人员伤亡的主要原因，对地震应急救援与决策具有重要的指导意义。遥感以其综合、宏观、快速、动态的特点，为地震灾害信息调查和震害快速评估提供了一种可靠的信息源。面向对象的分类方法是针对高分辨率影像的一种新的分类方法。本文在总结遥感影像建筑物震害信息提取方法进展的基础上，将建筑物分为基本完好和毁坏两个等级。选取唐山地震和汶川地震的震后航片．利用面向对象的分类方法来识别影像上基本完好的建筑物，计算评估区内的建筑物倒塌率。实验结果表明，面向对象的分类方法充分利用了图像上的光谱、形状、纹理等特征，在很大程度上克服了基于像元分类方法的局限性，并且基于对象的建筑物倒塌率计算也取得了较好的精度。

基于GF-2面向对象土地利用分类研究

高分辨率遥感技术发展迅速,传统技术已经无法满足信息提取的要求,严重影响提取精度和效率。以秦岭北麓长安区与鄠邑区交界处北部部分区域为实验区,高分二号影像为数据源,采用面向对象分类法进行土地利用分类研究,并进行监督分类做对比实验。结果表明,采用面向对象分类法分类结果总体精度为90.05%,Kappa系数为0.857,比监督分类方法精度高出14.55%,Kappa系数高出0.288。面向对象分类方法总体分类效果较好,有效提高了分类精度。

面向对象的图像分类方法与彩色扫描地形图林地层的自动提取

提出了一种基于面向对象分类方法的彩色扫描地形图林地层自动识别方法,简要阐述了这种方法的基本概念和原理,分析和讨论了该方法的优越性和林地层提取效果,为基于地形图计算林地面积,找林地动态变化或土地利用类型变化的研究提供了方法参考。

面向对象遥感分类方法在震害快速提取中的应用

破坏性地震发生后，迫切需要对灾害进行准确、快速的评估，为应急指挥、救援决策提供依据。高空间分辨率影像中地物的几何结构和纹理信息丰富，传统方法难以满足需求。面向对象的遥感图像处理方法，运用多尺度分割方法，实现图像信息多维的分离，并加入纹理、形状和相互关系特征的综合分析及模糊逻辑分类方法，从而最大程度模拟人类目视解译遥感影像的思维模式，提高有效信息的提取精度。

基于高分数据的村级地块面向对象分类方法研究

针对农作物对地抽样调查工作中村级抽样单元野外调查工作量大的问题,研究了一种基于高分数据的村级农作物种植面积提取方法。以辽宁省北镇市孟家村SPOT5遥感影像为实验数据(主要包括农田、裸地、道路、大棚、水体、房屋等类型),基于eCognition平台,根据局部方差法筛选地物最优分割尺度,按照最优分割尺度从大到小组织实验区地物分割次序,结合影像对象的光谱、形状等特征,建立分类规则,完成了村级农作物种植面积的提取。该方法有效避免了在影像分割时参数反复试错带来的复杂性和随机性,提高了农作物种植面积面向对象分类精度和效率。通过野外调查样地进行精度验证表明,精度达到90.4%,为提高农作物种植面积对地抽样调查工作效率,减少野外调查的工作量提供技术支撑。

面向对象的地物分类法分析与评价

结合南京市区IKONOS高分辨率遥感数据,研究利用面向对象分类法实现地物精确分类的方法和技巧,评估分类结果的精度,探讨面向对象分类法在地物分类应用中的潜力和限制,为高分辨率遥感在地物分类中的有效应用提供新的技术途径。