eCognition

1.1操作前准备

1.1.1待分类影像切割

eCognition不支持超过500万个对象的文件分割，因此需要在eCognition分割前要先将遥感影像切割成200M左右的小文件。为保证切割后影像分类后结果的无缝镶嵌，在Arcmap中制作切割用的矢量边界，然后转至ERDAS中制作所需要的aoi。

1.1.2辅助图层准备

用与上步相同的aoi 文件对相应的dem、坡度、坡向图等专题图层进行切割，这些文件在eCognition分类中都将作为辅助信息用到。

1.2 建立eCognition工程文件

1.2.1 加入影像层和各专题图层

打开eCognition软件，打开软件选择右边的 RuleSet 模式，创建新的工程文件。

先加入第一步做好的遥感影像文件，然后将dem、坡度、坡向图等专题图层都加入进来。

1.2.2 影像层赋别名

为方便分类中使用，需要将各个图层赋上别名，按加入图层的先后顺序，确保给各图层加上正确的名称（Green、Red、Nired、Swired、Pan、Dem、Slope、Aspect ）等。

1.2.3图层设置

先在Erdas中查看相应文件信息（information）,记下文件的左上角的x值和右下角的y值及分辨率。然后在eCognition中双击相应图层，在弹出的如下对话框中分别输入刚才记下的x、y和分辨率。为了确保输入坐标正确，在各图层都输入后，进行检查。工程文件创建后，就不能再进行更改这些数据了。

1.2.4创建新的工程文件：

点“OK”开始创建工程文件，完成后应先保存该工程文件，再开始下步的工作。

1.3 影像分割

面向对象的影像分类方法需要在影像分类之前对其进行分割，分割方法将像元按照同质性进行聚类，从而形成分类所需要的“对象”。

1.3.1分割对象选择

只选择遥感影像的1、2、3、4层，即兰、绿、红、近红四个波段参与分割，其它层不参与分割。即在分割时将兰、绿、红、近红四个波段权重值设为1，将其它层权重值设为0。

1.3.2分割顺序

先进行多尺度分割，再进行光谱差异分割。

1.3.3分割参数

多尺度分割时尺度参数（Scale Parameter）为10，颜色、形状参数（color、shape）分别为0.8、0.2，光滑度（Smoothness）和紧致度（Compactness）分别为0.5、0.5。

光谱差异分割，在多尺度分割（Lev10）之上进行，先进行光谱差异为1的分割（Lev10S1），然后在这两层中间再进行光谱差异为5的分割(Lev10S5)。以后的影像分类主要在Lev10S5上进行。

1.4 影像分类

1.4.1自定义参数

eCognition中已提供了大量对影像分类非常有用的参数，如亮度、面积、长宽比等。根据实际需要，可以自定义一些指数，对更加精确地进行分类很有帮助。

常用的自定义指数有：

（1）归一化植被指数NDVI

([Mean Nired]-[Mean Red])/([Mean Nired]+[Mean Red])*100

（2）土壤调整植被指数SAVI

(([Mean Nired]-[Mean Red])/([Mean Nired]+[Mean Red]+0.5))*(0.5+1)*100

（3）分维数

2* lg ([Length]/4)/ lg ([Area])

（4）宽波段植被指数WDRVI

(0.05*[Mean Nired]-[Mean Red])/(0.05*[Mean Nired]+[Mean Red])*100

（5）绿波段-短波红外波段G-SW

[Mean Green]-[Mean Swired]

（6）红波段-近红外波段R-NIR

[Mean Red]-[Mean Nired]

1.4.2 创建类层次结构

类层次结构类似于决策树，先建立两大互补类，在实际施工中根据影像的实际情况，我们先分出植被和非植被，或水体和非水体，然后再建立互补小类。

1.4.3选择合适参数进行分类

这是实际分类中最重要和最难以准确把握的步骤，往往需要持续不断的调整，找到分类的最佳指标取值范围，才能达到较好的分类效果。有时为了将两种类别分开，可能需要多个参数参与其中一个细节的分类。

在分类时，将窗口排成如下图的样式，便于对比操作。

Feature View工具，可用于选择合适的分类参数。双击某一指标，如NDVI，图像上会显示NDVI分布图，调整Feature View下方左右方框中的数值（左（蓝）右（绿）），找出区分目标对象和非目标的阈值，或使目标对象在蓝绿内。

阈值的确定可在视图中移动鼠标，查看影像对象的特征值。浏览几次后，可以获得这个特征值的范围印象，并且可以断定目标对象的一个大致的阈值。

1.4.4不同目标对象分类时常用的参数

植被、非植被：NDVI，SAVI（正常的影像NDVI小于10，可认为是非植被，但具体影像可能有很大差别，要通过Feature View找到这个值）

水体：亮度、面积、NDVI，SAVI。水体一般较暗，NDVI较低。水体光谱较均一，分割形成的对象面积较大。

道路、采矿、垃圾场：亮度高，NDVI，SAVI低。道路具有较大的长宽比。矿区和垃圾场都为一条道路连接一个块状高亮区域，但垃圾场形状较规则。

1.4.5 手工分类

自动分类结果必然会存在不准确的地方，必须用手工进行修改。但手工修改中一个个点击小对象进行分类结果改变，或绘制精细的多边形进行成片分类结果改变，往往耗时、费力。根据我们的经验，利用手工修改中的过滤工具，可显著提高手工作业效率。

可以选择一类，或按下Shift键选择多类。然后，在手工修改时，就可以粗略的画矩形框或多边形，而选中的只是刚才选择的类别，而不是框中的全部对象。这样，可以方便的给批量被错分的类赋新的类别。

1.4.6 分类结果的导出

对于在eCognition中的分类结果，需要以shp文件格式导出，并在ARCGIS软件中进行编辑，如格式转换、接边处理等。其中一块的分类结果和导出结果如下。


分类结果图	导出后的土地利用图

eCognition相关推荐

第002篇：易康（eCognition）中最佳分割尺度评价工具ESP2插件的详细使用方法
在我们使用eCognition中的多尺度分割算法分割影像时,会发现不知该如何确定各分割参数,于是有学者研究开发了ESP2工具,来帮助确定最佳分割尺度参数.本文主要对ESP2工具的使用方法及运行结果解读 ...
面向对象分割：结合eCognition与python
一.前言 eCognition(易康)是一款强大的.集成"面向对象影像分类"功能的商用遥感软件.这款软件提供了影像分割.影像特征计算和选择.分类(规则分类和监督分类)和结果输出等功 ...
怎样用ecognition软件实现同一幅图片上的不同区域的多尺度分割
怎样用ecognition软件实现同一幅图片上的多尺度分割今年由于用到了ecognition软件的对同一图片上分不同分割参数进行分割,在网络上查找了许多资料都没有具体的步骤,所以在这里补充一下步骤给 ...
第021篇：易康（eCognition）中用点矢量文件制作样本验证分类精度的操作方法
续写:第011篇:易康(eCognition)中用点矢量文件(point.shp)制作样本(samples)的方法参考链接:https://blog.csdn.net/liujinli0712/ar ...
第019篇：易康（eCognition）对象特征介绍三：几何（Geometry）_ 形状（Shape）
版本:eCognition 9.0 参考:ReferenceBook 对象特性-->几何 Object Features > Geometry 几何特征是基于图像对象的形状,由构成图像对象 ...
使用易康（eCognition Developer 8.9）对遥感影像进行面向对象分类
使用易康(eCognition Developer 8.9)对遥感影像进行面向对象分类 1.导入加载影像数据(注意文件不能出现中文) 2.影像分割 1)在[Process Tree]对话框里写分割进程 ...
ecognition 易康 ESP插件的使用
ecognition 易康 ESP插件由Lucian Drǎgu ţ , Dirk Tiede & Shaun R. Levick分别在2010年和2014年开发出来,2014年版的是改进版 ...
易康eCognition Developer 9.01安装教程（附eCognition下载地址及中文教程）
eCognition是由德国Definiens Imaging公司2009年推出的智能化影像分析软件,2010年被美国Trimble公司收购.eCognition是目前所有商用遥感软件中第一个基于目标 ...
易康ecognition中如何导出分好类的TIF 文件
随着地学研究中技术的改进和研究者对结果准确度要求不断提升,越来越多的研究者会用到Ecognition这个软件,用它来做分类是最常用的功能,但是初学者一般会有一个疑问,就是我分完类别之后怎么导出呢? 第 ...
易康（eCognition）
eCognition是由德国Definiens Imaging公司开发的智能化影像分析软件.eCognition是目前所有商用遥感软件中第一个基于目标信息的遥感信息提取软件,它采用决策专家系统支持的模 ...

eCognition

eCognition相关推荐

最新文章

热门文章